q&more
Meine Merkliste
my.chemie.de  
Login  

News

Neuer Algorithmus erkennt sogar kleinste Krebsmetastasen im ganzen Mauskörper

Dem Feind auf der Spur

©Helmholtz Zentrum München

DeepMACT nutzt künstliche Intelligenz, um selbst kleinste Metastasen im gesamten Mauskörper zu erkennen. Im Bild sind einzelne disseminierter Zellen in der Lunge zu sehen.

16.12.2019: Forscher des Helmholtz Zentrum München, der Ludwig-Maximilians-Universität München (LMU) und der Technischen Universität München (TUM) haben einen Algorithmus entwickelt, der automatisiert Metastasen erkennt. Die neue Technologie findet sogar einzelne streuende Krebszellen im gesamten Körper von Mäusen.

Krebs ist weltweit eine der häufigsten Todesursachen. Mehr als 90 Prozent der Krebspatienten sterben nicht an den Folgen des Primärtumors, sondern an denen der Metastasen. Krebsmetastasen entstehen in der Regel aus einzelnen streuenden Krebszellen, die dem Immunsystem des Körpers entkommen konnten. Bisher war es aufgrund der begrenzten Auflösung von Bildgebungsverfahren wie Biolumineszenz und MRT nicht möglich, diese Zellen im gesamten Körper zu detektieren. Die Folge: Spezifische Verbreitungsmechanismen verschiedener Krebsarten waren bisher relativ wenig bekannt, was die Entwicklung neuer Therapieansätze erschwert. Daher war es bis dato auch nur schwer möglich, die Wirksamkeit neuer Wirkstoffkandidaten systematisch zu überprüfen.

Deep Learning übertrifft Menschen bei der Erkennung von Metastasen

Das Team um Dr. Ali Ertürk, Direktor des Instituts für Tissue Engineering und Regenerative Medizin am Helmholtz Zentrum München, hat sich zum Ziel gesetzt, diese Hürde zu überwinden. Zuvor hatte das Team bereits vDISCO entwickelt – eine Methode für das sogenannte Tissue Clearing, das das Gewebe eines ganzen Mauskörpers transparent machen kann, um einzelne Zellen abzubilden. So war es den Forschern nun in dieser Studie mit Hilfe von Laser-Scanning-Mikroskopen möglich, kleinste Metastasen bis hin zu einzelnen Krebszellen im transparenten Gewebe der Mauskörper zu erkennen.

Da eine manuelle Analyse solcher hochauflösender Bilddaten jedoch extrem zeitaufwendig wäre und derzeit verfügbare Algorithmen für diese Art der Datenanalyse eine nur begrenzte Zuverlässigkeit und Verarbeitungsgeschwindigkeit bieten, entwickelte das Team einen neuartigen Deep-Learning-Algorithmus namens DeepMACT. Damit können sie Krebsmetastasen automatisiert erkennen, analysieren und die Verteilung therapeutischer Antikörper in vDISCO-Präparaten abbilden. Der DeepMACT-Algorithmus erfasst die Metastasen mit einer vergleichbaren Genauigkeit wie ein menschlicher Experte – allerdings in mehr als der 300-fachen Geschwindigkeit. „Mit nur wenigen Klicks kann DeepMACT die manuelle Erkennungsarbeit von Monaten in weniger als einer Stunde erledigen. Wir können nun täglich Hochdurchsatz-Analysen von sogar kleinsten Metastasen bis hin zu einzelnen streuenden Tumorzellen durchführen“, sagt Oliver Schoppe, einer der beiden Erstautoren der Studie und Doktorand in der Gruppe von Prof. Dr. Bjoern Menze am TranslaTUM, dem Zentrum für Translationale Krebsforschung der TUM.

