DIAGNOSTIK
Mit dem Tomograf krankmachende Genmuster entdecken
Radioaktive Tracer machen für Erkrankungen typische Genmuster sichtbar. Eine KI-basierte Analyse zeigt bisher ungenutzte Möglichkeiten auf.
Gene im menschlichen Erbgut kann man sich vorstellen wie eine Unmenge winziger Lichtschalter. Manche von ihnen sind angeknipst, andere aber ausgeschaltet. Vor allem in erkrankten Zellen entstehen oft neue Muster aktiver und inaktiver Gene. Gewisse davon lassen sich in bildgebenden Verfahren darstellen. Ein Team um den Nuklearmediziner Martin Walter von der Universität Luzern beschreibt nun, bei welchen Genen das funktioniert. Das «Imageable Genome» könnte bei der Diagnose vieler Krankheiten helfen.
Die Forschenden nutzten ein Verfahren der Nuklearmedizin: Bei der Positronen-Emissions-Tomografie (PET) spritzen Ärztinnen ihren Patienten radioaktive Teilchen, sogenannte Radiotracer. Diese koppeln an körpereigene Zellstrukturen wie etwa Eiweisse an. Jene Gene, die gerade aktiv sind, sorgen dafür, dass sich bestimmte Eiweisse bilden. In der PETAufnahme können Medizinier die radioaktiv markierten Zellen dann erkennen. Dieses Verfahren wollten die Forschenden anwenden, um bestimmte Genmuster von Krankheiten sichtbar zu machen.
Mit Hilfe zweier Algorithmen fanden sie heraus, dass bislang über 9000 verschiedene Radiotracer in der medizinischen Literatur bekannt sind. Diese können insgesamt die Aktivität von rund 1200 Genen aufspüren. «Erst die Verfügbarkeit von KI hat diese Auswertungen ermöglicht», sagt Walter. Im Anschluss analysierte sein Team, welches dieser Gene bei welchen Erkrankungen eingeschaltet ist. So identifizierten sie zum Beispiel 41 darstellbare Gene, die in der frühen Phase der Alzheimer-Erkrankung ein anderes Aktivitätsmuster zeigen als bei Gesunden. Doch wird es noch mindestens fünf Jahre dauern, bis die Methoden die Kliniken erreichen, schätzt Walter. Einmal auf dem Markt, würden sie dem Gesundheitssystem Kosten ersparen, weil sie präzisere Diagnostik ermöglichen – und somit besser zugeschnittene Therapien.
P. Jané et al.: The Imageable Genome. Nature Communications (2023)