📺 Wie Fabian Coscia Krebszellen besser verstehen will
Für die meisten Krebserkrankungen gibt es Therapien, die bei vielen Patient*innen gut anschlagen. Bei manchen aber eben nicht. Vor allem dann nicht, wenn der jeweilige Krebs zurückgekommen ist und die Tumoren resistent sind gegen die üblichen Chemotherapeutika. Helfen kann hier der genaue Blick in die Krebszellen. Aber nicht (nur) auf die Gene, sondern auch auf deren Produkte, die Proteine, meint Dr. Fabian Coscia. „Denn Proteine sind die eigentlichen Funktionsträger in den Zellen. Sie entscheiden darüber, ob eine Zelle erkrankt oder nicht.“
Um zielgerichtete Medikamente zu finden, schaut die Onkologie bisher fast ausschließlich auf das Genprofil eines Tumors, sagt Coscia. „Aber die Information über Mutationen in bestimmten Onkogenen verrät uns ja noch nichts darüber, was hinter der Mutation steht. Nämlich ob und in welchem Umfang die Krebszelle das entsprechende mutierte Protein tatsächlich bildet und welchen Einfluss das auf die Signalwege in der Zelle hat.“ In der Kombination von Genomik und Proteomik liegt deshalb nach Ansicht des Forschers der Schlüssel für die Behandlung bislang therapieresistenter Tumoren.
„Genau die Schnittstelle, die ich gesucht habe.“
Translationale Proteomforschung lebe von Technologieentwicklung und medizinischen Kooperationen, meint Fabian Coscia. „Ein technologiefokussiertes Institut wie das MDC, an dem man immer Zugang zu den neuesten Methoden hat, umgeben von einem fantastischen medizinischen Umfeld, ist genau die Schnittstelle, die ich gesucht habe.“ Coscia wird nun seine erste eigene Arbeitsgruppe aufbauen und freut sich sehr auf die Zusammenarbeit mit seinen Kolleg*innen am MDC.
Fabian Coscia studierte Molekulare Biotechnologie an der Technischen Universität München und interessierte sich schon früh für translationale Forschung. „Neben der Grundlagenforschung an Zellkulturen habe ich bald auch an Biopsien von Patienten gearbeitet“, sagt der 34-Jährige. Am Max-Planck-Institut für Biochemie in Martinsried promovierte er über das Proteom von Eierstockkarzinomen und wurde dafür 2019 mit dem Walter-Schulz Krebsforschungspreis ausgezeichnet. Anschließend wechselte Coscia als Postdoktorand an die Universität Kopenhagen in die Gruppe von Matthias Mann. In den vergangenen vier Jahren entwickelte er dort gemeinsam mit seinem Kollegen Andreas Mund eine Methode, mit der sich die Proteinmuster von Krebszellen hochaufgelöst analysieren lassen: Deep Visual Proteomics. „Deep steht für Deep Learning, also Künstliche Intelligenz (KI), visual für Mikroskopie“, erklärt Fabian Coscia.
Gut trainierte KI sieht mehr als der Mensch
Wir nutzen KI, um unter dem Mikroskop morphologisch interessante Zellen und Gewebebereiche zu identifizieren und automatisiert heraus zu schneiden.
KI „sieht“ oft mehr als die geschultesten Augen der Forscher*innen. Denn gut trainierte künstliche Intelligenz ist dem menschlichen Gehirn, was den Vergleich von zig Millionen Bilddaten angeht, weit überlegen. „Wir nutzen KI, um unter dem Mikroskop morphologisch interessante Zellen und Gewebebereiche zu identifizieren und automatisiert heraus zu schneiden“, erklärt Coscia. Weniger als 100 Zellen sind darin, anschließend werden die Proteine in den winzigen Probenmengen analysiert. „Noch können wir nicht das Proteom von Einzelzellen in Gewebeproben messen. Aber da soll unsere Reise hingehen.“
In dem BMBF-geförderten Projekt MSTARS („Multimodale klinische Massenspektrometrie für die Untersuchung von Therapieresistenz“) will Fabian Coscia mit seinem Team am MDC nun „Deep Visual Proteomics“ auf Proben solider Tumore anwenden und weiterentwickeln. MSTARS ist ein Forschungs-Konsortium, an dem neben dem MDC auch die Charité – Universitätsmedizin Berlin, das Max-Planck-Institut für Molekulare Genetik sowie die Humboldt-Universität zu Berlin beteiligt sind.
Den Krankheitsverlauf am Proteinprofil verfolgen
Der Charme der neuen Methode besteht unter anderem darin, dass sich Proteinmuster von Biopsieproben retrospektiv analysieren lassen, denn – einmal in Paraffin eingebettet – blieben die Proteine darin sehr lange stabil. „So können wir quasi die Zeit zurückdrehen, nach zehn oder 20 Jahren die Proben der Patientinnen und Patienten wieder aus dem Archiv holen, sie analysieren und so den gesamten Krankheitsverlauf am Proteinprofil verfolgen und nach Korrelationen mit klinischen Verlaufsdaten suchen“, sagt er. Und das ist selbst dann möglich, wenn nur wenige Krebszellen in einer Probe vorhanden sind.
Text: Catarina Pietschmann
Weiterführende Informationen
