Forscher der Universität Oslo haben mithilfe von Künstlicher Intelligenz erstmals typ-1-Diabetes-spezifische Motive im Repertoire der T-Zell-Rezeptoren (TCR) identifiziert. Die Studie, die in Science Advances akzeptiert wurde, analysierte über 275 Millionen TCR-Sequenzen von mehr als 2.250 Personen und liefert einen direkten molekularen Nachweis autoreaktiver Immunaktivität im peripheren Blut.
Bisher wurde das Autoimmunrisiko bei Typ-1-Diabetes (T1D) vor allem über genetische Risikofaktoren wie bestimmte HLA-Allele (insbesondere DR3 und DR4) abgeschätzt. Die neue Arbeit zeigt, dass krankheitsspezifische Sequenzmuster direkt im adaptiven Immunsystem erkennbar sind – unabhängig von der Genetik. „Genetik sagt uns, wer gefährdet sein könnte, aber nicht, wie das Immunsystem gerade agiert“, erklärt Prof. Victor Greiff vom Institut für Klinische Medizin der Universität Oslo. „Durch KI-gestützte Analyse der Immunrepertoires können wir frühe autoimmune Prozesse in Echtzeit erfassen.“
Das Team um Erstautor Puneet Rawat nutzte das DeepRC-Modell (basierend auf modernen Hopfield-Netzwerken), um Muster in ungelabelten TCR-Datensätzen zu finden. Zunächst wurde ein genetischer „Baseline“-Filter erstellt, um HLA-abhängige TCR-Muster zu identifizieren. Anschließend trainierte DeepRC ausschließlich auf Sequenzdaten und entdeckte T1D-assoziierte Signaturen, die auch in unabhängigen Testdatensätzen sowie in Proben aus pankreatischen Lymphknoten und Milz nachweisbar waren. Diese Signale verbesserten die Klassifikation deutlich und deuten auf echte biologische Relevanz hin.
Die Ergebnisse eröffnen neue Perspektiven: TCR-basierte Biomarker könnten eine sensitivere Früherkennung, bessere Verlaufsüberwachung und individualisierte Therapien ermöglichen – etwa vor oder parallel zum Auftreten von Autoantikörpern. Die umfangreichen T1D-Daten fließen zudem in einen laufenden Kaggle-Wettbewerb ein, der die Entwicklung neuer KI-Modelle für Immunrepertoire-Analysen fördern soll.
Autoimmunerkrankungen betreffen weltweit über 10 Prozent der Bevölkerung. In Norwegen liegt die Prävalenz bei 5–7 Prozent; allein Typ-1-Diabetes verursacht hohe volkswirtschaftliche Kosten. Die Identifikation seltener autoreaktiver TCR-Signale (Häufigkeit oft nur 1:10.000 bis 1:100.000) galt bisher als nahezu unmöglich. Die Studie zeigt, dass KI in der Lage ist, diese schwachen Signale aus riesigen, personenindividuellen Repertoires herauszufiltern.
Die Arbeit markiert einen Paradigmenwechsel: Statt nur genetischer Risikoprofile kann das Immunsystem nun direkt „abgelesen“ werden. Langfristig könnte dies die Grundlage für TCR-basierte Diagnostik und Therapie bei T1D und anderen Autoimmunerkrankungen bilden.
