Methylome besser lesen

Zhihan Zhu et al.: metilene3: identifying DMRs across multiple conditions with auto-classification. Nature Communications 17, 04.07.2026, 5848.

Es ist das meistgenutzte Werkzeug der epigenetischen Forschung: Die Messung der sogenannten DNA-Methylierung. Dabei analysiert man mit Hilfe spezieller labortechnischer Verfahren Gewebeproben und erfasst, an welchen Stellen des Erbgutmoleküls DNA der in der Probe enthaltenen Zellen Methylgruppen (CH3) angelagert sind und wo nicht.

Das Resultat wird Methylom genannt – und weil das Methylom mitbestimmt, welche Gene eine Zelle ablesen kann und welche nicht, liefert seine Analyse wichtige Informationen. Welche Aufgaben eine Zelle erfüllt, ob sie zu einem gesunden oder kranken Gewebe gehört, wie alt und gestresst sie ist: All das und noch viel mehr können Fachleute mitunter aus dem Methylom der Zellen herauslesen.

Doch dafür sollte bekannt sein, woher die Probe stammt, wie sie genommen wurde, wie das Zellgemisch der Probe zusammengesetzt ist oder – falls es sich um die hochmoderne Analyse einer einzelnen Zelle handelt – was die Zelle zum Zeitpunkt der Probenname gerade gearbeitet hat.

Nur dann lässt sich das Methylom der einen Analyse zuverlässig mit Resultaten anderer Zellen vergleichen. Weil das nicht immer gelingt, ist die Aussagekraft vieler Resultate begrenzt. Da ist es eine gute Nachricht, dass ein Team von Forschenden um Steve Hoffmann vom Leibniz-Institut für Alternsforschung in Jena und Helene Kretzmer vom Max-Planck-Institut für Molekulare Genetik in Berlin, jetzt eine Lösung des Problems gefunden hat.

Metilene3 heißt ihre neue Software, die mit Hilfe bestimmter Algorithmen aus dem DNA-Methylierungsmuster einer Probe binnen kurzer Zeit auch dann wichtige Informationen herausliest, wenn über den Ursprung der Probe kaum etwas bekannt ist. Damit lassen sich manchmal sogar Proben unterschiedlicher Herkunft miteinander vergleichen.

In ersten Tests bewährte sich das Computerprogramm bei der Analyse von Zellen der Bauchspeicheldrüse. Zuverlässig erkannte es Zellen eines bösartigen Tumors. Die Methode könnte bei der Entwicklung zukünftiger Früherkennungstests helfen und die Forschung bei ihrer Suche nach neuen Behandlungsansätzen gegen Krebs und andere Krankheiten unterstützen.