Maschinelles Lernen zur Entdeckung von Biomarkern: Ein vielversprechender Weg zur Früherkennung von RDEB Krebs
Neue wissenschaftliche Publikation aus der EB-Haus Arbeitsgruppe Wally
In dieser Studie haben ForscherInnen des EB-Hauses die innovative Methode namens maschinelles Lernen verwendet, um spezifische Anzeichen, sogenannte Biomarker, für Hautkrebs bei Menschen mit rezessiv dystropher Epidermolysis bullosa (RDEB) zu finden. Dieser aggressive Hautkrebs, bekannt als Plattenepithelkarzinom (PLECA), ist die Hauptursache für die vorzeitige Sterblichkeit bei RDEB. Eine frühzeitige Erkennung ist für eine rasche Behandlung entscheidend. Die aktuelle Diagnosemethode erfordert schmerzhafte Hautbiopsien, welche eine hohe Belastung für die PatientInnen darstellt.
Die ForscherInnen untersuchten, ob kurze RNA Moleküle namens miRNA als zuverlässige Biomarker für RDEB PLECA dienen könnten. Diese miRNAs befinden sich nicht nur in Tumorzellen, sondern auch in winzigen Partikeln, den Exosomen, welche von Tumorzellen in die Blutbahn abgegeben werden. Daher könnte ein einfacher Bluttest, eine sogenannte Flüssigbiopsie, einen Hinweis auf eine vorliegende Krebserkrankung liefern.
Maschinelles Lernen hat sich als leistungsfähige Methode zur Identifizierung von miRNA Biomarkern für Tumore erwiesen. Allerdings ist diese Methode bei RDEB durch die geringe Anzahl von PatientInnen bisher nicht einsetzbar. Die ForscherInnen haben dieses Problem gelöst, indem sie eine Krebsdatenbank verwendet haben, um die miRNA Muster von RDEB PLECA mit denen anderer Krebsarten zu vergleichen. Aufgrund der Ähnlichkeit der miRNA Profile von RDEB PLECA, verwendeten sie Daten von Kopf- und Halstumoren.
Mithilfe dieser Informationen entwickelten sie ein Computermodell, das in der Lage ist, anhand einer kleinen Gruppe von miRNAs zwischen Tumoren und gesundem Gewebe zu unterscheiden. Außerdem zeigten die WissenschaftlerInnen, dass dieses Modell vorhersagen kann, ob Exosomen von Tumor- oder normalen Zellen stammen.
Insgesamt bestätigt diese Studie, dass mithilfe von maschinellem Lernen und öffentlich verfügbaren Daten miRNA Muster identifizieren werden können. Diese miRNAs könnten zukünftig der Früherkennung und Überwachung von PLECA bei RDEB PatientInnen dienen. Zwar sind weitere Forschungsarbeiten erforderlich, um die Ergebnisse in der klinischen Praxis zu validieren, doch legt diese Studie den Grundstein für eine neue, weniger invasive Methode zur Diagnose von RDEB PLECA.