Zellen erkennen, Daten sammeln, über Krebs lernen

Mit DeepMACT konnten die Forscher neue Erkenntnisse über die spezifischen metastatischen Profile verschiedener Tumormodelle gewinnen. Die Charakterisierung der Verbreitungsmuster ermöglicht die Entwicklung von Therapien, die speziell auf die unterschiedlich metastasierenden Krebsarten ausgerichtet sind. Neue Erkenntnisse wurden durch DeepMACT beispielsweise im Bereich Brustkrebs gewonnen: So stieg in den Beobachtungen des Teams die Anzahl kleiner Metastasen im Laufe der Zeit im gesamten Mauskörper deutlich an. „Keines dieser Merkmale konnte bisher mit herkömmlichen Biolumineszenz-Bildgebungsverfahren nachgewiesen werden. DeepMACT ist die erste Methode, die eine quantitative Analyse des metastatischen Prozesses im Ganzkörpermaßstab ermöglicht“, ergänzt Dr. Chenchen Pan, Postdoc am Helmholtz Zentrum München und ebenfalls Erstautor der Studie. „Unsere Methode erlaubt es uns auch, das Targeting von Tumorantikörpertherapien genauer zu analysieren.“

Wie wirksam sind aktuelle Krebstherapien?

Mit DeepMACT verfügen die Wissenschaftler nun über ein Werkzeug, mit dem sie die Wirksamkeit klinischer Krebstherapien mit tumorspezifischen monoklonalen Antikörpern beurteilen können. Als repräsentatives Beispiel quantifizierte das Team mit DeepMACT die Wirksamkeit des therapeutischen Antikörpers 6A10, der nachweislich das Tumorwachstum reduziert. Die Ergebnisse zeigten, dass 6A10 bis zu 23 Prozent der Metastasen in den Körpern der betroffenen Mäuse verfehlen kann. Dies macht deutlich, wie wichtig die Analyse der Targeting-Wirksamkeit auf Ebene einzelner Metastasen für die Entwicklung neuartiger Tumorwirkstoffe ist. Das Verfahren kann potenziell auch die Verteilung von kleinmolekularen Medikamenten verfolgen, wenn sie mit Fluoreszenzstoffen gefärbt sind.

Den metastatischen Prozess stoppen

Zusammenfassend zeigen diese Ergebnisse, dass DeepMACT nicht nur eine leistungsstarke Methode zur umfassenden Analyse von Krebsmetastasen bietet, sondern dass es auch ein präzises Werkzeug für die Bewertung therapeutischer Wirkstoffe in vorklinischen Studien ist. „Der Kampf gegen den Krebs ist seit Jahrzehnten im Gange. Es ist noch ein langer Weg, bis wir die Krankheit endlich besiegen können. Um effektivere Krebstherapien zu entwickeln, müssen wir die metastatischen Mechanismen bei verschiedenen Krebsarten verstehen. Ziel ist es, tumorspezifische Medikamente zu entwickeln, die den metastatischen Prozess stoppen können“, erklärt Ertürk.

DeepMACT ist öffentlich verfügbar und kann in jedem Labor eingesetzt werden, das sich auf verschiedene Tumormodelle und Behandlungsmöglichkeiten konzentriert. „Heute liegt die Erfolgsrate klinischer Studien in der Onkologie bei rund 5 Prozent. Wir glauben, dass DeepMACT den Entwicklungsprozess von Medikamenten in der vorklinischen Forschung erheblich verbessern kann. So könnte es helfen, leistungsfähigere Wirkstoffkandidaten für klinische Studien zu finden und hoffentlich dazu beitragen, viele Leben zu retten.“

Originalveröffentlichung:
C. Pan et al.; "Deep learning reveals cancer metastasis and therapeutic antibody targeting in the entire body"; Cell; 2019

Fakten, Hintergründe, Dossiers

  • Metastasen
  • Krebs
  • Deep Learning
  • Datenanalysen

Mehr über Helmholtz Zentrum München

  • News

    Durchbruch in der Mikroskopie: Biomolekülen beim Tanzen zusehen

    Die simultane Beobachtung von dynamischen Veränderungen und Wechselwirkungen von Biomolekülen wie Kohlenhydraten und Lipiden in lebenden Zellen ist eine große Herausforderung in der Biomedizin, birgt aber zugleich ein großes, bisher unerreichtes Forschungspotential. Eine neuartige, markerfr ... mehr

