NÖ Forschungsprojekt

„Ra-Dia-M“ auf dem Weg zur schnellen Krebsdiagnose

Vor über zwei Jahren startete das Krebsforschungsprojekt „Ra-Dia-M“ – eine Kooperation des Biotech Campus Tulln der Fachhochschule Wiener Neustadt, des IMC Krems, der Universität Salzburg und des Ludwig Boltzmann Instituts für Osteologie.

TULLN. Seitdem hat das Forschungsteam wichtige Fortschritte erzielt und arbeitet intensiv daran, die Untersuchung von Hautkrebszellen mithilfe der Raman-Spektroskopie (SERS) zu verbessern – einer Methode, bei der Licht zur chemischen Analyse von Zellen genutzt wird.

Krebs beginnt oft unsichtbar – im Inneren einzelner Zellen. Bevor Beschwerden auftreten oder bildgebende Verfahren etwas zeigen, hat sich das Zellinnere häufig schon deutlich verändert. Um frühe Hinweise auf eine Krebserkrankung zu erkennen, arbeiten Forschende am Biotech Campus Tulln an einer neuen Diagnosemethode: Sie untersuchen Zellen mit Licht – genauer gesagt mit oberflächenverstärkter Raman-Spektroskopie (SERS) – und werten die Signale mit künstlicher Intelligenz aus. Im Projekt „Raman Diagnostik für Melanomzellen („Ra-Dia-M“) soll festgestellt werden, ob eine Zelle gesund ist oder krank – und in welchem Stadium sich eine Krebserkrankung wie das Melanom bereits befindet.

„Das Projekt leistet einen wichtigen Beitrag zur Weiterentwicklung innovativer Diagnostikmethoden in der Krebsforschung. Durch die enge Zusammenarbeit mit unseren Partnerinstitutionen können wir die Raman-Spektroskopie gezielt vorantreiben – mit dem Ziel, Krebserkrankungen in Zukunft früher zu erkennen und individueller behandeln zu können“, betont Birgit Herbinger, Standortleiterin des Biotech Campus Tulln.

Chemische Signaturen & smarte Analysewerkzeuge

In den ersten beiden Projektjahren lag der Fokus darauf, ein vollständig automatisiertes System zur Auswertung von Messdaten aus der Untersuchung von Krebszellen mit Licht zu entwickeln. Dabei wurde eine Software geschaffen, die mit Hilfe von Künstlicher Intelligenz die Qualität von Messungen überprüft und Unterschiede zwischen gesunden und kranken Zellen erkennt. Dafür wurde eine sogenannte Raman-Signaturbibliothek aufgebaut – eine Sammlung typischer chemischer Muster, wie sie in verschiedenen Zelltypen vorkommen. So konnten sich chemische Unterschiede zwischen verschiedenen Zellstadien nachweisen lassen, was hilft, Krebszellen gezielter zu unterscheiden.

„Wir haben eine solide Basis für die automatisierte Bewertung von Krebszellproben geschaffen. Ein großer Vorteil liegt auch in der Digitalisierung unserer Daten: Alle entwickelten Analyseprogramme werden als Open-Source-Tools veröffentlicht, damit sie nachvollziehbar und von anderen Forschungsteams angewendet werden können“, erklären Katerina Prohaska und David Lilek, zwei der leitenden Forschenden im Projekt.

Außerdem wurden neue SERS-Substrate entwickelt – spezielle Trägermaterialien, die die Zellmessung erleichtern – und erfolgreich zur Analyse von Hodgkin-Lymphom- und Melanomzellen eingesetzt. Dabei zeigten sich chemische Unterschiede, etwa zwischen nicht-metastasierenden und metastasierenden Krebszellen. Veränderungen im Stoffwechsel und Zustand der Zellen ließen sich in Lichtmessungen – den Raman-Spektren – sichtbar machen. Unterstützt wurde dies durch die Analyse von Eiweißprofilen, Stoffwechselprodukten und behandlungsbedingt-aktivierten Genen. Dabei wurden Merkmale gefunden, die eine frühzeitige Diagnose und genauere Einordnung der Tumorstadien ermöglichen.

Wie geht es weiter?

Im dritten Projektjahr steht nun die Anwendung und Verknüpfung aller bisher entwickelten Ansätze im Mittelpunkt. Ziel ist es, die SERS-Technologie noch präziser für die Erkennung von Krebs-Biomarkern einzusetzen, die diagnostische Aussagekraft weiter zu verbessern und die verschiedenen Tumorstadien klar zu unterscheiden. Parallel dazu wird die Open-Source-Datenanalyseplattform ausgebaut, um sie breiter nutzbar und noch robuster zu machen.

Durch die Anpassung der Methoden auf weitere Zelltypen – insbesondere Melanomzellen – sollen neue bioinformatische Erkenntnisse zur Krebsentstehung gewonnen werden. Einen wichtigen Beitrag dazu leistet auch Daniel Zimmermann, der von der FHWN und dem IMC FH Krems gemeinsam betreute PhD-Student. Bereits im ersten Projektjahr entwickelte er spezielle SERS-Objektträger mit signalverstärkender Oberfläche sowie den automatisierten Datenanalyse-Workflow. Damit rückt die Vision einer schnellen, markierungsfreien und breit einsetzbaren Diagnostik einen großen Schritt näher.

Lies hier weiter: