News • Entwicklung neuer Behandlungen

Immuntherapie gegen Krebs: KI selektiert geeignete Antigene

Moderne Krebsimmuntherapien nutzen das menschliche Immunsystem, um Krebs zu bekämpfen. Dafür müssen Immunzellen, insbesondere T-Zellen darauf trainiert sein, Krebszellen zu erkennen und gezielt anzugreifen.

Schematische Darstellung der Wirkungsweise des erforschten Algorithmus
Die KI der Forscher bestimmt den Grad der Krebsassoziation priorisierter Gene und damit ihre Bedeutung für das Überleben von Krebszellen

Bildquelle: Lischer C et al., Journal for ImmunoTherapy of Cancer 2024 (CC BY-NC 4.0)

Wie dies gelingen kann, erforscht das Team des Physikers Prof. Dr. Julio Vera-González an der Professur für die Systembiologie des Tumors der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) und der Hautklinik (Direktorin: Prof. Dr. Carola Berking) des Uniklinikums Erlangen gemeinsam mit anderen Forschenden aus Erlangen, Amsterdam und Rostock. Die Ergebnisse veröffentlichten die Forschenden im „Journal for ImmunoTherapy of Cancer“

Damit Immunzellen Krebszellen erkennen können, müssen auf den Krebszellen geeignete Moleküle, sogenannte Tumorantigene, vorhanden sein. Nur so können die Immunzellen Freund von Feind unterscheiden, um kein gesundes Körpergewebe anzugreifen. 

Hier kommt nun das interdisziplinäre Team der Forschenden ins Spiel. Forschende der Hautklinik, der Augenklinik und der Medizinischen Klinik 5 - Hämatologie und Internistische Onkologie des Uniklinikums Erlangen sowie Forschende aus Amsterdam haben sich mit Bioinformatikern aus Erlangen und Rostock zusammengetan, um einen Rechenalgorithmus zu entwickeln, der große Mengen genetischer und molekularer Krebsdaten analysiert. Der von den Forschenden entwickelte Algorithmus wirkt wie ein intelligenter Filter, der die Antigene auswählt, die am wahrscheinlichsten wirksam sind und voraussichtlich am wenigsten Kollateralschäden verursachen. Erprobt haben sie den Algorithmus an einer seltenen Art von Augenkrebs, dem Aderhautmelanom, für das es aktuell keine wirksame Therapie gibt. Der Algorithmus wählte dabei Antigene aus, die dann zur Stimulierung von T-Zellen verwendet wurden, die von Aderhautmelanom-Patienten gespendet worden waren. „Die Ergebnisse waren vielversprechend“, sagt Prof. Vera-González, „denn die ‚trainierten‘ T-Zellen zeigten im Labor die Fähigkeit, Aderhautmelanomzellen zu erkennen und zu zerstören, ohne gesunde Zellen zu schädigen.“

Das deutet darauf hin, dass algorithmische, computergestützte Ansätze den Weg für wirksame Krebsimmuntherapien bereiten können. „Es ergibt sich so die Möglichkeit, geeignete Antigene bei Krebspatienten zu identifizieren und die Patienten so individuell zu behandeln. Dies reduziert möglicherweise die Nebenwirkungen und verbessert die Therapieerfolge“, sagt Prof. Vera-González. 

Die Forschungsarbeit von Prof. Vera-González ist Teil von zwei multidisziplinären Projekten, an denen Wissenschaftler der FAU und des Uniklinikums Erlangen beteiligt sind. Das MelAutim-Konsortium versucht, die Interaktionsmechanismen zwischen dem Immunsystem und Melanomtumoren aufzuklären. Es wird von Prof. Dr. Vera-González koordiniert und vom BMBF gefördert. Das EU Horizon2020-Projekt CANCERNA forscht an RNA-basierten Immuntherapien gegen Krebs und ist eine Zusammenarbeit zwischen der FAU, dem Uniklinikum Erlangen und Laboren in Israel, Belgien, Spanien und Portugal. 


Quelle: Universitätsklinikum Erlangen

11.07.2024

Verwandte Artikel

Photo

News • Optimierte Arbeitsabläufe

Die Rolle autonomer KI in der Krebsforschung von morgen

Eine neue Veröffentlichung prognostiziert, wie autonome KI-Agenten die Arbeitsabläufe in der Krebsforschung verändern werden - und den Forschern dabei mehr Zeit für das Wesentliche geben.

Photo

News • Forschung zum Cholangiokarzinom

Immuntherapie gegen Gallengangskrebs wirksamer machen

Mit Hilfe moderner Sequenzierungsverfahren wollen Forscher Gallengangskrebs (CCA) besser verstehen. Die neuen Erkenntnisse sollen helfen, die Wirkung von Immuntherapien zu verbessern.

Photo

News • Tumorerkennung in PET- und CT-Scans

Neue Ideen für die KI-gestütze Analyse medizinischer Bilder

Deep Learning kann helfen, durch PET- und CT-Scans die Lage und Größe von Tumoren feststellen. Bei einem Wettbewerb zur medizinischen Bildanalyse stellten Forscher vielversprechende Ansätze vor.

Verwandte Produkte

Newsletter abonnieren