Ärzte, die akute myeloische Leukämie behandeln, haben nach wie vor keine zuverlässige Möglichkeit, vor Beginn der Behandlung zu wissen, ob der Krebs eines Patienten auf eine Chemotherapie ansprechen wird. Eine neue Studie des King's College London weist auf eine unerwartete Quelle von Hinweisen hin: Fragmente uralter Viren, die vor Millionen von Jahren zu dauerhaften Bewohnern des menschlichen Genoms wurden. Laut der in Blood Neoplasia veröffentlichten Forschung machten Informationen über diese viralen Überreste maschinelle Lernmodelle merklich besser darin vorherzusagen, wer auf eine Behandlung ansprechen würde.
Eine Blutkrebserkrankung, die sich einfachen Antworten widersetzt
Akute myeloische Leukämie, oder AML, beginnt im Knochenmark, wo der Körper Blutzellen produziert. Sie ist eine aggressive Krebserkrankung, und die Chemotherapie bleibt ein zentraler Bestandteil der Standardversorgung. Dennoch ist das klinische Bild frustrierend ungewiss. Selbst nach mehreren Tests können Ärzte nicht mit Sicherheit sagen, welche Patienten eine Remission erreichen werden und welche nicht.
Ein erheblicher Anteil der Patienten entwickelt eine sogenannte refraktäre AML. Diese Personen durchlaufen eine Chemotherapie, erreichen jedoch nie eine vollständige Remission, was bedeutet, dass die Erkrankung trotz Behandlung fortbesteht. Diese Patienten im Voraus zu identifizieren, würde es Behandlungsteams ermöglichen, früher andere Strategien in Betracht zu ziehen, Menschen die Nebenwirkungen einer wahrscheinlich unwirksamen Therapie zu ersparen und sie schneller auf Alternativen hinzuweisen. Genau diese Lücke zwischen dem, was Ärzte messen können, und dem, was sie vorhersagen können, wollte das Team des King's College London schließen.
Modelle entwickeln, die aus vielen Arten von Daten lernen
Die Forscher wandten sich dem maschinellen Lernen zu und konstruierten drei mehrschichtige Modelle, die jeweils mit zunehmend umfangreicheren Informationssätzen trainiert wurden. Anstatt sich auf eine einzelne Messung oder ein einzelnes Testergebnis zu verlassen, ermöglichte der Ansatz dem Team zu prüfen, ob das Hinzufügen neuer Datenkategorien die Vorhersageleistung verbesserte.
Die Studie stützte sich auf Aufzeichnungen von 271 Patienten mit AML, die eine Standardchemotherapie erhielten. Die Daten umfassten mehrere Bereiche:
- Klinische Informationen, die im Rahmen der Routineversorgung gesammelt wurden
- Biologische und molekulare Messwerte, die die Erkrankung der Patienten beschreiben
- Daten, die die Aktivität endogener Retroviren, oder ERVs, beschreiben – der im Genom eingebetteten, vererbten viralen Sequenzen
Indem diese Quellen miteinander kombiniert wurden, konnte das Team beobachten, was jede Ergänzung beitrug. Die Version, die das ERV-Verhalten einbezog, übertraf die früheren Iterationen, was darauf hindeutet, dass die Aktivität dieser uralten Sequenzen Informationen über das Behandlungsergebnis trägt, die konventionelle Daten allein nicht erfassen.
Was sind endogene Retroviren?
Fossilien längst vergangener Infektionen
ERVs sind die genetischen Überreste von Viren, die unsere evolutionären Vorfahren vor Millionen von Jahren infiziert haben. Im Laufe der Zeit wurden diese viralen Sequenzen in die Keimbahn kopiert und über Generationen weitergegeben, wodurch sie zu einem dauerhaften Teil der menschlichen DNA wurden. Sie befinden sich in den nichtkodierenden Regionen des Genoms – Abschnitten, die nicht direkt den Aufbau von Proteinen anweisen. Ein Teil dieses Territoriums ist nach wie vor kaum verstanden und wird manchmal informell als „dunkles Genom“ bezeichnet.
Diese Sequenzen sind nicht bloß inertes Überbleibsel. ERVs können eine Reihe biologischer Prozesse beeinflussen, darunter, welche Gene eingeschaltet werden und wie die Immunsignalübertragung abläuft. Ihre Anwesenheit im Genom bedeutet, dass sie das Potenzial behalten, das Verhalten einer Zelle zu beeinflussen, selbst wenn sie kein funktionsfähiges Virus mehr produzieren.

