Mit Proteomik und KI zu besseren Biomarkern

Bei der systemischen Vaskulitis führt eine autoimmune Entzündung der Gefäßwände unbehandelt zu schweren Organschäden, insbesondere an Nieren und Lunge. Um irreversible Folgeschäden abzuwenden, ist eine immunsuppressive Therapie essenziell. Da entsprechende Pharmaka jedoch mit gravierenden Nebenwirkungen einhergehen, ist eine zeitnahe, präzise Dosisreduktion angestrebt. Berliner Forschende haben mittels Proteomik und maschinellem Lernen ein Panel aus sieben Blutplasmaproteinen identifiziert, das den Remissionsstatus verlässlich anzeigt und somit als Grundlage für personalisierte, toxizitätsreduzierte Therapieschemata dient. Die zugrundeliegende Methodik lässt sich zudem auf weitere immunologische und entzündliche Krankheitsbilder übertragen.

„Unsere Studie zeigt, wie fruchtbar die Kooperation zwischen dem Max Delbrück Center, der Charité, dem ECRC und dem BIH inzwischen ist“, sagt Dr. Philipp Mertins. Die beiden anderen sind Professor Ralph Kettritz sowie Professorin Sofia Forslund.

Grenzen konventioneller Parameter und klinische Heterogenität

Etablierte Entzündungsmarker weisen eine unzureichende Spezifität für die verlässliche Beurteilung des Remissionsstatus auf. „Bisherige Biomarker wie zum Beispiel der Entzündungsmarker CRP zeigen nicht zuverlässig an, ob sich eine Patientin oder ein Patient bereits in Remission befindet oder noch nicht“, erläutert Dr. Uwe Jerke. Hinzu kommt eine ausgeprägte interindividuelle Varianz im Ansprechen auf die Immunsuppression. „Bei manchen Erkrankten dauert es nur drei Monate, bei anderen vielleicht sechs Monate oder länger, bis man die Medikamente reduzieren kann“, fügt der Nephrologe Kettritz hinzu. Bessere Biomarker zur Therapiesteuerung seien nötig, daher habe das Team die Zusammenarbeit mit anderen Berliner Forschenden gesucht.

Proteomische Analyse und KI-gestützte Merkmalsauswahl

Zur Identifizierung geeigneter Kandidaten analysierte das Forschungsteam das Plasma von über hundert Vaskulitis-Patienten (inklusive einer Remissionskohorte von etwa 50 Prozent) im Vergleich zu gesunden Kontrollen. „Wir haben zunächst bei mehr als hundert Vaskulitis-Patient*innen der Charité, von denen etwa die Hälfte in Remission war, sowie bei einer Vergleichsgruppe mit gesunden Menschen die im Blutplasma vorhandenen Proteine identifiziert“, erklärt Dr. Marieluise Kirchner. Dabei zeigten sich mehrere hundert krankheitsabhängig regulierte Proteine.

Die anschließende Selektion erfolgte über Algorithmen des maschinellen Lernens. „Nun war es meine Aufgabe, aus dieser großen Zahl mithilfe von maschinellem Lernen, einer Form der KI, diejenigen Proteine herauszufischen, die für einen Krankheitsstillstand spezifisch sind“, berichtet Dr. Theda Bartolomaeus. „Entscheidend war, zunächst sämtliche Proteine, die das Modell in die Irre führen – weil sie zum Beispiel wie CRP nicht spezifisch genug sind – aus den Analysen herauszunehmen.“ Das sei ein längerer Lernprozess gewesen.

Klinische Validierung und diagnostisches Potenzial

Nach Bereinigung ungenauer Einflussfaktoren verblieb ein spezifisches Panel aus sieben Proteinen. Die Validierung dieser Multiprotein-Signatur erfolgte erfolgreich an einer unabhängigen Kohorte von rund hundert Patienten aus Prag. „Fortschritte in der Proteomik und der KI ermöglichen es uns, solche Multiprotein-Signaturen zu entwickeln“, sagt Mertins. „Diese bilden die Biologie komplexer Erkrankungen sehr viel umfassender ab, als es einzelne Proteinbiomarker tun.“

Hinsichtlich der pathophysiologischen Rolle des Proteinsatzes besteht noch Forschungsbedarf. Die kausalen Zusammenhänge zwischen den sieben Proteinen und einer Vaskulitis seien allerdings noch unklar, räumt Jerke ein. „Wir haben bisher auch keinen breit verfügbaren Test“, ergänzt Kettritz. Zunächst müsse man jetzt in Studien mit mehr Teilnehmenden zeigen, wie gut der neue Assay im klinischen Alltag funktioniere – und inwieweit Patient*innen tatsächlich von ihm profitieren.

Quelle

Max-Delbrück-Centrum für Molekulare Medizin in der Helmholtz-Gemeinschaft (08/2026)