Moderne Technologien in der Humanbiom-Studien
Long-Read-Sequenzierung, Einzelzellanalysen, Kulturomik und maschinelles Lernen: Welche neueren Technologien die Humanbiom-Forschung prägen und was sie leisten.
Von Desiree Kaminski · · aktualisiert Oktober 2026 · Lesezeit: 4 Minuten
Die Humanbiom-Forschung ist stark von technischen Entwicklungen getrieben. Mit der Sequenzierung von Markergenen und später des gesamten mikrobiellen Erbguts wurde sichtbar, wie vielfältig die Mikroorganismen auf und im menschlichen Körper sind. Inzwischen ergänzen weitere Verfahren dieses Bild: Sie lesen längere DNA-Abschnitte, untersuchen einzelne Zellen, holen bislang unkultivierte Bakterien ins Labor oder zeigen, wo Mikroben im Gewebe sitzen.
Neue Technologien versprechen tiefere Einblicke, bringen aber auch höhere Kosten, komplexere Auswertungen und neue Fehlerquellen mit sich. Für die Einordnung von Studien ist es hilfreich zu wissen, was die jeweiligen Methoden tatsächlich können.
Long-Read-Sequenzierung
Klassische Sequenziergeräte lesen DNA in kurzen Abschnitten von wenigen hundert Basen. Long-Read-Verfahren, etwa auf Basis von Nanoporen oder der Einzelmolekül-Echtzeitsequenzierung, erzeugen Lesestücke von vielen tausend Basen. Das erleichtert es, vollständige Genome aus Mischproben zusammenzusetzen, wiederholte Abschnitte korrekt abzubilden und zu erkennen, auf welchem Genom oder Plasmid ein bestimmtes Gen liegt.
Für die Mikrobiomforschung ist das besonders interessant, wenn es um mobile genetische Elemente geht, etwa Gene für Antibiotikaresistenzen, die zwischen Bakterien weitergegeben werden können. Auch das vollständige 16S-rRNA-Gen lässt sich so lesen, was eine genauere Zuordnung als die Analyse kurzer Abschnitte erlaubt. Die Fehlerraten älterer Long-Read-Verfahren waren vergleichsweise hoch, haben sich aber deutlich verbessert.
Einzelzell- und Kulturverfahren
Die meisten Sequenzierdaten beschreiben den Durchschnitt einer ganzen Mikrobengemeinschaft. Einzelzellverfahren isolieren dagegen einzelne Bakterienzellen und sequenzieren ihr Erbgut. So lassen sich Organismen untersuchen, die selten sind oder sich bisher nicht anzüchten lassen. Die Methoden sind technisch anspruchsvoll, und die Genomdaten aus einzelnen Zellen sind häufig lückenhaft.
Parallel erlebt die Anzucht eine Renaissance. Unter dem Begriff Kulturomik werden Bakterien mit einer Vielzahl unterschiedlicher Nährmedien und Bedingungen kultiviert und anschließend, etwa per Massenspektrometrie oder Sequenzierung, identifiziert. Auf diese Weise wurden zahlreiche bislang unbekannte Darmbakterien beschrieben. Kultivierte Stämme sind unverzichtbar, um Hypothesen aus Sequenzdaten experimentell zu prüfen.
Räumliche Analysen und Modellsysteme
Wo genau Mikroorganismen im Darm leben, macht einen Unterschied: Bakterien in der Schleimschicht stehen in engerem Kontakt mit der Darmwand als solche im Darminhalt. Bildgebende Verfahren wie die Fluoreszenz-in-situ-Hybridisierung in Kombination mit hochauflösender Mikroskopie sowie neuere räumliche Transkriptomik-Ansätze machen solche Muster in Gewebeproben sichtbar.
Ergänzend werden Modellsysteme eingesetzt. Dazu gehören Organoide, also aus Stammzellen gezüchtete Miniaturgewebe, sowie Darm-Chips, auf denen menschliche Zellen und Bakterien unter kontrollierten Bedingungen zusammengebracht werden. Sie erlauben Experimente, die am Menschen nicht möglich wären, bilden die Komplexität des lebenden Darms aber nur teilweise ab.
Datenintegration und maschinelles Lernen
Moderne Studien erzeugen große Datenmengen aus Sequenzierung, Stoffwechselanalysen, klinischen Werten und Ernährungsprotokollen. Methoden des maschinellen Lernens werden genutzt, um darin Muster zu finden, etwa Mikrobiomprofile, die mit bestimmten Erkrankungen zusammenhängen.
