Studien-CheckDesiree KaminskiAusgabe 2026
Humanbiomstudien
Allgemein

In-vitro-Modelle in Humanbiom-Studien: Was sie leisten und wo ihre Grenzen liegen

In-vitro-Modelle in Humanbiom-Studien: Was SHIME, Batch-Fermentation, Organoide und Gut-on-Chip tatsächlich leisten. Stärken und methodische Grenzen.

Von Desiree Kaminski · · Lesezeit: 5 Minuten

Ein mikrofluidischer Biochip neben einem Glasbecher auf einem Labortisch.
In-vitro-Modelle bilden komplexe Darmprozesse nur in definierten Grenzen nach. Illustration: KI-generiert

Man begegnet ihnen in fast jeder methodisch seriösen Publikation zum Darmmikrobiom: In-vitro-Modelle, die das Geschehen im Darm simulieren, ohne dass dabei ein Mensch involviert sein muss. Klingt praktisch. Ist es teilweise auch. Aber wer In-vitro-Modelle für Humanbiom-Studien kritisch einordnen will, muss verstehen, was hinter diesen Systemen steckt, welche Fragen sie tatsächlich beantworten können, und welche nicht.

Warum überhaupt in vitro?

Die naheliegende Antwort: weil Tierversuche ethisch problematisch sind, Humanstudien teuer und logistisch aufwendig, und weil man in einem kontrollierten System deutlich mehr Variablen isolieren kann als im lebenden Organismus. Das ist keine Abkürzung, das ist wissenschaftliche Pragmatik.

Hinzu kommt: Der menschliche Darm ist anaerob, dicht besiedelt, hochindividuell und von zahlreichen physiologischen Parametern abhängig. Man kann nicht einfach eine Stuhlprobe entnehmen, in eine Petrischale geben und so tun, als bilde das die Realität ab. In-vitro-Modelle in Humanbiom-Studien sind der Versuch, diese Komplexität in handhabbare Systeme zu übersetzen. Wie gut dieser Versuch gelingt, hängt stark vom gewählten Modelltyp ab.

Die Modelllandschaft: Von simpel bis komplex

Grob lassen sich In-vitro-Modelle in Humanbiom-Studien in zwei Klassen einteilen: statische und dynamische Systeme.

Statische Batch-Fermentation ist der einfachste Ansatz: Fäkalinokulat plus Substrat, anaerobe Bedingungen, 24 bis 48 Stunden. Man misst, was die Mikroben aus dem Substrat machen, und zieht Schlüsse über Fermentationsprodukte wie kurzkettige Fettsäuren. Der Charme liegt in der Hochdurchsatztauglichkeit: viele Bedingungen gleichzeitig, schnell, kostengünstig. Das Problem: Nährstoffverarmung und die Akkumulation von Stoffwechselabfällen verändern die mikrobielle Zusammensetzung bereits nach wenigen Stunden. Was man am Ende misst, ist eine durch das Modellsystem selbst verformte Gemeinschaft.

Dynamische Modelle versuchen, genau das zu kompensieren. Das bekannteste ist das SHIME (Simulator of the Human Intestinal Microbial Ecosystem), ein Mehrkompartimenten-System, das verschiedene Darmabschnitte mit kontrollierten pH-Werten, Transitzeiten und Nährstoffzufuhren simuliert. Neuere Varianten wie M-SHIME, Twin-SHIME und Triple-SHIME ermöglichen zunehmend differenziertere Fragestellungen, etwa zur Wirkung von Ernährungsinterventionen auf lumenale und mukosale Mikrobenpopulationen (Zhu et al., 2024). Das ist ein erheblicher methodischer Fortschritt gegenüber der einfachen Batch-Fermentation.

Zellkultursysteme ergänzen das Bild. Caco-2-Zellen, die intestinale Epithelzellen imitieren, werden häufig mit mikrobiotabezogenen Überständen inkubiert, um Barriere- und Immunreaktionen zu untersuchen. Darmorganoide aus patienteneigenem Gewebe gehen weiter: Sie können epitheliale Differenzierung, Mukusproduktion und spezifische Krankheitsphänotypen abbilden, kommen aber meist ohne lebende Mikrobiota aus, was sie für echte Interaktionsstudien limitiert.

Gut-on-a-Chip-Systeme versuchen schließlich, das Beste beider Welten zu verbinden: epitheliale Zellen plus mikrobielle Besiedelung unter physiologischem Scherstress und Fluss. In diesen Mikrofluidik-Plattformen lassen sich anaerob-aerobe Grenzflächen und peristaltikähnliche Bewegungsmuster simulieren, was die Annäherung an In-vivo-Bedingungen verbessert.

In-vitro-Modelle für Humanbiom-Studien: Stärken und strukturelle Grenzen

Die wesentliche Stärke aller In-vitro-Modelle in Humanbiom-Studien ist die Isolierbarkeit von Variablen. Man kann gezielt testen, ob ein spezifisches Substrat die Butyratproduktion steigert, ohne dass Ernährungsgewohnheiten, Schlafmuster, Medikamente oder genetische Variabilität des Wirts die Ergebnisse konfundieren. Das ist für mechanistische Hypothesen wertvoll.

