Wie Datenwissenschaft Krebsforschung verändert

Rita Seeböck kann sich gut erinnern, als 2001 mit Pauken und Trompeten das Human Genome Project (HGP) ausgerufen wurde. Die Molekularpathologin stand damals am Beginn ihres Studiums, dass letztlich in der krebsmedizinischen Forschung am IMC Krems mündete. Im HGP wurden über Jahrzehnte die Genome verschiedener Spender*innen sequenziert und zusammengeführt. Es wurde also die Gesamtheit des menschlichen Erbguts, alle DNA-Sequenzen der 23 Chromosomenpaare hinunter bis zur Anordnung der einzelnen Basenpaare ausgelesen und aneinandergereiht. Das Jahrhundertvorhaben wurde 2022 lückenlos abgeschlossen, die Gen-Bibliothek eines gesunden Durchschnittsmenschen in eine Datenbank überführt. Parallel dazu kennt die Krebsforschung Datenbanken wie den Cancer Genome Atlas, in denen genetische Abweichungen von Krebszellen geführt werden. Am Schnittpunkt des rasanten Fortschritts der Technologien und Analysen, der Datengewinnung und -verarbeitung, werden jedenfalls Fachleute gebraucht, die (molekular-)biologisch-medizinisches Verständnis und Datenverarbeitungskompetenz kombinieren.
Der klinische Bedarf für solche bioinformatischen Expert*innen steigt und am IMC Krems hat gerade eine Ausbildung begonnen, die diese Lücke schließen helfen soll. Rita Seeböck war im Entwicklungsteam des berufsbegleitenden „OMICS Technologies and Data Science“-Masterlehrgangs und wird in den kommenden zwei Jahren auch dort unterrichten. Die sogenannten OMICS-Technologien versuchen aus einer gesamthaften Betrachtung biologische Prozesse besser zu verstehen. „Ich bin überzeugt davon, dass wir mit dieser Ausbildung einen großen Schritt machen. Die ersten Absolvent*innen werden 2027 hoffentlich vom Fleck weg engagiert. Gerade jetzt, wo in den USA die Forschungsstrategie im Umbruch ist, sollten wir in Europa nicht nachlassen. Für eine gezielte Datenverarbeitung in der Klinik braucht es Menschen, die das im Alltag etablieren können.“
 

Die Nadel im OMICS-Haufen finden

Fortschritte in der Sequenzierung und der systemischen Analyse biologischer Profile gingen Hand in Hand. Zu den OMICS-Technologien zählen die Genomik, die das gesamte Erbgut eines Organismus untersucht, um Gene, ihre Struktur, Funktionen und Wechselwirkungen zu verstehen. Die Proteomik analysiert die Gesamtheit aller Proteine eines Organismus oder einer Zelle, ihre Mengen, Strukturen, Funktionen und Dynamiken. Und die Metabolomik erforscht die Gesamtheit aller kleinen Stoffwechselprodukte in biologischen Systemen, um Einblicke in physiologische Zustände und biochemische Prozesse zu gewinnen. Alle diese OMICS setzen auf eine gezielte Datenanalyse durch geschulte Menschen und Rechenpower.
Schon heute wird in der Krebsdiagnostik versucht, einen Tumor zunächst möglichst genau zu klassifizieren. Ist er hormonabhängig oder nicht? Ist er auf ein bekanntes Onkogen zurückzuführen? Welchen Signalweg der Zelle hat er gekapert, um weiter zu wachsen und Abwehrmechanismen auszutricksen? Hat er ein Merkmal, das ihn von gesunden Zellen unterscheidet und angreifbar macht? Der nächste Schritt in der Forschung für eine personalisierte Krebsmedizin liegt für Rita Seeböck darin, die erkrankte Person individuell zu typisieren und das in die Behandlung einfließen zu lassen: „Wenn wir heute in der Forschung eine Variation in einer Krebszelle finden, können wir nicht mit Sicherheit sagen, ob diese der Erkrankung geschuldet ist, oder schon vorher in einer Person als Variation angelegt war.“ Medizinische Lehrwerke müssen eine Standardausstattung gesunder Menschen abbilden, aber im Leben bringt jede*r von uns kleine Abweichungen mit, die nie stören, oder aber im Krankheitsfall wichtig werden.
In der Krebsdiagnostik wird ein Tumor möglichst genau charakterisiert, um gezielte Therapien zu entwickeln. Rita Seeböck sieht die Zukunft in einer personalisierten Medizin, die individuelle genetische Unterschiede berücksichtigt, da nicht jede gefundene Variation automatisch krankheitsbedingt ist.

Pathologie im Einsatz für das Leben

Je mehr über die Variabilität des menschlichen Genoms bekannt wird z.B. nach Gender, Alter oder Ethnie, desto klarer wird die Referenz. „In der Krankheitsentstehung und -entwicklung kann ein anderer Ausgangspunkt alles beeinflussen“, erklärt die Molekularpathologin. Ihr Fachgebiet der Pathologie hat mit der Gerichtsmedizin aus dem TV-Krimi übrigens nichts zu tun: „Wir untersuchen Proben im Labor und versuchen darin krankhafte Veränderungen mit verschiedenen Methoden festzumachen. Basierend auf der Analyse entwickeln wir gemeinsam mit der Klinik z.B. in Tumorboards eine geeignete Behandlung für erkrankte Personen. Bei unseren ‚Fällen‘ bestimmen wir: Was sehen wir? Wie kam es dazu? Und wie kann man es besser machen?“ Ihr gefällt an ihrem Fachbereich, dass sie viele verschiedene Gewebe und Organe untersuchen kann – und im Labor wollte sie immer schon arbeiten.

Die künftigen „OMICS-Technologies und Data Science“-Absolvent*innen sieht Seeböck als wichtiges Bindeglied zwischen Forschung und klinischer Anwendung. Sie sollen mit ihren Fähigkeiten aus unzähligen Daten im Befund mehr herauslesen und so dabei unterstützen, die Behandlung noch besser an Patient*innen anzupassen. Bei soliden Tumoren z.B. in Lunge, Colon oder Brust, die immer noch für viele Todesfälle verantwortlich sind, werden solche Strategien hoffentlich gut greifen.

Fünf gegen einen

Rita Seeböck arbeitet nicht nur an der „Wimmelbild“-Analyse mit, wenn in OMICS-Daten Zusammenhänge und Wechselwirkungen gesucht werden. Im Projekt TOPICO kooperieren insgesamt fünf Forschungsgruppen, um ein notorisches Rezeptormolekül in Hinblick auf Krebsentstehung und Therapieresistenz weiter einzukreisen. AXL ist eine Rezeptor-Tyrosinkinase, ein Oberflächenrezeptor, der mitbestimmt, was in eine Körperzelle eingeschleust wird und ihre Immunantwort mitreguliert: „Wir vermuten, dass AXL ‚everybody‘s darling‘ ist, mit vielen anderen Rezeptoren und Signalwegen interagiert und so weitere krebsfördernde Prozesse ermöglicht.“

Autorin: Astrid Kuffner

Zum Online Magazin ask – art and science krems

Zum Studiengang OMICS Technologies and Data Science in Biomedicine