Die Traditionelle Chinesische Medizin operiert nach einem Prinzip, das Praktiker seit Jahrtausenden leitet: der Vorstellung, dass eine Krankheit nicht nur ein defektes Teil ist, sondern ein spezifisches Muster des Ungleichgewichts, das für das Individuum einzigartig ist. Dieses Muster, bekannt als „Syndrom“, wird diagnostiziert, indem man das Gesamtbild betrachtet – Symptome, emotionaler Zustand und physische Anzeichen – anstatt nur einen einzelnen Labortest heranzuziehen. Über Jahrhunderte hinweg war dieser Ansatz kraftvoll, aber mit modernen Werkzeugen schwer messbar. Heute versuchen Wissenschaftler, die Lücke zwischen diesen antiken Beobachtungen und der Sprache der Molekularbiologie zu schließen. Sie wollen die spezifischen Gene und Proteine finden, die diesen Syndromen entsprechen, um die Intuition eines Arztes effektiv in eine Karte der inneren Maschinerie des Körpers zu übersetzen. Die Herausforderung besteht darin, dass die Daten, die für diese Verbindung benötigt werden, verstreut und unvollständig sind; wir besitzen riesige Bibliotheken genetischer Informationen, aber sie verraten uns selten, welche Gene zu einem spezifischen chinesischen medizinischen Muster gehören. Oh ohne eine Möglichkeit, diese fehlenden Informationen zu organisieren, blieb das Finden zuverlässiger biologischer Marker für diese Syndrome ein schwieriges Rätsel.

Ein Forschungsteam hat nun einen neuen Weg vorgeschlagen, um dieses Rätsel zu lösen, indem es zwei unterschiedliche Felder der Informatik kombiniert, um die biologischen Fingerabdrücke einer spezifischen Herzerkrankung vorherzusagen. Sie konzentrierten sich auf die „Koronare Herzkrankheit mit Schleim- und Blutstase-Syndrom“, eine häufige Diagnose in der chinesischen Medizin, bei der Patienten Brustschmerzen und andere Symptome erleben, die mit einem trägen Blutfluss und der Akkumulation von Stoffwechselabfällen verbunden sind. Um das Problem der fehlenden Daten anzugehen, bauten die Forscher ein massives digitales Netzwerk, einen Wissensgraphen, der wie ein riesiges, miteinander verbundenes Netz wirkt. Sie speisten dieses System mit Informationen aus tausenden Quellen, einschließlich klinischer Aufzeichnungen, Listen von Kräutermedikamenten und genetischen Datenbanken. Dieses Netz verknüpfte Krankheiten, Syndrome, Symptome, spezifische Kräuter und über sechzehntausend Gene miteinander und schuf so eine Struktur mit mehr als 310.000 Verbindungen. Das Ziel war es, den Computer die bestehenden Muster in diesem Netz betrachten zu lassen und zu erraten, welche Gene wahrscheinlich mit dem Syndrom verbunden sind, selbst wenn diese Verbindungen noch nie explizit aufgeschrieben wurden.

Die Forscher verließen sich nicht auf eine einzige Methode, um diese Vermutungen anzustellen. Stattdessen nutzten sie zwei verschiedene computergestützte Strategien, die zusammenarbeiteten wie zwei unabhängige Zeugen, die dieselbe Geschichte bestätigen. Die erste Strategie nutzte eine Technik namens Wissensgraph-Vervollständigung (Knowledge Graph Completion), was im Wesentlichen eine ausgefeilte Form der Mustererkennung ist. Durch die Analyse der Struktur ihres digitalen Netzes lernte der Computer, wie verschiedene Arten von Informationen miteinander in Beziehung stehen, und sagte dann die wahrscheinlichsten fehlenden Verbindungen voraus. Er schlug eine Liste von einhundert Genen vor, die hochwahrscheinliche Kandidaten für eine Beteiligung an dem Syndrom waren. Die zweite Strategie nutzte ein Feld namens Netzwerkmedizin, das untersucht, wie Gene im menschlichen Körper miteinander interagieren. Die Forscher identifizierten Cluster von Genen, die in engen Gruppen oder Modulen zusammenarbeiten, und prüften, welche dieser Gruppen am engsten mit den Zielstrukturen der zur Behandlung der Erkrankung verwendeten Kräuter verbunden waren. Dieser Ansatz grenzte das Feld auf einen Kernsatz von dreiundvierzig Genen ein.

