Genomanalysen weisen auf neue Therapieansätze hin

Die Betroffenen verspüren nachts einen starken Bewegungsdrang und leiden an Schmerzen oder Kribbeln in den Beinen. Dementsprechend schlecht schlafen Patienten mit Restless-Legs-Syndrom (RLS). Die Folgen können chronischer Schlafmangel, eine erheblich reduzierte Lebensqualität und ein schlechter allgemeiner Gesundheitszustand sein. Etwa 2 bis 3 Prozent der älteren Menschen in Europa sind behandlungsbedürftig an RLS erkrankt, dennoch wird die Erkrankung nach wie vor wenig beachtet.

RLS entsteht durch komplexe Wechselwirkungen zwischen genetischen Ursachen und Umweltfaktoren, wobei die Pathologie noch nicht vollständig verstanden ist. Die Genetik der RLS hat nun ein internationales Team um Dr. Barbara Schormair von der Technischen Universität München (TUM) und Helmholtz Munich umfassend untersucht. Die Forschenden kombinierten für ihre Studie, deren Ergebnisse im Fachjournal »Nature Genetics« erschienen sind, drei genomweite Assoziationsstudien zum RLS. Auf diese Weise erstellten sie einen Datensatz mit genetischen Informationen von mehr als 100.000 Patientinnen und Patienten.

»Wir haben einen leistungsstarken Datensatz erstellt, der es uns ermöglicht hat, eine signifikante Anzahl genetischer Risikoloci und potenzieller Arzneimittelziele zu identifizieren«, sagt Schormair in einer Mitteilung der TUM. »Diese Erkenntnisse stellen einen großen Schritt zur Verbesserung der Patientenversorgung dar.«

Durch ihre Untersuchung steigerten die Forschenden die Anzahl der bekannten genetischen Risikoloci für RLS, also Regionen unseres Genoms, die Veränderungen enthalten, die mit einem erhöhten Risiko für die Entwicklung der Krankheit verbunden sind, von 22 auf 164. Dabei identifizierte das Team 13 Gene, die mit RLS im Zusammenhang stehen und mit bereits für andere Erkrankungen zugelassenen Arzneistoffen angesprochen werden können. Sie stellen daher mögliche neue Ansatzpunkte für Therapien dar. Die Studie ergab auch, dass RLS ein Risikofaktor für Typ-2-Diabetes ist, der häufig als Komorbidität auftritt.

Das Team erarbeitete zudem ein KI-gestütztes System zur Vorhersage des RLS-Risikos. Der Ansatz zeigte die beste Leistung, wenn sowohl genetische als auch nicht genetische Faktoren einbezogen wurden. Diese Erkenntnisse könnten auch die Risikovorhersage für verschiedene andere weit verbreitete Krankheiten verbessern. Die Forschenden hoffen, dass ihre Ergebnisse zukünftig dazu genutzt werden können, das RLS-Risiko zu ermitteln und Therapie- sowie eventuell Präventionsmöglichkeiten zu entwickeln.