(26) Zellmodelle besser an die Situation im Menschen anpassen
«Die Situation für die Forschenden ist derzeit schwierig», erklärt Jean-Philippe Theurillat, «denn die Wahl des Zellmodells ist aufgrund mangelnder Daten mehr eine Glaubensfrage als eine informierte Entscheidung.»
Projektbeschrieb
In den vergangenen Jahrzehnten wurden grosse Fortschritte erzielt bei der Erarbeitung von sogenannten Zellmodellen. Oft sind das menschliche Zellen, zum Beispiel Krebszellen von Patienten, die entnommen werden, um im Labor damit die Krankheit zu erforschen und neue Wirkstoffe zu testen. Es besteht die Hoffnung, dass diese Zellmodelle den Tierversuch irgendwann ersetzen können.
Aber wie gut beschreibt ein bestimmtes Zellmodell die Krankheitssituation im Menschen wirklich? Je schlechter das Modell, umso grösser die Gefahr, dass hoffnungsvolle Resultate aus den Tierversuchen in klinischen Studien am Menschen scheitern. «Die Situation für die Forschenden ist derzeit schwierig», erklärt Jean-Philippe Theurillat, Professor an der Università della Svizzera italiana, «denn die Wahl des Zellmodells ist aufgrund mangelnder Daten mehr eine Glaubensfrage als eine informierte Entscheidung.»
Sein Forschungsprojekt wird hier ansetzen. Das Team wird am Beispiel Prostatakrebs untersuchen, welche genetischen Unterschiede es gibt zwischen den bestehenden Zellmodellen und der Situation im Patienten. Unter welchen Bedingungen werden in welchem Modell welche Gene an- und ausgeschaltet? Mit Hilfe von künstlicher Intelligenz wird das Team dann nach Mustern suchen und diese analysieren. Zuguterletzt wird das Team mit diesen Daten versuchen, die Zellmodelle besser an die Situation im Menschen anzupassen.
Interessant an diesem Ansatz ist, falls er erfolgreich ist, dass dieser grundsätzlich breit anwendbar ist, also auch auf andere Zellmodelle übertragbar ist.
Interessiert am Fortschritt dieses Projektes?
Hier gibt es Informationen zu wissenschaftlichen Publikationen (Papers), Veranstaltungen, Kollaborationen etc. seit Beginn des Forschungsprojektes.
Originaltitel
Transcriptome-Guided Reverse Engineering of Human Prostate Cancer