Ein Dosis-Wirkungs-Screening testet jeden Wirkstoff nicht in einer einzigen Konzentration, sondern in einer ganzen Verdünnungsreihe, und misst bei jeder Stufe, wie stark die Zellen reagieren. Aus diesen Messpunkten entsteht eine Kurve, die drei Fragen beantwortet: Wirkt die Substanz wirklich, ab welcher Konzentration wirkt sie, und wie groß ist ihr maximaler Effekt? Bei seltenen genetischen Erkrankungen, deren Modelle aus den eigenen Zellen eines Patienten stammen, trennt genau diese Kurve den Zufallstreffer vom belastbaren Kandidaten.
Kurz gesagt
- Ein Dosis-Wirkungs-Screening misst die Zellantwort meist über sieben bis neun Konzentrationen, die zusammen rund vier Zehnerpotenzen abdecken.
- Die Messwerte werden in der Regel an ein Vier-Parameter-Log-Logistik-Modell (Hill-Gleichung) angepasst. Daraus ergeben sich EC50, maximale Wirkung und Kurvensteilheit.
- Belastbar wird das Ergebnis erst mit Kontrollen auf jeder Platte, einem guten Z'-Faktor und mehreren unabhängigen iPSC-Klonen.
- In patientenabgeleiteten Modellen zeigt die Kurve, ob ein Effekt wirklich am Krankheitsmechanismus ansetzt, und hilft, die stärksten Kandidaten zu priorisieren.
- Eine EC50 aus der Zellkultur ist keine Patientendosis: Der Weg in die Klinik braucht weitere Daten und ärztliche Begleitung.
Inhaltsverzeichnis
- Was ein Dosis-Wirkungs-Screening eigentlich misst
- Vom breiten Screen zur belastbaren Kurve
- Den Konzentrationsbereich richtig planen
- Kontrollen, Wiederholungen und Datenqualität
- Die Kurvenanpassung: das Vier-Parameter-Modell
- Kurven lesen: Potenz ist nicht gleich Wirksamkeit
- Von der Zellkurve zur Behandlungsentscheidung
- Unsere Sicht auf Dosis-Wirkungs-Daten
- Dosis-Wirkungs-Daten aus den Zellen Ihres Patienten
- Häufige Fragen
- Quellen
Was ein Dosis-Wirkungs-Screening eigentlich misst
Im Labor spricht man streng genommen von Konzentrationen, nicht von Dosen: Eine Substanz wird in einer definierten Menge pro Volumen Kulturmedium zu den Zellen gegeben, etwa in Nano- oder Mikromol pro Liter. Die "Wirkung" ist ein messbarer Endpunkt, der zum Krankheitsbild passt. Das kann die Menge eines fehlenden Proteins sein, das Überleben von Nervenzellen, die Schlagfrequenz von Herzmuskelzellen oder das Signal eines Reportergens.
Trägt man die Wirkung gegen den Logarithmus der Konzentration auf, ergibt sich bei den meisten aktiven Substanzen eine S-förmige Kurve: unten eine Grundlinie ohne Effekt, dann ein steiler Anstieg, oben ein Plateau, ab dem mehr Wirkstoff nicht mehr mehr Wirkung bringt.
Für Modelle aus induzierten pluripotenten Stammzellen (iPSCs) beschreibt eine Übersichtsarbeit zum Wirkstoffscreening in iPSC-Modellen drei Aufgaben dieser Kurven: Sie helfen, echte On-Target-Effekte nachzuweisen, sie liefern EC50-Werte, mit denen sich die potentesten Krankheitsmodulatoren priorisieren lassen, und die Variation der Konzentration verringert falsch-negative Ergebnisse. Der letzte Punkt wird oft unterschätzt. Eine Substanz, die bei einer einzigen gewählten Konzentration zufällig schon toxisch ist oder noch zu schwach, fällt im Einzelpunkt-Test durch, obwohl sie in einem anderen Bereich genau das Richtige tut.
Wie solche Modelle entstehen und warum sie gerade für sehr seltene Mutationen wertvoll sind, beschreiben wir ausführlich im Beitrag über patientenabgeleitete iPSC als Entscheidungshilfe.
