Bildquelle: HHU / Nicolas Stumpe
News • Probenzuordnung bei Endometriose
Anticlustering für bessere Verteilung medizinischer Daten
Daten in Gruppen aufzuteilen, ohne dass sich dabei ungewollte Cluster mit ähnlichen Elementen bilden, ist etwa für die Auswertung medizinischer Daten von großer Bedeutung.
Zu diesem „Anticlustering“-Problem entwickelten Psychologen und Informatiker der Heinrich-Heine-Universität Düsseldorf (HHU) 2020 ein neues Verfahren. Zusammen mit Forschenden der University of California in San Francisco (UCSF) entwickelten sie nun eine Erweiterung, die für die Analyse von Hochdurchsatz-Sequenzierungsdaten und mehr wichtig ist. Die Forschenden beschreiben ihr neues Werkzeug im Zusammenhang mit einer Anwendung bei der chronischen Erkrankung Endometriose in der wissenschaftlichen Fachzeitschrift Cell Reports Methods.
Endometriose ist eine komplexe, oft schmerzhafte Erkrankung, von der Millionen von Frauen weltweit betroffen sind. Bei ihr bildet sich Gewebe, das demjenigen der Gebärmutterschleimhaut ähnelt, außerhalb der Gebärmutter, etwa in den Eierstöcken oder auch im Darm. Das Gewebe kann sich während des Menstrationszyklus verändern.
Dieser Artikel könnte Sie auch interessieren
Artikel • Gynäkologie und Geburtshilfe
Endometriose: Neues zu Forschung und Therapien
Die Endometriose rückt immer mehr in den Fokus der Medizin und Forschung. Eine gute Nachricht für rund 190 Millionen betroffene Frauen weltweit, davon allein zwei Millionen in Deutschland. Auf dem Kongress der Deutschen Gesellschaft für Gynäkologie und Geburtshilfe (DGGG) in Berlin stellten Experten die neuesten Erkenntnisse und Therapien rund um die chronisch verlaufende Krankheit vor.
Um die zellulären und molekularen Faktoren zu untersuchen, die bei der Entstehung und dem Schweregrad der Endometriose eine Rolle spielen, führen multidisziplinäre Experten der UCSF und der Stanford University im Rahmen des ENACT-Zentrums Analysen von Daten hunderter Frauen durch. Ein Team unter der Leitung von UCSF-Professorin Dr. Tomiko T. Oskotsky leitet die Bemühungen um eine solide Versuchsplanung für Untersuchungen mit Hochdurchsatztechnologien, darunter die Einzelkern-RNA-Sequenzierung.
Dieser Ansatz trägt dazu bei, neue Erkenntnisse über Endometriose zu gewinnen, und zeigt, wie durchdachte Berechnungsmethoden die biomedizinische Forschung erheblich verbessern können
Tomiko T. Oskotsky
Aus technischen Gründen müssen die Proben dabei in Chargen verarbeitet werden. Sind diese nicht sorgfältig ausbalanciert – etwa in Bezug auf das Krankheitsstadium oder das Alter der Patientinnen –, können sogenannte Chargeneffekte die Ergebnisse verfälschen. Im Endeffekt wäre es dann schwierig zu beurteilen, ob beobachtete Unterschiede eine biologische Ursache haben oder nur Artefakte des technischen Prozesses sind.
Hier kommt die Anticlustering-Methode ins Spiel, die Dr. Martin Papenberg vom Institut für Experimentelle Psychologie und Prof. Dr. Gunnar Klau, Lehrstuhlinhaber für Algorithmische Bioinformatik, beide von der HHU, 2020 in der Zeitschrift Psychological Methods vorstellten. Sie stellten sie als frei verfügbares Modul „anticlust“ zur Verfügung. „Die Fragestellung aus den USA verlangt, zusätzlich zum bisherigen Leistungsumfang von anticlust, dass verwandte Proben – etwa mehrere Gewebeproben derselben Patientin – in derselben Charge gruppiert werden, um aussagekräftige Vergleiche bei einzelnen Patientinnen zu ermöglichen“, erläutert Dr. Papenberg die neue Herausforderung, die er durch Entwicklung der so benannten „Must-Link-Methode“ lösen konnte.
Prof. Klau: „Wir konnten unseren Ansatz erfolgreich erweitern, so dass wir, bei gleichbleibend guter Verteilung der Proben auf verschiedene Chargen, notwendigerweise zusammengehörende Proben in ein Sample sortieren können. So wird ein methodisches Bias vermieden und die Kollegen aus der Medizin können Schlüsse aus den Daten ziehen, die sich auf die Einflüsse der Gene auf die Endometriose beziehen.“
Prof. Oskotsky: „Indem wir mit anticlust die Chargeneffekte durch ein besseres Versuchsdesign minimieren, sind wir zuversichtlich, dass die Beobachtungen in unseren molekularen Daten wirklich die zugrundeliegende Biologie widerspiegeln. Dieser Ansatz trägt dazu bei, neue Erkenntnisse über Endometriose zu gewinnen, und zeigt, wie durchdachte Berechnungsmethoden die biomedizinische Forschung erheblich verbessern können.“
Die Forschungsarbeiten wurden durch das Eunice Kennedy Shriver National Institute of Child Health & Human Development der National Institutes of Health der USA unter der Fördernummer P01HD106414 unterstützt.
Quelle: Heinrich-Heine-Universität Düsseldorf; Autor: Arne Claussen
19.08.2025
