Wenn Krebszellen au\u00dfer Kontrolle geraten, sind in aller Regel DNA-Ver\u00e4nderungen in Krebsgenen daran schuld. Doch einige Krebsarten entstehen bereits bei nur sehr wenigen mutierten Genen. In diesen F\u00e4llen f\u00fchren andere, wenig verstandene Ursachen zur Erkrankung.<\/p>\r\n\r\n\r\n\r\n
Ein Forschungsteam vom Max-Planck-Institut f\u00fcr molekulare Genetik in Berlin und das Institut f\u00fcr Computational Biology des Helmholtz Zentrums M\u00fcnchen hat nun einen neuen Algorithmus entwickelt, der mit Hilfe von maschinellem Lernen 165 zuvor unbekannte Krebsgene identifizierte. Von diesen Genen sind l\u00e4ngst nicht alle mutiert \u2013 die neu entdeckten Gene stehen jedoch alle in engem Austausch mit bereits bekannten Krebsgenen. \u00dcberdies sind sie \u00fcberlebenswichtig f\u00fcr Tumorzellen, wie sich im Zellkulturexperiment herausstellte.<\/p>\r\n\r\n\r\n\r\n
Das auf den Namen \u201eEMOGI\u201c getaufte Programm kann auch erkl\u00e4ren, welche zellul\u00e4ren Zusammenh\u00e4nge jedes der identifizierten Gene zu einem Krebsgen machen. Dazu kombiniert das Programm zehntausende Datens\u00e4tze aus Patientenproben. Diese enthalten neben Sequenzdaten mit Mutationen auch Informationen \u00fcber DNA-Methylierungen, die Aktivit\u00e4t einzelner Gene und Interaktionen von Proteinen, die an zellul\u00e4ren Signalwegen beteiligt sind. Ein Deep-Learning-Algorithmus erkennt in diesen Daten die Muster und molekularen Gesetzm\u00e4\u00dfigkeiten, die zu Krebs f\u00fchren. So wurden z. B. Gene identifiziert, deren Sequenz bei Krebs meist unver\u00e4ndert bleibt, die jedoch trotzdem f\u00fcr den Tumor unverzichtbar sind, weil sie beispielsweise die Energiezufuhr regulieren.
In der Klinik helfen diese Daten f\u00fcr Erkrankte die jeweils beste Therapie zu finden \u2013 also die wirksamste Behandlung mit den wenigsten Nebenwirkungen. Zudem l\u00e4sst sich anhand der molekularen Eigenschaften eine Krebserkrankung schon fr\u00fchzeitig erkennen.<\/p>\r\n\r\n\r\n\r\n