Vom breiten Screen zur belastbaren Kurve
In der Praxis gibt es zwei Grundstrategien. Bei der ersten wird eine große Bibliothek zunächst breit durchsucht, und die Treffer werden anschließend in Konzentrationsreihen bestätigt. Bei der zweiten wird von Anfang an jede Substanz titriert.
Die zweite Strategie heißt quantitatives Hochdurchsatz-Screening (qHTS). Die Autoren der grundlegenden qHTS-Arbeit testeten jede Substanz in mindestens sieben fünffachen Verdünnungsstufen über etwa vier Größenordnungen. So entsteht schon im ersten Durchlauf für jede Verbindung ein Konzentrations-Wirkungs-Profil statt eines einzelnen Messwerts.
Wie die Bestätigung im Patientenmaterial aussieht, zeigt eine Studie zur Friedreich-Ataxie: Dort wurde der Wirkstoff Dyclonin in Fibroblasten von Patienten konzentrationsabhängig validiert, in einem Bereich von etwa 0,01 bis 10 µM. Ein anderes Beispiel ist ein großes Screening mit iPSC-Zellen bei familiärer Dysautonomie, das zeigt, dass patientenabgeleitete Zellen auch im großen Maßstab screenbar sind.
Welcher Weg sinnvoll ist, hängt von der Zahl der Substanzen, der Menge verfügbarer Zellen und dem Assay ab. Wie phänotypische Modelle bei seltenen Erkrankungen zu Therapiekandidaten führen, erklären wir im Beitrag zum Rare Disease Drug Screen.
Den Konzentrationsbereich richtig planen
Der häufigste Fehler in Dosis-Wirkungs-Experimenten ist ein zu schmaler Bereich. Liegt die EC50 außerhalb der getesteten Konzentrationen, fehlt der Kurve die Grundlinie oder das Plateau, und jede Schätzung wird unsicher.
Eine Arbeit zum Design von Wirkstoff-Antwort-Experimenten empfiehlt deshalb: Ist der Empfindlichkeitsbereich unbekannt, testet man einen breiten Bereich mit typischerweise neun Dosen im Abstand von jeweils dem Faktor 3,16, also einer halben Zehnerpotenz. Neun Stufen mit halblogarithmischem Abstand überspannen genau vier Zehnerpotenzen, zum Beispiel von 1 nM bis 10 µM.
| Design | Stufen | Abstand | Abgedeckter Bereich | Typischer Einsatz |
|---|---|---|---|---|
| Halblog-Reihe | 9 | Faktor 3,16 | 4 Zehnerpotenzen | Erste Kurve bei unbekannter Empfindlichkeit |
| qHTS-Titration | mindestens 7 | Faktor 5 | ca. 4 Zehnerpotenzen | Titration ganzer Bibliotheken im Primärscreen |
| Validierungsreihe | variabel | meist log-gestuft | z. B. 0,01–10 µM | Bestätigung von Treffern in Patientenzellen |
| Optimierte Reihe | variabel | ungleichmäßig | gezielt um den erwarteten Wert | Präzise Bestimmung bekannter Parameter |
Die letzte Zeile geht auf eine Überlegung zum optimalen Design von Dosis-Wirkungs-Screenings zurück: Ungleichmäßig verteilte Konzentrationen können effizienter sein als klassische Verdünnungsreihen mit konstantem Faktor, besonders wenn Inhibitorkonstanten bestimmt werden sollen.
Drei praktische Regeln helfen bei der Planung:
- Obere Grenze an Löslichkeit und Toxizität ausrichten. Oberhalb der Löslichkeit misst man Ausfällungen, oberhalb der Zelltoxizität nur noch sterbende Zellen.
- Lösungsmittel konstant halten. Wird die Substanz in DMSO gelöst, sollte jede Konzentrationsstufe denselben DMSO-Anteil enthalten, damit nur der Wirkstoff variiert.
- Einen zweiten Endpunkt mitlaufen lassen. Ein Viabilitätsmarker neben dem Krankheitsendpunkt zeigt, ob ein abfallendes Signal am oberen Ende Rettung oder Zellschaden bedeutet.
Kontrollen, Wiederholungen und Datenqualität
Eine Kurve ist nur so gut wie die Platte, auf der sie gemessen wurde. Drei Ebenen der Qualitätssicherung sind in der Literatur gut belegt.
