Helicopredict

Die Infektion mit Helicobacter-pylori (H. pylori) ist die weltweit am häufigsten vorkommende bakterielle Infektion. Die chronische Infektion führt zu einer chronisch aktiven Gastritis und bei einer Untergruppe von Patienten zu weiteren Komplikationen wie Geschwüren oder Magenkarzinomen. Tatsächlich sind ungefähr 90% aller Magenkrebserkrankungen mit H. pylori assoziiert. Das Versagen von Standard-Eradikationstherapien nimmt aufgrund der zunehmenden Entwicklung resistenter Bakterienstämme drastisch zu. Da für eine erfolgreiche Eradikation zwei Antibiotika benötigt werden, führt die Anwendung von nur einem Antibiotikum für andere Indikationen wie Atemwegserkrankungen dazu, dass der (meist noch) unentdeckte H. pylori-Stamm bei diesen Patienten resistent wird. Man schätzt, dass heute bereits 10-20% der H. pylori-Stämme multiresistent sind. Kulturbasierte Resistenztests, die derzeit nur nach erfolgloser Zweittherapie empfohlen werden, sind jedoch ein langwieriger Prozess. Das In-vitro-Wachstum von H. pylori dauert 5 bis 7 Tage nach der Isolierung aus Magengewebe, und weitere Resistenztests nehmen zwischen 3 und 5 Tagen in Anspruch. In Anbetracht dessen wäre eine schnelle Methode zur Bestimmung, ob ein isolierter Stamm anfällig für Antibiotikaresistenzen ist, eine enorme Hilfe bei der Auswahl der geeigneten Therapie.

Um dieser Herausforderung zu begegnen, plant die Forschungsgruppe die Entwicklung eines Algorithmus für die Vorhersage von Antibiotikaresistenzen, primär basierend auf H. pylori-Sequenzdaten, die schnell erhoben werden können. Der Algorithmus wird Ärzten zur Verfügung gestellt werden, um sie bei der Auswahl der optimalen Therapie zu unterstützen. Unser Ansatz wird damit einen Beitrag dazu leisten, die therapeutische Wirksamkeit zu optimieren und der weiteren Resistenzentwicklung entgegenzuwirken.

Ziel des Forschungskonsortiums ist die Entwicklung einer Datenbank für genotypische Resistenztests zur Vorhersage des Antibiotika-Ansprechens von H. pylori. Basierend auf Daten von mehr als 2000 Patienten werden wir eine Datenbank aufbauen, die genotypische und phänotypische Daten der Bakterien, Entzündungsparameter des Wirts, sowie Mikrobiom-Signaturen enthalten wird. Wir werden datenbankbasierte genetische Resistenztests im Sinne eines „Genotyp-zu-Phänotyp-Konzepts“ verfügbar machen. Zu diesem Zweck werden wir einen Algorithmus zur Vorhersage der Antibiotikaresistenz entwickeln, der Ärzten öffentlich zugänglich gemacht wird, um diese bei der Auswahl der optimalen Therapie zu unterstützen. Der Algorithmus basiert auf der Sequenzierung des gesamten Genoms von H. pylori, enthält jedoch auch andere Parameter, die möglicherweise die Resistenz im Magen beeinflussen, wie lokale Entzündungen und das Darmmikrobiom, und verwendet maschinelles Lernen, um die Genauigkeit kontinuierlich zu verbessern.

Die Helicobacter-pylori-Infektion ist eine der weltweit am häufigsten vorkommenden bakteriellen Infektionen, kann in einer chronisch aktiven Gastritis münden und zur Entwicklung anderer Komplikationen wie Geschwüren oder Magenkarzinomen führen. Tatsächlich sind ungefähr 90% aller Magenkrebserkrankungen mit H. pylori assoziiert. Die Eradikation basiert auf einer 10-14-tägigen Therapie mit zwei Antibiotika zusammen mit Säureblockern. Das Versagen solcher Therapien nimmt jedoch aufgrund der zunehmenden Entwicklung resistenter Bakterienstämme drastisch zu. Andererseits ist ein herkömmlicher Resistenztest auf Kulturbasis ein langwieriger Prozess, da das In-Vitro-Wachstum von H. pylori nach der Isolierung 5 bis 7 Tage dauert und Resistenztests weitere 3 bis 5 Tagen in Anspruch nehmen. Solche Tests werden daher erst nach erfolgloser Zweitlinientherapie empfohlen. Helicopredict wird eine viel schnellere Methode entwickeln, um festzustellen, ob ein isolierter Stamm anfällig für Antibiotikaresistenzen ist, und dadurch dazu beitragen, die therapeutische Wirksamkeit bereits während der Erstbehandlung zu optimieren und damit der Entwicklung weiterer Resistenzen vorbeugen.