    KI-gesteuerte Klassifizierung einzelner Blutzellen

    Erstmals zeigen Forscher des Helmholtz Zentrums München und des Klinikums der Ludwig-Maximilians-Universität München (LMU), dass Deep-Learning-Algorithmen bei der Klassifizierung von Blutproben von Patienten mit akuter myeloischer Leukämie (AML) eine vergleichbare Leistung erbringen wie Fac ... mehr

    Pluripotenz oder Differenzierung – das ist hier die Frage

    Induzierte, pluripotente Stammzellen können sich in Körperzellen verwandeln oder in ihrer ursprünglichen Form bleiben. Wissenschaftler des Helmholtz Zentrums München berichten jetzt in Molecular Cell, wie sich Zellen „entscheiden“, welcher Pfad eingeschlagen wird. Sie fanden ein Protein und ... mehr

  • q&more Artikel

    Herausforderung

    In nahezu allen Bereichen der Umwelt­analytik, aber auch in der Produktqualitätskontrolle, Life-Sciences, biomedizinischen oder pharmazeutischen Forschung hat sich in der Vergangenheit die Zahl der Analysen ständig erhöht. Analytische Untersuchungen dienen dem Schutz der Gesundheit von Mens ... mehr

  • Autoren

    Prof. Dr. Bernhard Michalke

    Bernhard Michalke ist Leiter der Forschungsgruppe „Element- und Elementspeziesanalytik“ und der „Zentralen Anorganischen Analytik“ am Helmholtz Zentrum München – Deutsches Forschungszentrum für Gesundheit und Umwelt. Prof. Michalke studierte Biologie an der Technischen Universität München u ... mehr

Mehr über LMU

  • News

    Unverwechselbarer molekularer Fingerabdruck

    In Organismen zirkulieren die verschiedensten Arten von Molekülen. Der Stoffwechsel lässt in den Zellen ständig verschiedenste neue Moleküle entstehen, die auch in die Umgebung, etwa in das Blut, abgegeben werden. Eines der großen Ziele der Biomedizin ist es, diesen Molekülmix detailliert z ... mehr

    Fünfmal effektivere Formaldehyd-Herstellung mit Machine Learning

    Umwelt- und ressourcenschonende Verfahren zur industriellen Produktion chemischer Substanzen sind gesucht. LMU-Forscher haben eine neue Methode entwickelt, die dazu einen wichtigen Beitrag leisten kann. Formaldehyd gehört zu den wichtigsten Grundstoffen der chemischen Industrie und dient a ... mehr

    KI-gesteuerte Klassifizierung einzelner Blutzellen

    Erstmals zeigen Forscher des Helmholtz Zentrums München und des Klinikums der Ludwig-Maximilians-Universität München (LMU), dass Deep-Learning-Algorithmen bei der Klassifizierung von Blutproben von Patienten mit akuter myeloischer Leukämie (AML) eine vergleichbare Leistung erbringen wie Fac ... mehr

  • q&more Artikel

    Code erkannt

    Der genetische Code codiert alle Informationen, die in jeder Zelle für die ­korrekte Funktion und Interaktion der Zelle mit der Umgebung notwendig sind. Aufgebaut wird er aus vier unterschiedlichen Molekülen, den so genannten ­kanonischen Watson-Crick-Basen Adenin, Cytosin, Guanin und Thymi ... mehr

  • Autoren

    Prof. Dr. Thomas Carell

    Thomas Carell, Jg. 1966, studierte Chemie und fertigte seine Doktorarbeit am Max-Planck Institut für Medizinische Forschung unter der Anleitung von Prof. Dr. Dr. H. A. Staab an. Nach einem Forschungs-aufenthalt in den USA ging er an die ETH Zürich in das Laboratorium für Organische Chemie u ... mehr

Mehr über TU München

  • News

    Wie Fettzellen entstehen, die Kalorien verbrennen

    1,9 Milliarden Menschen auf der Welt sind übergewichtig. Davon haben 650 Millionen Menschen Adipositas. Das Risiko von Folgeerkrankungen wie Bluthochdruck oder Krebs steigt dadurch. Das Team um Professor Martin Klingenspor an der Technischen Universität München (TUM) erforscht, welchen Einf ... mehr