Kontrollen auf jeder Platte. In plattenbasierten Assays dienen Wells nur mit Lösungsmittel als Basislinie. Im Screening zur familiären Dysautonomie waren es zum Beispiel 32 DMSO-Kontrollwells pro Platte, auf die alle Messwerte normalisiert wurden. Dazu kommt, wo vorhanden, eine Positivkontrolle, die den maximal erreichbaren Effekt markiert.
Ein Qualitätsmaß für den Assay. Der Z'-Faktor setzt den Abstand zwischen Positiv- und Negativkontrolle ins Verhältnis zu ihrer Streuung. Werte nahe 1 bedeuten ein klares Fenster. In der Friedreich-Studie erreichte der Assay mit Patientenfibroblasten einen Z'-Faktor von 0,75. In den Richtlinien zur Assay-Entwicklung gilt ein Z' über 0,5 als faktischer Grenzwert für die meisten Hochdurchsatz-Assays, wobei bei komplexen bildbasierten Assays auch fachliches Urteil gefragt ist.
Biologische Wiederholung. Technische Replikate auf derselben Platte reichen nicht. Für iPSC-abgeleitete Zellen empfiehlt die iPSC-Übersichtsarbeit mindestens drei unabhängige Klone pro Genotyp, weil sich einzelne Klone in ihrer Differenzierung unterscheiden können.
Für den Vergleich vieler Substanzen lassen sich die Effekte zusätzlich als Z-Scores in Standardabweichungen der DMSO-Kontrollen ausdrücken. So wird sichtbar, welche Wirkung sich klar vom Rauschen der unbehandelten Zellen abhebt. Was Zellassays darüber hinaus reproduzierbar macht, haben wir im Beitrag Reproduzierbarkeit von Zellassays zusammengefasst.
Die Kurvenanpassung: das Vier-Parameter-Modell
Sind die Daten normalisiert, wird eine Funktion an die Messpunkte angepasst. Standard ist die Vier-Parameter-Log-Logistik-Funktion, auch Hill-Gleichung genannt, die mit nichtlinearer Regression nach der Methode der kleinsten Quadrate an die Daten gelegt wird:
Wirkung = Unten + (Oben − Unten) / (1 + (EC50 / Konzentration)^Hill)
| Parameter | Bedeutung | Was er Ihnen sagt |
|---|---|---|
| Unten | Untere Asymptote | Signal ohne wirksame Konzentration, idealerweise nahe der Lösungsmittelkontrolle |
| Oben | Obere Asymptote (entspricht Emax) | Maximal erreichbare Wirkung, also die Wirksamkeit |
| EC50 / IC50 | Konzentration bei halbmaximaler Wirkung | Potenz: je niedriger, desto weniger Substanz ist nötig |
| Hill-Koeffizient | Steilheit der Kurve | Wie abrupt die Wirkung einsetzt |
Aus der Kurve lässt sich zusätzlich die Fläche unter der Kurve (AUC) berechnen. Sie fasst Potenz und Wirksamkeit in einer Zahl zusammen und erleichtert laut der Arbeit zu Wirkmaßen in vitro gemeinsam mit EC50 und Emax den quantitativen Vergleich von Substanzen.
Das Modell ist ein Werkzeug, kein Naturgesetz. Eine Analyse zu Hill-Koeffizienten und Dosis-Wirkungs-Kurven nennt die 4PL-Funktion eine Vereinfachung gegenüber realistischen Modellen der Rezeptoraktivierung und Enzymhemmung. Ein Hill-Koeffizient deutlich ungleich eins kann etwa darauf hinweisen, dass mehrere Moleküle binden. Für die Priorisierung im Screening ist die 4PL-Funktion dennoch der praktische Standard.
Beim Anpassen lohnt sich ein kritischer Blick auf jede Kurve: Fehlt das obere Plateau, ist die EC50 nur eine Extrapolation. Fällt das Signal bei den höchsten Konzentrationen wieder ab, spricht das oft für Toxizität, und diese Punkte sollten nicht stillschweigend in die Anpassung eingehen.