Virale Mimikry und die Wurzeln der Resistenz
Die Ergebnisse des Teams deuten auf einen Mechanismus hin, den Forscher „virale Mimikry“ nennen. In diesem Szenario verhält sich eine Zelle, als wäre eine Virusinfektion im Gange, selbst wenn keine existiert. Die fehlgeleitete Reaktion kann Immun- und Entzündungssignale auslösen, und die Forscher vermuten, dass diese Aktivität dazu beitragen könnte, den behandlungsresistenten Zustand aufrechtzuerhalten, der bei einigen AML-Zellen zu beobachten ist.
Mit anderen Worten: Gerade die Sequenzen, die einst uralte Infektionen markierten, könnten zu einem gegenwärtigen Problem beitragen: Leukämiezellen, die eine Chemotherapie überleben. Der vom Team beobachtete Zusammenhang zwischen ERV-bezogenem Verhalten und schlechtem Behandlungsergebnis passt zu dieser Idee, obwohl die Studie eine Beziehung und keine Ursache belegt.
Was sich verbesserte – und was das bedeutet
Zwei Ergebnisse stechen aus der Modellierungsarbeit hervor. Erstens wurde das Verhalten uralter viraler Sequenzen im Genom mit einem schlechten Ansprechen auf die Chemotherapie in Verbindung gebracht. Zweitens verbesserte sich die Fähigkeit des Modells, diejenigen zu identifizieren, die auf die Behandlung ansprechen würden, als diese ERV-Informationen mit den anderen klinischen und biologischen Daten kombiniert wurden.
Das endgültige Modell erzeugte zudem weniger falsch positive Ergebnisse als die Alternativen. Ein falsch positives Ergebnis bedeutet in diesem Zusammenhang, dass das Modell vorhersagte, ein Patient würde eine refraktäre AML haben, obwohl diese Person tatsächlich auf die Behandlung hätte ansprechen können. Die Verringerung solcher Fehler ist wichtig, denn eine Vorhersage, die die Chemotherapie fälschlicherweise abschreibt, könnte einen Patienten von einer Behandlung abbringen, die geholfen hätte.
Offene Fragen
Die Forscher sind sich der Grenzen ihrer Ergebnisse bewusst. Eine zentrale ungeklärte Frage ist, ob die ERV-Aktivität die Chemotherapieresistenz direkt verursacht oder ob sie lediglich als Marker eines tieferen Prozesses mit ihr einhergeht. Um das zu beantworten, sind weitere Untersuchungen erforderlich. Wenn die Beziehung kausal ist, könnten die viralen Überreste irgendwann zu einem Ziel für neue Interventionen werden. Wenn es sich um einen Marker handelt, könnten die Sequenzen dennoch als nützliches prädiktives Signal dienen.
Die Studie umfasste zudem eine definierte Gruppe von 271 Patienten, die eine Standardchemotherapie erhielten, und maschinelle Lernmodelle sind nur so robust wie die Daten, mit denen sie trainiert und validiert werden. Eine breitere Validierung in größeren und vielfältigeren Patientengruppen wäre erforderlich, bevor irgendetwas davon in die routinemäßige klinische Anwendung gelangt.
Warum der Befund wichtig ist
AML ist eine Erkrankung, bei der Timing und Behandlungsauswahl echte Konsequenzen haben. Ein Instrument, das Klinikern hilft, eine refraktäre Erkrankung vorherzusehen – selbst wenn nur unvollkommen –, könnte irgendwann die Art und Weise verändern, wie die Versorgung geplant wird, indem Patienten früher auf Alternativen umgeleitet und andere vor einer unnötigen Exposition gegenüber Therapien bewahrt werden, die wahrscheinlich keine Remission bringen.
Vielleicht ist der bemerkenswerteste Aspekt der Arbeit, wo das Signal gefunden wurde. Das virale Erbe des Genoms, lange als evolutionärer Ballast abgetan, der in nichtkodierenden DNA-Abschnitten steckt, scheint Informationen darüber zu enthalten, wie ein Blutkrebs auf eine Behandlung reagiert. Das deutet das „dunkle Genom“ eher als ein lesbares Archiv um – eines, das maschinelles Lernen endlich zu interpretieren vermag.
Dieser Artikel basiert auf einer Berichterstattung von Medical Xpress. Lesen Sie den Originalartikel.
Originally published on medicalxpress.com







