Alzheimer ist eine Krankheit, die immer mehr Menschen rund um den Globus betrifft, bis heute aber als nicht heilbar gilt. Eines der größten Probleme bei der Suche nach Wirkstoffen, die diese Krankheit bekämpfen könnten, ist das immer noch lückenhafte Wissen um die Ursachen. In ihrer Doktorarbeit bei Fraunhofer SCAI entwickelte Dr. Alpha Tom Kodamullil eine Methode, mit der systematisch neue Zusammenhänge in medizinischen Datensätzen gefunden werden können. Sie identifizierte dabei Mechanismen, die wesentlich zur Entwicklung neuer Diagnoseverfahren und Wirkstoffe beitragen.

Fast 120 Jahre ist es her, dass der Arzt Alois Alzheimer folgenden Dialog mit seiner Patientin notierte: »Ich frage sie nach ihrem Namen, sie sagt ›Auguste‹. Ich frage sie nach ihrem Familiennamen und sie antwortet: ›Auguste‹. Und auch, als er sie nach dem Namen ihres Mannes fragt, gibt sie die gleiche Antwort. Auguste Deter heißt die Patientin.« Sie ist vermutlich der erste Mensch, bei dem eine Krankheit diagnostiziert worden war, die später nach ihrem Arzt »Alzheimer« benannt werden würde. Damals waren es vermutlich nur wenige Patienten, die unter Alzheimer, einer Form von Demenz, zu leiden hatten. Heute sind es Millionen. »Allein in Deutschland leben derzeit rund 1,7 Millionen Menschen mit Demenz. Die meisten von ihnen sind von der Alzheimer-Krankheit betroffen«, schreibt die Deutsche Alzheimer Gesellschaft. Sie rechnet für das Jahr 2050 mit einem starken Anstieg auf rund drei Millionen Betroffene. Weltweit leiden laut Welt-Alzheimer-Bericht fast 50 Millionen Menschen unter der nicht heilbaren Krankheit. Hinter dieser Zahl verbergen sich viele persönliche Leidenswege. Zudem entstehen auch erhebliche volkswirtschaftliche Kosten, die sich derzeit auf rund 315 Milliarden US-Dollar weltweit belaufen.

Vom Data-Mining zum Wissensgraphen

Am Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI hat die Bioinformatikerin Alpha Tom Kodamullil in ihrer Doktorarbeit »Multiscale computable model of Alzheimer's disease and identification of novel mechanisms for new therapeutic interventions« eine Methode entwickelt, die die Alzheimer-Forschung voranbringen kann. Ihre Grundidee dabei: Fachliteratur automatisiert auswerten zu lassen, um die komplexen Wechselbeziehungen im menschlichen Körper, die zum Ausbruch der Krankheit führen können, zu erfassen und zu analysieren. Denn so können die unterschiedlichen Informationen zu Alzheimer systematisch verknüpft werden, um ein Ursache-Wirkungs-Modell zu erstellen: Es entsteht ein »Wissensgraph«, also ein umfassendes Bild zur Krankheit, der diesen Ursache-Wirkungs-Zusammenhang modellhaft darstellt. In diesem Graphen werden nun die vielfältigen Wechselwirkungen im Körper, die letztlich zu Alzheimer führen, bis auf molekulare Ebene dargestellt. Diese Veranschaulichung von Informationen etwa zur Wirkung von Genen, Proteinen, Molekülen, Chemikalien, biologischen Prozessen oder Hirnregionen hat zudem den Vorteil, dass sie weiter dynamisch wachsen kann. Auf diese Weise wird die Entwicklung neuer Diagnoseverfahren und Wirkstoffe vereinfacht.

Big Data: Algorithmen und Analyse

Um einen aussagekräftigen Wissensgraphen zu erhalten, musste Kodamullil zunächst alle relevanten Informationen so aufarbeiten, dass die zunächst unstrukturierten Inhalte für den Computer »lesbar« werden. »Ich habe einen Data-Mining-Ansatz gewählt, in den ich die unstrukturierten wissenschaftlichen Erkenntnisse aus Fachliteratur integriert habe«, erklärt sie. In einem zweiten Schritt vollzieht das System die Analyse dann automatisiert. »Je genauer wir die komplexen Prozesse im menschlichen Körper analysieren und je näher wir die biochemischen Prozesse kennen, desto eher finden Forscherinnen und Forscher bislang verborgene Faktoren, die für den Ausbruch der Krankheit verantwortlich sein können«, führt Kodamullil an. Die Erwartung dabei: Auf Grundlage des entstehenden, neuen Wissens, das verschiedene Typen der Erkrankung und Patientengruppen unterscheidbar macht, könnten neue Medikamente entwickelt werden, die gezielt auf einen spezifischen Krankheitstyp eingehen. So wird eine individualisierte Medizin möglich, die darauf abzielt, dass sich die Diagnose an den zugrundeliegenden Krankheitsmechanismen und nicht, wie bisher üblich, ausschließlich an den klinischen Symptomen ausrichtet.

Zum tieferen Verständnis der Krankheit entwarfen und verglichen Kodamullil und ihr Team die Wissensgraphen eines gesunden Gehirns und eines an Alzheimer erkrankten Patienten, um dann Unterschiede und Krankheitsursachen herauszuarbeiten. So fanden sie unter anderem heraus, dass eine Störung des Neurotrophin-Signal-Mechanismus zu den ersten Anzeichen der Krankheit gehört. Neurotrophine sind Signalstoffe, die an der Gedächtnisbildung beteiligt sind. »Im Idealfall lässt sich die Krankheit behandeln, bevor die ersten Symptome auftreten«, so Kodamullil.

Wie erfolgreich die neue Methode ist, zeigen auch weitere Ergebnisse bei Fraunhofer SCAI. So ist es Kodamullil gelungen, 126 potenzielle Krankheitsmechanismen zu identifizieren. »Das ist umso erstaunlicher, da die Pharmaindustrie nur in die Erforschung von vier dieser 126 Mechanismen investiert«, betont sie.

Hugo-Geiger-Preis

Für ihre Leistungen ist Dr. Alpha Tom Kodamullil Ende Februar 2019 mit dem Hugo-Geiger-Preis ausgezeichnet worden. Mittlerweile hat sie in Indien das StartUp »Causality Biomodels« mitgegründet, das auf dem Wissen ihrer Doktorarbeit aufbaut. Kodamullils Veröffentlichungen trugen auch dazu bei, dass Fraunhofer SCAI mit der Koordination des mit 18 Millionen Euro finanzierten Leuchtturmprojekts der Europäischen Kommission »AETIONOMY« beauftragt wurde. Ziel war es auch hier, Modelle für neurodegenerative Krankheiten wie Alzheimer und Parkinson zu entwickeln.

(aku)

Keine Kommentare vorhanden

Das Kommentarfeld darf nicht leer sein
Bitte einen Namen angeben
Bitte valide E-Mail-Adresse angeben
Sicherheits-Check:
Vier + = 10
Bitte Zahl eintragen!
image description
Experte
Alle anzeigen
Dr. Alpha Tom Kodamullil
  • Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI
Weitere Artikel
Alle anzeigen
Bestmögliche Behandlung
Sicheres Sequencing
Ins Bild gesetzt 
Stellenangebote
Alle anzeigen