Forschende der Universität Genf haben anhand von Zellen aus Darmtumoren Kriterien identifiziert, die das Risiko für Metastasen beeinflussen: Sie ermittelten Genexpressionssignaturen, um die Wahrscheinlichkeit zu bewerten, und entwickelten ein künstliches Intelligenz-Tool namens MangroveGS. Dieses wandelt die Daten in Vorhersagen für zahlreiche Krebsarten um und erreicht eine Zuverlässigkeit von fast 80 Prozent. Die Ergebnisse ebnen den Weg für präzisere Behandlungen und die Entdeckung neuer therapeutischer Ziele. Die Studie erschien in der Fachzeitschrift Cell Reports.

Krebs entsteht durch Aktivierung von Programmen, die normalerweise während der Organ- und Gewebeentwicklung unterdrückt werden. Metastasen bleiben die Hauptursache für Krebssterben, besonders bei Darm-, Brust- und Lungenkrebs. Bisherige Methoden zur Vorhersage basieren oft auf Mutationen, die den Primärtumor erklären, aber keine einzelne genetische Veränderung klärt, warum einige Zellen wandern und andere nicht. Die Herausforderung liegt darin, die molekulare Identität einer Zelle zu erfassen, ohne sie zu zerstören, und gleichzeitig ihre Funktion zu beobachten.

Die Forscher isolierten, klonierten und kultivierten Tumorzellen aus zwei primären Darmtumoren. Diese Klone wurden in vitro und in einem Mausmodell auf ihr Migrationspotenzial untersucht. Die Analyse der Expression mehrerer hundert Gene ergab Genexpressionsgradienten, die eng mit dem Potenzial zur Metastasierung korrelieren. Der Bewertung des Risikos liegt nicht das Profil einer einzelnen Zelle zugrunde, sondern die Summe der Wechselwirkungen zwischen verwandten Krebszellen.

Das Tool MangroveGS integriert Dutzende bis Hunderte von Gensignaturen und ist dadurch widerstandsfähig gegen individuelle Variationen. Es erreichte bei Darmkrebs eine Genauigkeit von fast 80 Prozent bei der Vorhersage von Metastasen und Rückfällen, was bestehende Werkzeuge übertrifft. Signaturen aus Darmkrebs lassen sich auch auf andere Krebsarten wie Magen-, Lungen- oder Brustkrebs anwenden.

Für die Analyse reichen Tumorproben aus. Der Clou: Die Zellen werden sequenziert, und der Risikoscore wird über ein verschlüsseltes Portal an Onkologen übermittelt. Dies hilft, Überbehandlungen bei niedrigem Risiko zu vermeiden, Nebenwirkungen zu minimieren und Kosten zu senken. Hochrisikopatienten können intensiver überwacht und behandelt werden. Zudem optimiert das Tool die Auswahl von Teilnehmern für klinische Studien, reduziert die benötigte Anzahl von Freiwilligen und erhöht die statistische Aussagekraft.

Die Methode eröffnet somit neue Perspektiven für die Präzisionsmedizin. Durch die Berücksichtigung des Lebensverlaufs und der Versorgungsrealitäten können Ungleichheiten in der Behandlung gemindert werden. Die Studie unterstreicht, dass Krebs als geordnete, wenn auch umständliche Entwicklung verstanden werden muss. Dies könnte zu neuen Ansätzen führen, um Metastasierung zu blockieren.

Die Forschenden sehen Potenzial für breitere Anwendungen. Das Tool könnte in Routineuntersuchungen integriert werden und die Prognose verbessern. Es adressiert den Mangel an Werkzeugen, die multiple Signaturen nutzen. Die hohe Genauigkeit basiert auf der Robustheit gegenüber Variationen. Die Studie könnte Leitlinien beeinflussen und zu gezielteren Therapien führen. In der Onkologie könnte es die Überlebenschancen steigern, indem Risiken früh erkannt werden.

Die Arbeit kombiniert Zellanalyse, Genexpression und KI. Die Ergebnisse basieren auf Klonen, die das Migrationspotenzial widerspiegeln. Die Methode ist skalierbar und könnte in Krankenhäusern umgesetzt werden. Die Forscher planen weitere Validierungen für andere Krebsarten. Die Studie unterstreicht die Notwendigkeit, Krebs als dynamischen Prozess zu betrachten, um effektive Strategien zu entwickeln.

Original Paper:

„Emergence of high-metastatic potentials and prediction of recurrence and metastasis“
Aravind Srinivasan, Arwen Conod, Yann Tapponnier, Marianna Silvano, Luca Dall’Olio, Céline Delucinge-Vivier, Isabel Borges-Grazina, Ariel Ruiz i Altaba
Cell Reports
10.1016/j.celrep.2025.116834

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.