Solche Modelle sind allerdings anfällig für Überanpassung: Sie funktionieren in den Daten, mit denen sie trainiert wurden, oft gut, versagen aber in neuen Kohorten. Ein belastbares Ergebnis setzt voraus, dass ein Modell in einer unabhängigen Stichprobe geprüft wurde.
| Technologie | Hauptnutzen | Wichtigste Einschränkung |
|---|---|---|
| Long-Read-Sequenzierung | vollständigere Genome, Zuordnung von Genen | Kosten, benötigt hochwertige DNA |
| Einzelzellanalyse | seltene und unkultivierte Organismen | lückenhafte Genomdaten |
| Kulturomik | lebende Stämme für Experimente | sehr arbeitsintensiv |
| Räumliche Methoden | Lage der Mikroben im Gewebe | erfordert Gewebeproben |
| Maschinelles Lernen | Mustererkennung in großen Datensätzen | Gefahr der Überanpassung |
Was neue Technologien für die Einordnung von Studien bedeuten
Technischer Fortschritt verändert nicht nur, was gemessen werden kann, sondern auch, wie Ergebnisse zu lesen sind. Studien mit unterschiedlichen Methoden liefern nicht automatisch vergleichbare Resultate. Wenn ein Bakterium in einer älteren 16S-Studie nur auf Gattungsebene beschrieben wurde, lässt sich nicht sicher sagen, ob eine neuere Studie mit Artbestimmung dasselbe Phänomen untersucht. Auch Bezeichnungen ändern sich: Mehrere bekannte Bakteriengruppen wurden in den vergangenen Jahren taxonomisch neu geordnet und umbenannt.
Hinzu kommt, dass aufwendige Verfahren oft nur an kleinen Gruppen eingesetzt werden können. Ein beeindruckend detailliertes Datenprofil von wenigen Personen ist eine wertvolle Grundlage für neue Hypothesen, aber kein Beleg für allgemeingültige Aussagen. Für die Einordnung hilft es, darauf zu achten, ob die Methode zur Fragestellung passt, ob Kontrollen beschrieben sind und ob Ergebnisse mit einem zweiten, unabhängigen Verfahren bestätigt wurden. Die Kombination mehrerer Technologien in einer Studie, oft als Multi-Omics bezeichnet, kann solche Bestätigungen liefern, erhöht aber zugleich die Komplexität der Auswertung.
Häufige Fragen
Machen neue Technologien ältere Studien wertlos?
Nein. Ältere Studien bleiben nützlich, ihre Ergebnisse sind aber im Licht der damaligen Methoden zu lesen. Manche Befunde wurden bestätigt, andere relativiert.
Werden diese Verfahren bereits in Arztpraxen eingesetzt?
Kaum. Die meisten der beschriebenen Methoden sind Forschungswerkzeuge. Für die Beurteilung der Darmflora im Alltag gibt es keine leitliniengestützte Anwendung.
Was bedeutet „Multi-Omics“?
Die Kombination mehrerer Datenebenen, etwa Erbgut, Genaktivität, Proteine und Stoffwechselprodukte, in derselben Studie.
Quellen
- National Institutes of Health: Integrative Human Microbiome Project (iHMP)
- STORMS-Checkliste zur Berichterstattung von Studien zum menschlichen Mikrobiom
- Übersichtsarbeiten zu Kulturomik und Long-Read-Sequenzierung in Fachzeitschriften der Mikrobiologie
Dieser Beitrag dient der allgemeinen Information und ersetzt keine ärztliche Untersuchung, Diagnose oder Behandlung.
Weiterführend
Krebs und Darmmikrobiom: Was eine Kohorte mit 1.364 Patienten zeigt
Eine Cell-Studie mit 1.364 Krebspatienten rechnet Begleiterkrankungen und andere Störfaktoren heraus. Was von den Mikrobiom-Signaturen bleibt und was der Befund zu 5-FU-Durchfall bedeutet.
· Lesezeit: 7 Minuten
Käse und Darmflora: Was Humanstudien wirklich zeigen
Käse und Darmflora kritisch gelesen: Was Humanstudien zu Milchprodukten, Fermentation, Mikrobiom-Markern und klinischer Relevanz wirklich zeigen können.
· Lesezeit: 6 Minuten
Rotes Fleisch und Darmgesundheit kritisch einordnen
Rotes Fleisch und Darmgesundheit: Was Humanstudien zu Mikrobiom, TMAO und Evidenz zeigen, wenn man Endpunkte und Studiendesign wirklich kritisch prüft.
· Lesezeit: 6 Minuten