Genexpressions-Signaturen beschreiben die Aktivit?tsmuster von Genen. Im Falle einer Krebserkrankung k?nnen sie genutzt werden, um Vorhersagen darüber zu treffen, wie sich Tumore entwickeln. Sie sind somit für die Klassifizierung verschiedener Krebsarten, die Bestimmung der Prognose und die Festlegung der Behandlungsstrategien von entscheidender Bedeutung.
Prognosen anhand gro?er Datenmengen überprüft
Die aktuelle Studie von Dimitrij Tschodu, Doktorand am Peter-Debye-Institut für Physik der weichen Materie der Universit?t Leipzig, entstand in enger Zusammenarbeit mit Prof. Dr. Axel Niendorf von der Pathologie Hamburg-West und ist vor Kurzem in der renommierten Fachzeitschrift ?Scientific Reports“ erschienen. Tschodu und seine Kolleg:innen analysierten etwa 10.000 Signaturen basierend auf renommierten Brustkrebs-Datenbanken unter Verwendung verschiedener Modelle des maschinellen Lernens, um ihre prognostische Kapazit?t gründlich zu bewerten.
Die Studienergebnisse zeigen, dass die untersuchten Genexpressions-Signaturen in nicht mehr als 80 Prozent der F?lle zu einer korrekten Patientenprognose führen. Die Forschenden weisen au?erdem darauf hin, dass in Prognosen, die ausschlie?lich auf Genexpressions-Signaturen basieren, weniger als 50 Prozent der potenziell verfügbaren Informationen berücksichtigt sind. Sie empfehlen daher, zus?tzlich zu Genexpressionstests weitere Parameter heranzuziehen. ?Obwohl unsere Ergebnisse die Bedeutung von Genexpressions-Signaturen für die Vorhersage der Patientenprognose best?tigen, betonen sie auch die dringende Notwendigkeit eines ganzheitlichen Ansatzes, der molekulare, klinische, histologische und andere erg?nzende Faktoren berücksichtigt, um eine genaue Prognose sicherzustellen“, erkl?rt Tschodu.
Ganzheitlicher Ansatz notwendig
?Die Ergebnisse dieser Studie sind entscheidend für das Verst?ndnis der Grenzen von Genexpressions-Signaturen bei der Krebsprognose,“ erg?nzt Prof. Dr. Josef K?s, Leiter der Abteilung für Physik der weichen Materie an der Universit?t Leipzig. ?Obwohl Genexpressions-Signaturen zweifellos wertvoll sind, verdeutlichen unsere Ergebnisse die Notwendigkeit eines ganzheitlichen Ansatzes, um pr?zise Prognosen zu erstellen und fundierte Behandlungsentscheidungen zu treffen."
Die Ver?ffentlichung ist dem Forschungsbereich ?Physics of Cancer“ zuzuordnen, der Krebs aus einer physikalischen Perspektive betrachtet und auch die Mechanik von Zellen und Geweben untersucht. K?s sagt dazu: ?Diese neue Studie unterstreicht die Bedeutung der ?Physics of Cancer‘ im medizinischen Bereich und die Notwendigkeit einer interdisziplin?ren Zusammenarbeit, um innovative L?sungen für die Herausforderungen in der Krebsbehandlung zu finden.“ Erst vor Kurzem hatte eine Forschungsgruppe um Prof. K?s und Prof. Niendorf neue Erkenntnisse aus diesem Bereich ver?ffentlicht, die eine pr?zisere Diagnostik der Streuung und Bildung von Metastasen bei Brusttumoren bef?rdern k?nnen.
Originaltitel der Ver?ffentlichung in Scientific Reports:
“Re-evaluation of publicly available gene-expression databases using machine-learning yields a maximum prognostic power in breast cancer”, doi: 10.1038/s41598-023-41090-9