Proteinkartierung für alle
Satelliten bilden Landschaften heute mit einer Detailgenauigkeit ab, die vor 20 Jahren noch unerreichbar war: Sie erfassen einzelne Bäume, Risse in Gebäuden und sogar die Einzelheiten von Verkehrszeichen. In der Proteomforschung hilft ein Verfahren namens Deep Visual Proteomics (DVP) Wissenschaftler*innen, auf zellulärer und molekularer Ebene Ähnliches zu leisten: Mit der Methode können sie die Menge von Proteinen in einzelnen Zellen bestimmen und zugleich erfassen, wo sich diese Zellen im Gewebe befinden.
Das Team von Dr. Fabian Coscia, Leiter der Arbeitsgruppe „Spatial Proteomics“ am Max Delbrück Center, hat jetzt das erste Open-Source-Tool für einen ganzheitlichen Workflow entwickelt: „openDVP“ soll die Anwendung der – noch einmal optimierten – Technologie vereinfachen und einer größeren Gruppe von Nutzenden zugänglich machen. Ihre neue Pipeline stellen die Forschenden in der Fachzeitschrift „Nature Methods“ vor.
Coscias Arbeitsgruppe hat DVP mitentwickelt, erstmals veröffentlicht wurde die Methode im Jahr 2022. Aufgrund der konzeptionellen Neuartigkeit und der bereits bewiesenen translationalen Bedeutung habe „Nature Methods“ das Verfahren „Spatial Proteomics“, zu dem DVP gehöre, als „Methode des Jahres 2024“ ausgezeichnet, erklärt Coscia, der Letztautor der aktuellen Publikation.
„Wir freuen uns sehr, dass sich die Methode in den letzten Jahren stark weiterentwickelt hat – was den gemeinsamen Anstrengungen mehrerer internationaler Forschungsgruppen zu verdanken ist“, sagt Coscia. „Uns wurde jedoch auch klar, dass für weitere Fortschritte und für die breite Nutzung und Akzeptanz in der Fachwelt Open-Source-Tools erforderlich sind. Wir haben openDVP entwickelt, um diese entscheidende Lücke zu schließen.“
DVP kombiniert hochauflösende Bildgebung, künstliche Intelligenz und Massenspektrometrie, um Karten von Tausenden von Proteinen im Inneren von Zellen innerhalb eines Gewebes zu erstellen. Die Möglichkeit, Proteine so detailliert zu katalogisieren und visualisieren, hilft Forschenden, ihr Verständnis für die Entstehung von Krankheiten zu vertiefen und, darauf aufbauend, bessere Therapien zu entwickeln. Die Methode ist nicht auf bestimmte Erkrankungen beschränkt, sondern lässt sich bei biologischen Proben jeglicher Art anwenden.
Mehr Reichweite für das Verfahren
Mit openDVP hat das Team um Coscia den Bildanalyseprozess optimiert und einen beschleunigten Arbeitsablauf entwickelt. Er ermöglicht es Forschenden, einzelne besonders interessante Zellen oder Gewebeabschnitte schnell zu markieren und zu vermessen. Besondere Fachkenntnisse in der computergestützten Bildanalyse sind dafür nicht erforderlich.
Darüber hinaus hat die Gruppe eine neue Strategie zur Gewebeentnahme eingeführt, die sie als „zelluläre nachbarschaftsgeführte DVP“ (kurz cnDVP, für „cellular neighborhood-guided DVP“) bezeichnet. Diese steuert die Gewebeentnahme auf der Grundlage wiederkehrender funktionaler Zellgruppen. Dabei handelt es sich um Zusammenschlüsse von verschiedenen spezialisierten Zellen, die gemeinsam eine bestimmte Aufgabe im Körper erfüllen. „cnDVP beschleunigt die Probenentnahme um das etwa 100-Fache“, sagt Jose Nimo, Erstautor der Publikation. „Unser gesamter openDVP-Workflow senkt die Einstiegshürden für eine wachsende DVP-Community erheblich.“
Um die Möglichkeiten der Technologie zu demonstrieren, analysierten und charakterisierten die Forschenden die räumlich aufgelösten Proteome von Zellen in drei verschiedenen Gewebeproben: aus einer Plazenta, einem Lungenadenokarzinom und einem Tumor der Brust. „Wir haben diese Proben ausgewählt, um die Vielseitigkeit unserer Methode zu zeigen. Mit ihnen können wir verdeutlichen, wie das Verfahren einzigartige Einblicke in die Funktion von Proteinen in verschiedenen zellulären Umgebungen liefern kann, die bisher weitgehend unerforscht waren“, sagt Coscia.
Die Analyse des Plazentagewebes zeigte Details der zellulären Kommunikation, die man mit anderen Technologien nur schwer hätte entschlüsseln können. In der Lungenkrebsprobe fand openDVP mehrere Wirkstoffziele, für die es bereits zugelassene Therapien gibt. Außerdem identifizierte das Verfahren den Glukosetransporter GLUT1, der metastasierten Tumorzellen bei der Glukoseaufnahme hilft. „Patienten mit Tumoren, die hohe Mengen dieses Proteins aufweisen, zeigen deutlich schlechtere Überlebensraten – was seine klinische Relevanz verdeutlicht“, erläutert Nimo. Bei Brustkrebs deckte die Technologie erhöhte und möglicherweise medikamentös behandelbare Entzündungssignalwege auf, die mit Resistenzen gegen die Chemotherapie in Verbindung stehen.
Viele klinische Anwendungen
Künftig könnte die openDVP-Methode klinische Studien unterstützen, indem sie Forschenden zum Beispiel hilft, die Wirkmechanismen von Medikamenten besser zu verstehen – oder auch die biologischen Prozesse, die dazu führen, dass Krebserkrankungen nicht mehr auf eine Behandlung ansprechen, sagt Nimo. Darüber hinaus könnte sie dazu beitragen, molekulare Muster zu identifizieren, die mit dem Ansprechen oder Nichtansprechen auf Medikamente in Verbindung stehen. Das wiederum würde wertvolle Erkenntnisse liefern, um bessere Therapien und Diagnostika zu entwickeln.
Um die Technik klinisch noch besser nutzbar zu machen, plant das Team bereits, histologische „Foundation Models“ zu integrieren – große neuronale Netzwerke der künstlichen Intelligenz, die anhand histopathologischer Daten trainiert wurden. „Auf diese Weise werden wir in der Lage sein, groß angelegte räumliche Proteomik-Studien zu vielen verschiedenen Krankheiten durchzuführen“, sagt Nimo. „openDVP ist ein fantastischer technologischer Wegbereiter für diese wichtigen nächsten Schritte“, fügt Coscia hinzu. „Wir können nun Fragen nachgehen, die vor wenigen Jahren noch völlig undenkbar waren.“
Weitere Informationen
- Proteinlandkarten von Tumoren
- Porträt von Fabian Coscia
- Die erste Publikation zu DVP in „Nature Biotechnology“ (Englisch)
- Methode des Jahres 2024: Spatial Proteomics (Englisch)
Literatur
Jose Nimo, Sonja Fritzsche, Daniela Valdes, et al. (2026): „OpenDVP: An experimental and computational framework for community-empowered Deep Visual Proteomics“. Nature Methods, DOI: 10.1038/s41592-026 – 03262‑z
Bild zum Download
Multiplex-Immunfluoreszenz-Bildgebung (mIF) einer Gewebeprobe aus dem Kopf- und Halsbereich: Links ist die ursprüngliche mikroskopische Aufnahme zu sehen, die nach rechts hin in eine Zellsegmentierung übergeht. Diese steuert die Probenahme für die räumliche Analyse der Proteine.
© Sonja Fritzsche, AG Coscia, Max Delbrück Center
Kontakte
Dr. Fabian Coscia
Leiter der AG „Spatial Proteomics“
Max Delbrück Center
fabian.coscia@mdc-berlin.de
Gunjan Sinha
Redakteurin, Kommunikation
Max Delbrück Center
+49 30 9406 – 2118
Gunjan.Sinha@mdc-berlin.de oder presse@mdc-berlin.de
- Max Delbrück Center
-
Das Max Delbrück Center für Molekulare Medizin in der Helmholtz-Gemeinschaft legt mit seinen Entdeckungen den Grundstein für die Medizin von morgen. An unseren Standorten in Berlin-Buch, Berlin-Mitte, Heidelberg und Mannheim erforschen interdisziplinäre Teams die Komplexität von Krankheiten auf Systemebene – von Molekülen und Zellen bis hin zu Organen und dem gesamten Organismus. Gemeinsam mit Partnern aus Wissenschaft, Klinik und Industrie sowie in internationalen Netzwerken entwickeln wir innovative Ansätze für die Früherkennung, personalisierte Therapien und Prävention von Krankheiten. Das 1992 gegründete Max Delbrück Center bietet rund 1.800 Mitarbeitenden aus mehr als 70 Ländern ein vielfältiges, dynamisches und inspirierendes Arbeitsumfeld. Wir werden zu 90 Prozent durch den Bund und zu 10 Prozent durch das Land Berlin finanziert.