Kurven lesen: Potenz ist nicht gleich Wirksamkeit
Ein fiktives Beispiel macht den Unterschied greifbar. Angenommen, zwei bereits zugelassene Medikamente werden in Nervenzellen getestet, die aus den iPSCs eines Patienten gewonnen wurden. Gemessen wird die Menge eines Proteins, das durch die Mutation fehlt, normalisiert auf gesunde Kontrollzellen (100 %).
- Substanz A hat eine EC50 von 0,2 µM, erreicht aber nur ein Plateau von 30 % des Normalniveaus.
- Substanz B hat eine EC50 von 3 µM, steigt aber bis auf 75 %.
A ist potenter, B wirksamer. Welche Substanz interessanter ist, hängt davon ab, wie viel Protein klinisch nötig wäre und welche Konzentration im Körper realistisch erreichbar ist. Liegt die bekannte Blutkonzentration von B bei zugelassener Dosierung deutlich unter 3 µM, schrumpft sein Vorteil. Liegt sie darüber, ist B womöglich der stärkere Kandidat.
Diese Abwägung zeigt, warum ein einzelner Messpunkt in die Irre führen kann. Bei 1 µM sähen A und B in diesem Beispiel ähnlich aus, obwohl sie sich grundlegend unterscheiden. Erst die vollständige Kurve zeigt Potenz, Wirksamkeit und das Fenster bis zur Toxizität. Wie man Treffer nach dem Screening Schritt für Schritt absichert, beschreiben wir im Beitrag zur Hit-Validierung in patientenbezogenen Zellmodellen.
Von der Zellkurve zur Behandlungsentscheidung
Eine Dosis-Wirkungs-Kurve aus Patientenzellen ist ein starkes Argument dafür, eine Option weiterzuverfolgen. Sie ersetzt aber keine klinische Dosisfindung, denn im Körper kommen Aufnahme, Verteilung, Abbau und das Zusammenspiel vieler Gewebe hinzu.
Auch bei zugelassenen Therapien für seltene Erkrankungen ist die Dosisfindung eine eigene Aufgabe. Von 40 Programmen für seltene genetische Erkrankungen, die die FDA zwischen 2015 und 2020 zuließ, hatten 53 % eine eigene Dosisfindungsstudie, häufig mit Biomarkern als primärem Endpunkt. Die Autoren betonen, dass eine ungeeignete Dosis das Nutzen-Risiko-Verhältnis verschlechtern kann. Die FDA selbst beschreibt am Beispiel einer Enzymersatztherapie, dass bei seltenen Krankheiten mehrere Datenquellen für die Dosiswahl zusammengeführt werden sollten: nichtklinische Tiermodelle, frühe klinische Daten und modellgestützte Analysen.
Für Familien heißt das konkret: Zeigt ein bereits zugelassenes Medikament in den Zellen Ihres Kindes eine überzeugende Kurve, ist der nächste Schritt das Gespräch mit dem behandelnden Facharzt, etwa der Neuropädiaterin oder dem Humangenetiker. Ob und in welcher Dosis ein Medikament außerhalb seiner Zulassung eingesetzt wird, entscheidet die Ärztin oder der Arzt anhand der Gesamtsituation, nicht die EC50 allein. Ändern Sie keine laufende Medikation auf Grundlage von Laborergebnissen.
Biomarker schlagen dabei die Brücke zwischen Zellkultur und Patient: Derselbe Messwert, der in der Kulturschale reagiert, lässt sich im besten Fall auch im Blut oder Liquor verfolgen. Mehr dazu lesen Sie in unserem Beitrag über Biomarker bei seltenen Erkrankungen.
Unsere Sicht auf Dosis-Wirkungs-Daten
Bei ultra-seltenen und undiagnostizierten Erkrankungen gibt es oft keine Kohorte, keine Studie und kein Tiermodell. Es gibt einen Menschen, seine Zellen und wenig Zeit. Gerade deshalb halten wir die vollständige Dosis-Wirkungs-Kurve für den Kern jeder ernsthaften Therapiesuche, nicht für ein optionales Extra.
Unser Ansatz beginnt mit einem Modell aus den eigenen Zellen des Patienten. Mit CRISPR lässt sich die verantwortliche Mutation korrigieren, sodass Zellen mit gleichem genetischem Hintergrund als Vergleich dienen. Vor diesem Hintergrund zeigt eine Kurve sehr direkt, ob eine Substanz den krankheitsbedingten Unterschied verringert.