Die strukturellen Grenzen sind bekannt und gut dokumentiert. Isenring et al. (2023) haben sie in einer kritischen Übersichtsarbeit systematisch aufgearbeitet: kein Konsens über Modellselektion und Betriebsparameter, erhebliche Variabilität zwischen Laboratorien, fehlende Vergleichbarkeit durch unterschiedliche Inokulatpräparation. Fäkalinokulat nähert die mikrobielle Zusammensetzung eines Individuums nur an, repliziert sie nicht. Die Stabilisierungsphase dynamischer Systeme verändert die Gemeinschaft zudem weiter in Richtung der Modellbedingungen, weg von den In-vivo-Verhältnissen.

Was in nahezu allen In-vitro-Modellen fehlt, ist der Wirtsorganismus. Kein Immunsystem, kein enterisches Nervensystem, keine systemische Rückkopplung. Das ist keine methodische Nachlässigkeit, sondern ein konzeptuelles Grundproblem: Ein In-vitro-Befund, der zeigt, dass Substrat X die mikrobielle Butyratproduktion steigert, sagt nichts darüber aus, ob dieser Effekt beim Menschen unter physiologischen Transitbedingungen reproduzierbar ist, ob er klinisch relevant ist oder ob er von Wirtsinteraktionen überlagert wird.

Das Konfundierungsproblem, das man bei Sequenzierungsstudien durch nicht kontrollierte Hostvariablen kennt, existiert bei In-vitro-Modellen in anderer Form: Hier konfundieren die Modellbedingungen selbst die Ergebnisse. Wer methodische Grundlagen von Humanbiom-Studien verstehen will, findet in der Analyse der Sequenzierungsmethoden und der Konfundierungsproblematik einen hilfreichen Ausgangspunkt, weil dieselbe Logik dort aus einer anderen Perspektive sichtbar wird: Humanbiom-Studien: Die wissenschaftliche Basis verstehen.

Validierungsprobleme und fehlender Konsens

Ein Problem, das Isenring et al. (2023) besonders hervorheben: Studiendesigns mit In-vitro-Modellen sind selten standardisiert. Betriebsparameter wie pH-Zyklen, Transitzeiten und Substratkonzentrationen variieren zwischen Laboratorien erheblich. Das macht Vergleiche schwierig. Und weil kein Konsensrahmen für Modellselektion und Ergebnisvalidierung existiert, lässt sich häufig nicht sagen, ob unterschiedliche Resultate auf echte biologische Unterschiede zurückgehen oder auf methodische Heterogenität.

Das erinnert an ein Grundproblem, das man aus der Sequenzierungsforschung kennt: unterschiedliche 16S-Primer, variable Analysetools, inkonsistente Datenbanken. Dort produzierte methodische Varianz Scheinunterschiede, die wie Biologie aussahen. Mit In-vitro-Modellen steht man vor einer analogen Situation: Reproduzierbarkeit ist kein Standard, sondern eine Ausnahme.

Wo der Nutzen liegt

Das alles bedeutet nicht, dass In-vitro-Modelle in Humanbiom-Studien keinen Wert haben. Sie haben ihn, aber einen spezifischen. Sie eignen sich für mechanistische Hypothesengenerierung, für das Screening von Wirkstoffen im Vorfeld klinischer Studien, für die Isolation einzelner Variablen aus dem komplexen Darmgeschehen.

Der Fehler liegt nicht im Einsatz dieser Modelle, sondern in der Überinterpretation ihrer Ergebnisse. Das gilt für Batch-Systeme, deren kurzkettige Fettsäuremuster nach 24 Stunden direkt in Empfehlungen für Supplement-Hersteller münden. Es gilt für SHIME-Experimente, die ohne In-vivo-Validierung klinische Ansprüche in Pressemitteilungen erhalten. Und es gilt für Organoid-Studien, die ohne mikrobielles Ko-Kultursystem Aussagen über Darm-Mikrobiom-Interaktionen suggerieren.

Das kritische Lesen dieser Studien erfordert eine konkrete Grundfrage: Welches Modell wurde verwendet, was kann dieses Modell per Definition nicht abbilden, und wird die Interpretation der Autoren durch das Modell tatsächlich gedeckt? Wer diese Fragen stellt, bevor er die Schlussfolgerungen liest, liest besser.

Quellen

Isenring J, Bircher L, Geirnaert A, Lacroix C. (2023). In vitro human gut microbiota fermentation models: opportunities, challenges, and pitfalls. Microbiome Res Rep. https://doi.org/10.20517/mrr.2022.15

Zhu W, Zhang X, et al. (2024). Simulator of the Human Intestinal Microbial Ecosystem (SHIME): Current Developments, Applications, and Future Prospects. Pharmaceuticals. 17(12):1639. https://doi.org/10.3390/ph17121639

Dieser Beitrag dient der allgemeinen Information und ersetzt keine ärztliche Untersuchung, Diagnose oder Behandlung.

Weiterführend