PDF Download - Laborwelt

R E P O R T
Abb. 2: Hierarchische Cluster-Analyse. Anordnung der Genexpressionsmuster nach Ähnlichkeiten
mittels Software: Die Patienten werden in Spalten, die Gene in Reihen dargestellt. Rot steht
für „stark exprimiert“, grün für „schwach oder nicht exprimiert“.
gelieferte Software-Lösungen gewährleistet
werden. Es empfiehlt sich daher unbedingt,
Unterstützung durch eine versierte Biostatistik
oder Bioinformatik zu nutzen, um nicht
trotz gelungener Analysen vor der Datenflut
kapitulieren zu müssen (Abb. 2).
Eine Vielzahl unterschiedlicher Fragestellungen
wurde in den vergangenen Jahren
mit Hilfe von Microarrays bearbeitet.
Neben neuen Erkenntnissen zu pathophysiologischen
und ontogenetischen Zusammenhängen
sind insbesondere die Daten
zu malignen Erkrankungen von Interesse.
Nach einer bahnbrechenden Arbeit von
Golub am Beispiel der akuten Leukämien
im Jahre 1999, die eine vielversprechende
Anwendbarkeit der Microarray-Technologie
beschrieb und neue biostatistische
Abb. 3: Zweidimensionaler hierarchischer Cluster dreier unterschiedlicher, genetisch definierter
AML-Subgruppen (AML mit t(8;21); bzw. AML mit t(15;17); bzw. AML mit inv(16); jeder einzelne
Patient entspricht einer Spalte anhand informativer, differentiell exprimierter Gene (in Reihen
angeordnet).
Grundlagen aufzeigte, stehen aktuell zunehmend
Detailanalysen im Vordergrund.
Diese ermöglichen nicht nur eine sogenannte
“class prediction“ – also die Voraussage
einer Tumorart, basierend auf spezifischen
Genexpressionsprofilen ausgewählter informativer
Gene 2-7 –, sondern auch eine “class
discovery“ – das Entdecken neuer Sub-Entitäten
in bisher nicht weiter unterscheidbaren
Tumorproben verschiedener Patienten 5 .
Dabei werden im Einzelfall bereits in ersten
Arbeiten unterschiedliche Prognosegruppen
identifiziert. Dies wird mittelfristig über den
reinen Diagnostikaspekt hinaus auch therapeutische
Konsequenzen haben.
Bisherige Ergebnisse
Wir konnten zeigen, daß die zytogenetisch
definierten AML-Subtypen AML mit t(8;21),
t(15;17) und inv(16) spezifische Expressionsprofile
zeigen. Durch die definierten
Veränderungen des Karyotyps werden
Genexpressionsmuster hervorgerufen, die
mit Microarrays erfaßt werden können. Die
Expression eines Minimalsets von nur 13
Genen war letztlich ausreichend, um den
Karyotyp der jeweiligen AML-Probe vorherzusagen
(Abb. 3, 4) 8,9 .
Wie robust aber schon jetzt die Genexpressionssignaturen
sind, zeigen vergleichende
Analysen von Proben, bei denen wir publizierte
Gene von kindlichen Leukämien verwendet
haben 6,7 , um gleiche Leukämie-Entitäten
bei Erwachsenen zu klassifizieren. Dies
gelang mit einer Genauigkeit von 100% 10 .
Ebenso ließ sich eine gute Korrelation der
Proteinexpression, gemessen durch die
Multiparameter-Immunphänotypisierung
mit den dazu gehörigen Genexpressionshöhen
gleicher kodierender Gene, auf dem
Microarray nachweisen 11 .
Ebenso untersuchten wir den Einfluß der
Zeit von der Entnahme der Leukämieprobe
bis zur Aufarbeitung des Materials im Labor
und fanden eine extrem hohe Stabilität des
Musters von Genen, durch die die Leukämie
charakterisiert wird 12 .
In einer Analyse mit insgesamt 937 Patientenproben
von 12 verschiedenen, klinisch
relevanten Leukämie-Subgruppen gelang
es uns – auch im Vergleich mit gesundem
Knochenmark – eine Voraussagegenauigkeit
des Leukämie-Subtyps von 95,1% zu
erreichen 13 .
MILE-Studie
In einer großen prospektiven Studie (Microarray
Innovations in LEukemia, MILE-
Studie) unter unserer wissenschaftlichen
Leitung und unter Federführung von Roche
Diagnostics wird derzeit prospektiv an 4.000
Proben der Wert von Microarrays für eine
zukünftige Routinediagnostik bei Leukämien
untersucht. Die MILE-Studie wird Anfang
8 | 6. Jahrgang | Nr. 6/2005 LABORWELT