    Durchbruch in der Mikroskopie: Biomolekülen beim Tanzen zusehen

    Die simultane Beobachtung von dynamischen Veränderungen und Wechselwirkungen von Biomolekülen wie Kohlenhydraten und Lipiden in lebenden Zellen ist eine große Herausforderung in der Biomedizin, birgt aber zugleich ein großes, bisher unerreichtes Forschungspotential. Eine neuartige, markerfr ... mehr

    Inaktiver Rezeptor macht Krebs-Immuntherapien wirkungslos

    Immuntherapien haben als Ziel, das Immunsystem so zu beeinflussen, dass es wieder eigenständig gegen Tumore kämpft. Sogenannte Checkpoint-Inhibitoren sind Wirkstoffe, die bereits klinisch eingesetzt werden. Sie wirken allerdings nur bei gut einem Drittel der Erkrankten. Einen der Gründe, wa ... mehr

  • q&more Artikel

    Ernährung, Darmflora und Lipidstoffwechsel in der Leber

    Die Natur bringt eine enorme Vielfalt an Lipidmolekülen hervor, die über unterschiedliche Stoffwechselwege synthetisiert werden. Die Fettsäuren sind Bausteine verschiedener Lipide, einschließlich Zellmembranlipiden wie die Phospholipide und Triacylglyceride, die auch die Hauptkomponenten de ... mehr

    Translation

    Die Struktur der chemischen und pharmazeutischen Großindustrie hat sich gewandelt. Traditionelle Zentralforschungsabteilungen, in denen grundlagennahe Wissenschaft ­betrieben wurde, sind ökonomischen Renditebetrachtungen zum Opfer gefallen. mehr

    Molekülgenaue ­Detektivarbeit

    Die drei Ausdrücke im Titel ebenso wie „Known Unknowns“ und „Unknown Unknowns“ sind eingedeutschte Schlagwörter, die derzeit die analytische Wasserszene durcheinanderwirbeln. Die Vorgehensweise in der Nutzung eben dieser Technologien ist jedoch häufig noch nicht ­einheitlich. mehr

  • Autoren

    Dr. Josef Ecker

    Josef Ecker, Jahrgang 1978, studierte Biologie an der Universität in Regensburg. Er promovierte 2007 und forschte danach als Postdoc am Uniklinikum in Regensburg am Institut für Klinische Chemie. Nach einer anschließenden mehrjährigen Tätigkeit in der Industrie im Bereich der Geschäftsführu ... mehr

    Prof. Dr. Arne Skerra

    Arne Skerra, Jg. 1961, studierte Chemie an der TU Darmstadt und wurde 1989 zum Dr. rer. nat. am GenZentrum der LMU München promoviert. Nach Stationen am MRC Laboratory of Molecular Biology in Cambridge, Großbritannien und am Max-Planck-Institut für Bio­physik in Frankfurt/M. wurde er 2004 P ... mehr

    Dr. Thomas Letzel

    Thomas Letzel, geb. 1970, studierte Chemie (1992–1998) an der TU München sowie der LMU München und promovierte 2001 mit einem umweltanalytischen Thema an der TU München und absolvierte im Anschluss einen zweijährigen Postdoc-Aufenthalt an der Vrijen Universiteit Amsterdam. 2009 habilitierte ... mehr

q&more – die Networking-Plattform für exzellente Qualität in Labor und Prozess

q&more verfolgt den Anspruch, aktuelle Forschung und innovative Lösungen sichtbar zu machen und den Wissensaustausch zu unterstützen. Im Fokus des breiten Themenspektrums stehen höchste Qualitätsansprüche in einem hochinnovativen Branchenumfeld. Als moderne Wissensplattform bietet q&more den Akteuren im Markt einzigartige Networking-Möglichkeiten. International renommierte Autoren repräsentieren den aktuellen Wissenstand. Die Originalbeiträge werden attraktiv in einem anspruchsvollen Umfeld präsentiert und deutsch und englisch publiziert. Die Inhalte zeigen neue Konzepte und unkonventionelle Lösungsansätze auf.

> mehr zu q&more

q&more wird unterstützt von:

 

Ihr Bowser ist nicht aktuell. Microsoft Internet Explorer 6.0 unterstützt einige Funktionen auf Chemie.DE nicht.