Direkt zum InhaltDirekt zur SucheDirekt zur Navigation
▼ Zielgruppen ▼

Presseportal

Krebstherapie: Wie unsere Zellen gegen Medikamente resistent werden

Neue Studie erweckt Hoffnung auf wirksamere Behandlungen
Alternativtext

Krebserkrankungen können in jeder Altersgruppe
auftreten. Ein bekanntes klinisches Problem bei diesen
Krankheiten ist jedoch die Entwicklung einer Resistenz
gegen Therapeutika (z. B. Chemotherapie oder
Antikörperbehandlungen), die häufig die Aussichten
für den einzelnen Patienten verschlechtern.
Abbildung: Cell Reports

Menschliche Zellen verändern ständig ihre Form. Aus der Biologie ist bekannt, dass diese morphologischen Umgestaltungen widerspiegeln, wie sich eine Zelle verändert. Bisher war die Forschung aber nur begrenzt in der Lage, die Bedeutung hinter der Form einer Zelle zu verstehen. In ihrer neuen Studie haben Rune Linding von der Humboldt-Universität zu Berlin (HU) und seine Kolleg:innen mithilfe künstlicher Intelligenz Veränderungen in der Morphologie von Krebszellen untersucht und interpretiert, um zu verstehen, wie diese Zellen gegen Krebsmedikamente resistent werden.

Das Forscherteam verwendete einen Algorithmus (künstliche Intelligenz), um die Morphologie von etwa 850 Millionen Krebszellen über einen Zeitraum von drei Monaten zu analysieren. Damit untersuchten sie eine weitaus größere Zahl, als das für Biolog:innen möglich wäre. Durch KI erhielt das Team einen einzigartigen Einblick in sehr subtile Veränderungen in der Morphologie, die Krebszellen erfahren, wenn sie gegen Therapien resistent werden. Für das menschliche Auge sind derartige Abweichungen unsichtbar.

Der Algorithmus war nicht nur in der Lage, genau vorherzusagen, welche Krebszellen gegen Arzneimittel resistent waren, indem er sie nur „ansah“, sondern er konnte auch vorschlagen, welche Proteine in den Zellen diese Arzneimittelresistenz wahrscheinlich antreiben. Die Forscher:innen hoffen, dass dieses Wissen genutzt werden kann, um bessere Therapien gegen Krebs oder Arzneimittelresistenz für die Zukunft zu entwickeln.

„Es wird immer deutlicher, dass die Analyse der Zellmorphologie mithilfe von Deep-Learning-Algorithmen verwendet werden kann, um Tumore in klinischen Gewebescans zu identifizieren und zu klassifizieren. Wir kratzen jedoch nur an der Oberfläche hinsichtlich der klinischen Auswirkungen. Wir glauben, dass die Morphologie in Zukunft hier eine Ergänzung darstellen kann und vielleicht sogar genetische Analysen von Tumoren bei der Entdeckung besserer Krebstherapien ersetzen kann“, sagt Rune Linding, leitender Forscher des REWIRE-Projekts an der HU.

Publikation

Link zur Studie

Weitere Information

Link zur Webseite von Rune Linding 

Kontakt

Dr. Rune Linding
Lead Researcher - REWIRE
Humboldt-Universität zu Berlin
Lebenswissenschaftliche Fakultät
Institut für Biologie

Tel: +49 1522 136 7030
rune.linding@hu-berlin.de

Werbung