Omics und Systembiologie in der Nephrologie

Wesentliche Fortschritte in experimentellen Analysetechnologien, gekoppelt mit computergestützten Datenerfassungs- und Auswertesystemen, ebneten den Weg für eine weitreichende Erfassung und Interpretation von patientenspezifischen molekularen Parametern aus Gewebe, Blut und Harn. Neben wichtiger Grundlagenforschung in diesem Bereich ist ein erklärtes Ziel dieser Zugänge die individuelle und daher sehr spezifische Abklärung und Therapie von Patienten. Dies ist im Bereich von Nierenerkrankungen auch dringend notwendig, da im Vergleich zu anderen Gebieten nur wenig Fortschritt bei der Diagnostik und Therapie der meisten Nierenerkrankungen gemacht wurde. Die Behandlung richtet sich meist nach histologischen Diagnosen, die aber ätiologisch heterogen sind und meist nur die gemeinsame Endstrecke einer Schädigung darstellen.

Umfassende Messung von molekularen Effektoren und Regulatoren auf den verschiedenen Ebenen der molekularen Organisation zellulärer Systeme wird mit dem Begriff „Omics“ bezeichnet. Das Wort „Omics“ ist ein Neologismus: In Anlehnung an die erste Verwendung bei genomweiten Analysen (Genomics), wird der Suffix „-omic“ inzwischen bei einer Vielzahl an analytischen Verfahren im biomedizinischen Umfeld verwendet, um die simultane Betrachtung einer Ebene zellulärer Organisation in einer Analyse zu beschreiben. Wichtige Richtungen dieser Analysen sind Transcriptomics zur Bestimmung der Konzentration von Transkripten (mRNAs), Proteomics zur paralellen Bestimmung von Proteinkonzentrationen, sowie Metabolomics zur umfassenden Analyse von Metaboliten. Auf die Vielzahl anderer Gebiete, in denen „-Omics“-Strategien betrieben werden, kann hier nicht eingegangen werden.

Eine naheliegende Konsequenz aus der Erhebung dieser breiten Datenmatrix war das Erfordernis zu integrativen, bioinformatischen Analysen. Weiterführend wurde das Fachgebiet der Systembiologie entwickelt. Dieses Fach entwickelt Konzepte und Methoden, den breiten Datenbestand aus den Omics-Technologien integrativ auszuwerten, um mechanistische Modelle zellulärer Dynamik abzuleiten. Im Fall der Medizin umfassen die Datenbestände molekulare Profile humaner Erkrankungen, molekulare Daten aus Modellsystemen, sowie klinische Epidemiologie. Erst dieser Zugang ermöglicht eine „ganzheitliche“ systemische Sicht auf eine derart komplexe Struktur wie Zellen oder einen gesamten Organismus (Abbildung 1).