Als die Forscher die Ergebnisse dieser beiden unterschiedlichen Methoden verglichen, fanden sie eine auffällende Überschneidung. Beide Ansätze wiesen auf dieselben biologischen Prozesse hin, insbesondere auf solche, die Entzündungen, das Immunsystem und die Art und Weise betreffen, wie der Körper Energie und Sauerstoff verarbeitet. Diese Übereinstimmung gab dem Team die Zuversicht, dass ihre Vorhersagen keine bloßen Zufallstreffer waren, sondern reale biologische Mechanismen widerspiegelten. Die Studie deckte auch überraschende Verbindungen auf, die über das übliche Verständnis der Herzerkrankung hinausgingen. Der Computer sagte Gene voraus, die an der emotionalen Regulierung und der Zellalterung beteiligt sind, was darauf hindeutet, dass das Syndrom mit Stressreaktionen und der Reaktion des Körpers auf niedrige Sauerstoffwerte auf eine Weise verknüpft sein könnte, die traditionelle kardiovaskuläre Modelle nicht vollständig erfasst hatten. Beispielsweise hob das Modell Gene hervor, die dafür bekannt sind, die Stimmung zu beeinflussen, sowie Gene, die Zellen helfen, in sauerstoffarmen Umgebungen zu überleben, was auf ein komplexes Geflecht hindeutet, in dem emotionaler Zustand und körperliche Gesundheit tief miteinander verwoben sind.

Um sicherzustellen, dass diese Vorhersagen nicht nur theoretischer Natur waren, testete das Team sie gegen Realwelt-Daten. Sie verglichen ihre vorhergesagten Genlisten mit tatsächlichen Genproben, die von Patienten mit der Erkrankung entnommen wurden. Die Ergebnisse zeigten, dass die durch ihre Computermodelle identifizierten Gene physisch nahe bei den Genen lagen, die sich in den Körpern der Patienten tatsächlich veränderten. Darüber hinaus bestätigte eine Überprüfung der bestehenden medizinischen Literatur, dass viele der am besten vorhergesagten Gene bereits in anderen Studien mit Herzerkrankungen oder den spezifischen Symptomen des Syndroms in Verbindung gebracht worden waren. Ein Gen beispielsweise war in genetischen Studien bereits mit einem Herzrisiko assoziiert und wurde zudem in chinesischen medizinischen Datenbanken als Teil des „Blutstase“-Musters dokumentiert. Diese Konvergenz von Computerprognose, realen Patientendaten und historischen medizinischen Aufzeichnungen deutet darauf hin, dass der Rahmen erfolgreich die biologischen Wurzeln des Syndroms identifiziert hat.

Die Studie kommt zu dem Schluss, dass dieser neue Rahmen eine zuverlässige Möglichkeit bietet, die biologischen Marker von Syndromen der Traditionellen Chinesischen Medizin zu entdecken, ohne dass massive Mengen an bereits existierenden Daten erforderlich sind. Durch die Kombination der Fähigkeit, verborgene Muster in einem Wissensnetz zu finden, mit der Fähigkeit zu analysen, wie Gene im Körper zusammenwirken, schufen die Forscher ein Werkzeug, das in der Lage ist, antike diagnostische Konzepte systematisch in moderne molekulare Begriffe zu übersetzen. Obwohl sich die Studie auf eine spezifische Herzerkrankung konzentrierte, ist die Methode selbst so konzipiert, dass sie auf andere Syndrome angewendet werden kann, was die Tür zu einer neuen Ära öffnen könnte, in der traditionelle Diagnosen durch die präzise Sprache der Genetik verstanden und verifiziert werden können. Die Arbeit legt nahe, dass die Muster, die Ärzte seit Jahrhunderten erkennen, eine greifbare, messbare Realität im menschlichen Körper haben, die darauf wartet, durch die richtige Kombination aus Daten und Einsicht kartiert zu werden.