Wir denken parallel statt nacheinander: rund 3.000 bereits zugelassene Medikamente, maßgeschneiderte Antisense-Oligonukleotide und die Prüfung von Gentherapieoptionen gehören in dieselbe Suche. Unsere KI-gestützte RINAE-Bewertung hilft, Ziele und Mutationen vorab einzuschätzen. Und weil Familien und Ärzte Entscheidungen treffen müssen, legen wir Wert darauf, Ergebnisse transparent zu erklären, inklusive dessen, was eine Kurve aussagt und was der nächste Schritt wäre.
John
Dosis-Wirkungs-Daten aus den Zellen Ihres Patienten
Wenn für eine seltene oder noch undiagnostizierte genetische Erkrankung keine zugelassene Therapie existiert, kann ein patientenspezifisches Modell die Suche strukturieren. Hopeatrarelabs entwickelt iPSC-Krankheitsmodelle aus patienteneigenen Zellen, screent eine Bibliothek von rund 3.000 von der FDA zugelassenen Medikamenten, entwirft und testet maßgeschneiderte ASOs bis zur In-vitro-Rettung und stellt auf Wunsch IND-vorbereitende Datenpakete zusammen.
Ein guter Einstieg ist unsere Amenability Study mit Discovery Roadmap: Sie klärt, welche Ansätze für die konkrete Mutation infrage kommen. Familien, Stiftungen und Biopharma-Partner finden alle Leistungen auf unserer Seite zu Krankheitsmodellen und Screening.
Häufige Fragen
Was ist der Unterschied zwischen EC50 und IC50?
Beide bezeichnen die Konzentration, bei der die halbmaximale Wirkung erreicht ist. EC50 verwendet man, wenn eine Substanz ein Signal steigert, etwa die Menge eines fehlenden Proteins. IC50 steht für die halbmaximale Hemmung, zum Beispiel eines überaktiven Enzyms.
Wie viele Konzentrationen braucht eine Dosis-Wirkungs-Kurve?
Für eine erste Kurve bei unbekannter Empfindlichkeit sind neun Konzentrationen im halblogarithmischen Abstand ein bewährter Ausgangspunkt. Im quantitativen Hochdurchsatz-Screening werden mindestens sieben Stufen eingesetzt. Entscheidend ist, dass Grundlinie und Plateau beide sichtbar sind.
Kann man aus der EC50 in Zellen die Dosis für einen Patienten ableiten?
Nicht direkt. Die EC50 zeigt, welche Konzentration am Zielgewebe nötig wäre, sagt aber nichts über Aufnahme, Verteilung und Abbau im Körper. Bei bereits zugelassenen Medikamenten kann man sie mit bekannten Blutspiegeln vergleichen, die Dosis legt aber immer die behandelnde Ärztin oder der behandelnde Arzt fest.
Warum mehrere iPSC-Klone statt eines einzigen?
Einzelne Klone können sich in ihrer Differenzierung und in ihrem Verhalten unterscheiden, ohne dass das mit der Erkrankung zu tun hat. Mindestens drei unabhängige Klone pro Genotyp machen sichtbar, ob ein Effekt wirklich auf die Mutation und die getestete Substanz zurückgeht.
Quellen
- Drug screening for human genetic diseases using iPSC models (PMC6061782)
- Quantitative high-throughput screening: A titration-based approach (PMC1518803)
- Dyclonine rescues frataxin deficiency in animal models and patient cells (PubMed 25113747)
- Large-scale screening using familial dysautonomia iPSCs (PubMed 23159879)
- Designing drug response experiments and quantifying their results (PMC5729909)
- Optimal design for the dose-response screening of enzyme inhibitors
- Advanced Assay Development Guidelines for Image-Based High Content Screening
- Applying the logic of genetic interaction to discover small molecules (PMC4357233)
- An unbiased metric of antiproliferative drug effect in vitro (PMC4887341)
- Hill coefficients, dose-response curves and allosteric mechanisms (PMC2816740)
- Dose-finding studies in drug development for rare genetic diseases (PMC8985255)
- FDA: Olipudase alfa-rpcp (Xenpozyme), Clinical Dose Escalation