Proteogenomische Landschaft des Multiplen Myeloms14. November 2024 Foto: © luchschenF/stock.adobe.com Mit dem Proteom des Multiplen Myeloms hat sich ein Forscherteam um Dr. Evelyn Ramberger von der Charité – Universitätsmedizin Berlin jetzt befasst. Die Autoren präsentieren eine umfassende Multiomics-Analyse inkl. tiefer auf Tandem-Atommassenmarkierung basierender quantitativer globaler (Phospho-)Proteomik, RNA-Sequenzierung und Nanoporen-DNA-Sequenzierung von 138 primären malignen Erkrankungen der Plasmazellen von Patienten. Darunter sind behandlungsnaive MM, Plasmazell-Leukämie und die prämaligne monoklonale Gammopathie unklarer Signifikanz, sowie gesunde Kontrollpersonen. Eingeflossen sind Daten von Patienten der Deutschen Studiengruppe Multiples Myelom (DSMM), die am Universitätsklinikum Würzburg koordiniert wird. Die Forschenden konnten somit auch klinische Daten von einheitlich behandelten Patienten über einen Zeitraum von 8 Jahren und länger nach der Erstdiagnose einbeziehen. Dabei stellten die Wissenschaftler fest, dass das (Phospho-)Proteom maligner Plasmazellen im Vergleich zu gesunden stark dereguliert ist und sowohl durch chromosomale Veränderungen als auch durch posttranskriptionelle Regulation definiert ist. Darüber hinaus identifizierten sie eine prognostische Proteinsignatur, die unabhängig von etablierten Risikofaktoren beim MM mit einer aggressiven Erkrankung assoziiert ist. Die Integration mit funktioneller Genetik und Einzelzell-RNA-Sequenzierung enthüllte allgemeine und je nach genetischem Subtyp spezifische deregulierte Proteine und Signalwege bei malignen Plasmazellkrankheiten, die potenzielle Ziele für (Immun-)Therapien beinhalten. „Unsere Studie veranschaulicht das Potenzial der Proteogenomik bei Krebs und bietet eine leicht zugängliche Ressource zur Untersuchung der Proteinregulierung und neuer therapeutischer Ansätze beim MM“, bilanziert das Team. „Um den komplexen Datensatz handhabbar zu machen, haben wir ein interaktives und frei verfügbares Online-Tool programmiert“, erläutert Ramberger. Damit haben Krebsforschende einen einfachen Zugang zu den Ergebnissen und können die Informationen für die Entwicklung neuer Therapien und Tests zur Therapiesteuerung nutzen. So könnten Patienten mit einer besonders aggressiven Form des MM möglicherweise gleich zu Beginn intensiver behandelt werden. (sf)
Mehr erfahren zu: "Neue Diagnostik soll personalisierte Phagentherapie bei Mukoviszidose verbessern" Neue Diagnostik soll personalisierte Phagentherapie bei Mukoviszidose verbessern Wie können passende Phagen gegen Lungeninfektionen mit Pseudomonaden schneller gefunden werden? Ein neues Forschungsprojekt untersucht, wie flüchtige Stoffe (VOCs), die von Bakterien an die Umgebung abgegeben werden, genutzt werden können, […]
Mehr erfahren zu: "Präeklampsie-Risiko: Machine Learning verbessert Vorhersage im ersten Trimester" Präeklampsie-Risiko: Machine Learning verbessert Vorhersage im ersten Trimester Die Kombination aus klinischen Risikofaktoren und routinemäßig bestimmten Laborparametern kann mithilfe von Machine Learning die frühe Vorhersage einer Präeklampsie verbessern.
Mehr erfahren zu: "Neue Plattform liefert Echtzeitdaten zur Erforschung und Behandlung von Zystennieren" Neue Plattform liefert Echtzeitdaten zur Erforschung und Behandlung von Zystennieren Die digitale Plattform MEDA-PKD vereint erstmals am Beispiel der Zystenniere bislang unstrukturierte medizinische Daten in ein kontinuierlich wachsendes und nahezu in Echtzeit auswertbares Wissenssystem – mit Potenzial für Forschung, klinische […]