Helmholtz Munich erhält Förderung zur Optimierung von Stammzell-Inselzelltransplantationen bei Typ-1-Diabetes

Stammzelltherapien gegen Diabetes weiterentwickeln

Stammzellbasierte Inselzelltherapien gelten als vielversprechender Ansatz zur Behandlung von Typ-1-Diabetes (T1D) – mit dem Potenzial, langfristige Lösungen zu bieten, die die Abhängigkeit von Insulininjektionen deutlich reduzieren. Trotz großer Fortschritte in den vergangenen Jahren bestehen weiterhin zentrale Herausforderungen. Eine davon ist der Verlust eines erheblichen Anteils transplantierter Betazellen durch entzündlichen und ischämischen Stress, was die Wirksamkeit der Behandlung einschränkt. Forschende von Helmholtz Munich und der Technischen Universität München (TUM) setzen auf Künstliche Intelligenz (KI) und maschinelles Lernen (ML), um die zugrunde liegenden molekularen Mechanismen dieses Zellverlusts zu identifizieren und gezielte Strategien zu entwickeln, mit denen sich der Erfolg von Transplantationen nachhaltig verbessern lässt.

Mit KI das Überleben von Betazellen sichern

„Indem wir große biologische Datensätze mithilfe von Künstlicher Intelligenz analysieren, können wir zentrale Stressmarker identifizieren, die das Überleben von Betazellen gefährden – und gezielte Ansätze entwickeln, um den Erfolg von Transplantationen zu verbessern“, erklärt Prof. Fabian Theis, Leiter des Computational Health Center bei Helmholtz Munich und Professor für Mathematische Modellierung biologischer Systeme an der Technischen Universität München (TUM). Dazu kombinieren die Forschenden computergestützte Modellierung mit experimenteller Laborforschung. „Ein KI-gestütztes Vorhersagemodell ermöglicht es uns, die Herausforderungen zu simulieren, denen Betazellen nach der Transplantation ausgesetzt sind. So können wir potenzielle Therapieansätze zunächst virtuell testen, bevor wir ihre Wirksamkeit im Labor überprüfen“, so Theis weiter.

Die Forschung erfolgt in mehreren Phasen: Zunächst analysieren KI-Methoden die zellulären Veränderungen in der Frühphase der Transplantation und identifizieren dabei entscheidende Signalwege für das Überleben der Betazellen. In groß angelegten experimentellen Screenings werden anschließend pharmakologische und genetische Strategien untersucht, die die Widerstandsfähigkeit der Zellen stärken könnten. Die vielversprechendsten Ansätze werden in präklinischen Modellen validiert – durch die Transplantation primärer sowie aus Stammzellen gewonnener Inselzellen im Mausmodell. Parallel dazu werden die KI-Modelle fortlaufend mit experimentellen Daten verfeinert, um die Vorhersagekraft weiter zu steigern und optimale Transplantationsstrategien zu entwickeln.

Von KI-Modellen zu konkreten Lösungen

Der KI-gestützte Ansatz zielt darauf ab, den frühen Verlust von Betazellen nach der Transplantation zu minimieren – und damit stammzellbasierte Inselzelltherapien zu einer realistischen Behandlungsoption für Typ-1-Diabetes zu machen. Im Mittelpunkt stehen dabei die bestmögliche Nutzung begrenzter Spenderressourcen, die Erhöhung der Therapiesicherheit sowie die beschleunigte klinische Umsetzung. „Mit diesem Ansatz können wir Interventionen gezielt und präzise anpassen – das steigert sowohl die Effizienz als auch die Sicherheit der Transplantation“, sagt Prof. Heiko Lickert, Direktor des Instituts für Diabetes- und Regenerationsforschung bei Helmholtz Munich und Professor für Betazellbiologie an der Technischen Universität München. „Unser Ziel ist es, eine langfristige Lösung für Typ-1-Diabetes zu schaffen – und damit einem funktionellen Heilungsansatz entscheidend näherzukommen.“

„Breakthrough T1D verfolgt das klare Ziel, Heilungsmöglichkeiten für Typ-1-Diabetes zu finden – mit einem besonderen Fokus auf zellbasierte Therapien“, sagt Nicholas Mamrak, Wissenschaftler bei Breakthrough T1D. „Wir sehen großes Potenzial darin, dass KI-Modelle den Forschungsfortschritt bei Inselzell-Ersatztherapien erheblich beschleunigen können. Diese neuen Technologien ermöglichen schnellere Entdeckungen, indem sie Muster und Signaturen in den Daten identifizieren, die andernfalls unentdeckt bleiben würden.“