Der Darm beherbergt eine enorme Vielfalt an Bakterien, Viren und Pilzen – ähnlich viele, wie der menschliche Körper Zellen hat. Dieses komplexe Ökosystem mit seinen Stoffwechselprodukten und Signalmolekülen hat einen tiefgreifenden Einfluss auf das Gehirn. So gibt es Hinweise darauf, dass Menschen mit chronisch-entzündlichen Darmerkrankungen (CED) häufiger an der Parkinson-Krankheit (PK) erkranken.
„In unserem Projekt wollen wir molekulare Muster identifizieren, die bei beiden Erkrankungen auftreten“, sagt Gupta. „Auf diese Weise hoffen wir unter anderem, Personen mit einem erhöhten PK-Risiko frühzeitiger identifizieren zu können.“
Molekulare Wechselwirkungen
Die genauen molekularen Wechselwirkungen zwischen CED und PK sind noch ungeklärt. Um diese Wissenslücke zu schließen, wird Guptas Team unter Nutzung von künstlicher Intelligenz (KI) mehrere biologische Ebenen gleichzeitig untersuchen, von der mikrobiellen Zusammensetzung im Verdauungstrakt der Betroffenen bis hin zu Genen, Proteinen und Stoffwechselprodukten, die bei beiden Krankheiten besonders häufig vorkommen.
Durch die gemeinsame Analyse dieser Ebenen möchte das Team Entzündungssignaturen aufdecken, die sowohl den Darm als auch das Gehirn betreffen. Dadurch erhofft es sich einen Einblick in die Entstehung von CED und PK und den Grund, warum sie gehäuft gemeinsam auftreten.
Einsatz neuer Deep-Learning-Techniken
„Um diese Fingerabdrücke zu identifizieren, werden wir neuartige Deep-Learning-Techniken wie beispielsweise graphische neuronale Netze einsetzen“, erklärt Gupta. „Mit ihnen können wir analysieren, wie verschiedene biologische Moleküle miteinander interagieren.“ Dies ermöglicht es der KI, Patientinnen und Patienten nicht nur nach ihren Symptomen, sondern nach den spezifischen molekularen Mustern ihrer Erkrankung zu gruppieren.
„Wir hoffen zudem, mit Hilfe der gefundenen Signaturen Jahre vor dem Auftreten der ersten Symptome vorhersagen zu können, bei welchen Personen mit CED ein erhöhtes Risiko für die Entwicklung einer PK vorliegen könnte“, erläutert die Wissenschaftlerin. Erkenntnisse aus dem Projekt könnten so dazu beitragen, den Ausbruch der PK proaktiv zu verzögern oder zu verhindern.
Das Training der Verfahren erfolgt mit Daten von CED- und PK-Erkrankten. Diese stammen sowohl aus Erlangen (Prof. Dr. Markus Neurath, Medizinische Klinik 1, sowie Prof. Dr. Jürgen Winkler, Molekular-Neurologische Abteilung) als auch aus internationalen Kohorten. Eine große Herausforderung besteht darin, diese verschiedenen Quellen zu harmonisieren, um vergleichbare und robust interpretierbare Analysen zu ermöglichen.
Ein Entwurf für die Medizin der Zukunft
Die Auswirkungen von AI-PREDICT gehen über CED und PK hinaus. Durch die Modellierung der Wechselwirkungen zwischen verschiedenen Organsystemen kann das Projekt eine Blaupause für die Untersuchung weiterer Komorbiditäten liefern. Darunter versteht die Medizin Fälle, in denen Patientinnen und Patienten gleichzeitig an mehreren Krankheiten leiden, deren Entstehung zusammenhängt.
Um das Projekt zum Erfolg zu führen, baut Gupta auf ein interdisziplinäres Netzwerk aus klinischen Fachleuten und Computerspezialistinnen und -spezialisten. Es wird an der Stammzellbiologischen Abteilung (Leitung: Prof. Dr. Beate Winner) angesiedelt.
