Kategorien
Biotechnologie Entwicklungsbiologie Genetik Tumorbiologie Wissenschaft

Der kleine Unterschied zeigt sich schon bei Embryonen

Ein Berliner Forschungsteam hat auf dem X-Chromosom Gene gefunden, die Unterschiede zwischen der männlichen und weiblichen Embryonalentwicklung erklären. Anders als der männliche legt der weibliche Embryo bei Mäusen in der frühen Entwicklung eine Pause ein. Warum sich weibliche Säugetiere etwas langsamer entwickeln, ist noch unklar.

Auf der Suche nach den Faktoren, die für die verzögerte Entwicklung von weiblichen Zellen verantwortlich sind, wurden zwei Gene, mit den Namen Dusp9 und Klhl13 identifiziert. Sie kodieren für Proteine, die den MAPK-Signalweg steuern. Über diesen zellulären Kommunikationskanal entscheidet die Zelle, ob sie weiterwächst und sich spezialisiert – oder in ihrem Stammzellzustand verharrt. Dass die Gene auf dem X-Chromosom liegen, macht sie besonders interessant. Die Zellen von männlichen Säugetieren besitzen in der Regel jeweils ein X- und ein Y-Chromosom, weibliche dagegen zwei X-Chromosomen – sie benötigen allerdings nur eines. Einige Zeit nach der Befruchtung schalten die Zellen eines weiblichen Embryos daher das überzählige X-Chromosom ab.

„Wir haben nicht nur zentrale Regulatoren für die frühe Sexualdifferenzierung in embryonalen Stammzellen gefunden“, so die Forscher: „Wir konnten auch zeigen, wie ein zusätzliches Chromosom den Zellzustand global beeinflussen kann.“
Daraus lassen sich auch Schlüsse für Krankheiten bei Menschen ziehen. Männer und Frauen sind für bestimmte Krebsarten unterschiedlich anfällig und dies muss nicht immer am Einfluss der Hormone liegen. Bei Krebs sind häufig Teile des MAPK-Signalwegs mutiert und funktionieren nicht mehr korrekt. Möglicherweise spielen geschlechtsspezifische Effekte hier eine Rolle, wenn das inaktive X-Chromosom in den Krebszellen wieder eingeschaltet wird.

Referenz:
Max-Planck-Institut Berlin
Identification of X-chromosomal genes that drive sex differences in embryonic stem cells through a hierarchical CRISPR screening approach, Genome Biol. 2021; https://genomebiology.biomedcentral.com/articles/10.1186/s13059-021-02321-2

#krebs #onkologie #krebsforschung #geschlechtsunterschied #embryo #xchromosom  #medizin #medimpressions

Fotocredit: Canva

Kategorien
Diagnostik Epigenetik Genetik Molekulare Medizin Onkologie Wissenschaft

Deep Learning identifiziert 165 neue Krebsgene

Wenn Krebszellen außer Kontrolle geraten, sind in aller Regel DNA-Veränderungen in Krebsgenen daran schuld. Doch einige Krebsarten entstehen bereits bei nur sehr wenigen mutierten Genen. In diesen Fällen führen andere, wenig verstandene Ursachen zur Erkrankung.

Ein Forschungsteam vom Max-Planck-Institut für molekulare Genetik in Berlin und das Institut für Computational Biology des Helmholtz Zentrums München hat nun einen neuen Algorithmus entwickelt, der mit Hilfe von maschinellem Lernen 165 zuvor unbekannte Krebsgene identifizierte. Von diesen Genen sind längst nicht alle mutiert – die neu entdeckten Gene stehen jedoch alle in engem Austausch mit bereits bekannten Krebsgenen. Überdies sind sie überlebenswichtig für Tumorzellen, wie sich im Zellkulturexperiment herausstellte.

Das auf den Namen „EMOGI“ getaufte Programm kann auch erklären, welche zellulären Zusammenhänge jedes der identifizierten Gene zu einem Krebsgen machen. Dazu kombiniert das Programm zehntausende Datensätze aus Patientenproben. Diese enthalten neben Sequenzdaten mit Mutationen auch Informationen über DNA-Methylierungen, die Aktivität einzelner Gene und Interaktionen von Proteinen, die an zellulären Signalwegen beteiligt sind. Ein Deep-Learning-Algorithmus erkennt in diesen Daten die Muster und molekularen Gesetzmäßigkeiten, die zu Krebs führen. So wurden z. B. Gene identifiziert, deren Sequenz bei Krebs meist unverändert bleibt, die jedoch trotzdem für den Tumor unverzichtbar sind, weil sie beispielsweise die Energiezufuhr regulieren.
In der Klinik helfen diese Daten für Erkrankte die jeweils beste Therapie zu finden – also die wirksamste Behandlung mit den wenigsten Nebenwirkungen. Zudem lässt sich anhand der molekularen Eigenschaften eine Krebserkrankung schon frühzeitig erkennen.

Referenz:
MPIMG Berlin, Helmholtz Zentrum München
Integration of Multi-Omics Data with Graph Convolutional Networks to Identify New Cancer Genes and their Associated Molecular Mechanisms, Nature Mach Intell 2021;

https://www.nature.com/articles/s42256-021-00325-y

#krebs #krebsgene #deeplearning #tumor #methylierung #mutation #multiomics #medizin #medimpressions

Fotocredit: Canva