Peking (LabNews Media LLC) – Ein Forschungsteam der Tsinghua University in Peking hat CAR-T-Zellen entwickelt, die bei rheumatoider Arthritis mit einer einzigen Infusion eine langanhaltende Remission erzielen können. Die Zellen binden nicht nur den Entzündungsfaktor TNF, sondern nehmen ihn aktiv auf und bauen ihn ab. Die neuartigen TNFR1TIF-CAR-T-Zellen erkennen lösliches TNF und internalisieren es über rezeptorvermittelte Endozytose. In humanen TNF-transgenen Mäusen führte eine einmalige intravenöse Gabe ohne vorherige Lymphodepletion zu einer nachhaltigen Senkung des TNF-Spiegels auf nahezu physiologische Werte und einer anhaltenden Remission der Arthritis – vergleichbar mit wiederholten hochdosierten Gaben des Anti-TNF-Antikörpers Adalimumab. Die Zellen expandierten robust und persistierten im peripheren Blut der immunkompetenten Tiere über mehr als ein Jahr. Ihre Expansion war streng TNF-abhängig. Über einen Beobachtungszeitraum von zwölf Monaten zeigten sich keine Beeinträchtigungen der endogenen T-Zell-Homöostase, der Organfunktion oder der antibakteriellen Immunität. Ein pharmakologischer Sicherheitsschalter (Anti-Thy1.1-Antikörper) ermöglichte… 

Salt Lake City (LabNews Media LLC) – Ein neues KI-Verfahren, das auf Prinzipien der Quantenmechanik basiert, kann aus komplexen molekularen Daten selbst bei kleinen Patientengruppen präzisere Prognosen und Therapieempfehlungen für Krebspatienten ableiten. Das zeigt eine Studie der University of Utah, die in der Fachzeitschrift APL Quantum veröffentlicht wurde. Das Team um Orly Alter entwickelte Algorithmen, die auf den quantenmechanischen Konzepten von Superposition und Verschränkung beruhen. Diese sogenannten „multitensor comparative spectral decompositions“ zerlegen mehrere Schichten molekularer Daten – darunter Tumor- und Blut-DNA sowie Tumor-RNA – in zusammenhängende Muster. Bei der Anwendung auf Neuroblastom-Daten von 71 Patienten konnten die Forscher neue Prädiktoren für die Lebenserwartung der Kinder ableiten, die herkömmliche Biomarker übertrafen. Die Vorhersagen ließen sich erfolgreich in unabhängigen Patientengruppen validieren. Zudem lieferten sie interpretierbare Hinweise auf Krankheitsmechanismen und mögliche Angriffspunkte für neue Therapien. „Es geht um viel mehr als nur ein… 

St. Louis (LabNews Media LLC) – Jüngere Generationen altern biologisch schneller als frühere Jahrgänge. Dies könnte ein wesentlicher Grund für den weltweiten Anstieg von Krebserkrankungen bei Menschen unter 55 Jahren sein. Das zeigt eine Studie der Washington University School of Medicine in St. Louis, die in der Fachzeitschrift Nature Medicine veröffentlicht wurde. Die Forscherinnen und Forscher analysierten Daten von über 154.000 jungen Erwachsenen aus der britischen UK Biobank und mehr als 10.000 Personen aus dem US-amerikanischen All of Us Research Program. Sie stellten fest, dass bei jedem nachfolgenden Geburtsjahrgang der Abstand zwischen biologischem Alter (wie alt der Körper aufgrund von Biomarkern erscheint) und chronologischem Alter (tatsächliches Lebensalter) größer wird. Personen mit dem stärksten beschleunigten systemischen Altern hatten ein um 15 Prozent erhöhtes Risiko für solide Krebserkrankungen im frühen Alter. Besonders betroffen waren Lungen-, Magen-Darm- und Gebärmutterkrebs. Ein fortgeschrittenes Altern des… 

Quanten-Maschinelles Lernen (QML) ist ein interdisziplinäres Forschungsgebiet, das Quantencomputing mit maschinellem Lernen verbindet. Ziel ist es, die besonderen Eigenschaften von Quantencomputern (Superposition, Verschränkung und Interferenz) zu nutzen, um bestimmte Lernaufgaben schneller, effizienter oder mit neuen Fähigkeiten zu lösen als mit klassischen Methoden. 1. Was ist Quanten-Maschinelles Lernen? Im klassischen maschinellen Lernen werden große Datenmengen mit Algorithmen wie neuronalen Netzen, Support Vector Machines oder Clustering-Methoden verarbeitet. Quanten-Maschinelles Lernen versucht, Teile dieser Prozesse auf einem Quantencomputer auszuführen – oder komplett neue, quantenbasierte Modelle zu entwickeln. Es gibt grundsätzlich zwei Hauptansätze: Ansatz Beschreibung Reifegrad (2026) Quanten-unterstütztes klassisches ML Klassische Algorithmen werden durch Quantencomputer beschleunigt (z. B. bei linearen Gleichungssystemen, Kernel-Methoden) Fortgeschritten Quantenmodelle / QNNs Modelle, die nativ auf Quantenhardware laufen (z. B. Variational Quantum Circuits) Frühphase Quanten-Kernel-Methoden Nutzung von Quantencomputern zur Berechnung von Ähnlichkeitsmaßen (Kernels) Forschung Quanten-generative Modelle Quantenversionen von GANs oder Diffusionsmodellen…