Studien-CheckDesiree KaminskiAusgabe 2026
Humanbiomstudien
Allgemein

Humanbiom-Studien: Die wissenschaftliche Basis verstehen

Von Desiree Kaminski · · Lesezeit: 6 Minuten

Schichten aus mattem Acrylglas bilden die stilisierte Form eines Darms im Seitenprofil.
Ein solides Verständnis der Basismethodik ist für Studien unerlässlich. Illustration: KI-generiert

Man kann Mikrobiom-Publikationen wochen- oder monatelang lesen, ohne wirklich zu verstehen, wie die Daten zustande gekommen sind, über die diskutiert wird. Die Pressemitteilungen beschreiben Ergebnisse. Die Methodik steht irgendwo im Supplementary, oder sie fehlt in den relevanten Details ganz. Wer verstehen will, was Humanbiom-Studien tatsächlich zeigen können und was nicht, kommt an der wissenschaftlichen Grundlage nicht vorbei. Diese Grundlage ist technischer, als viele es erwarten. Aber sie ist auch zugänglicher, als man befürchten würde.

Humanbiom-Studien: Was genau wird gemessen?

Der Begriff Humanbiom-Studien umfasst ein weites Spektrum. Was alle diese Studien verbindet: Sie untersuchen mikrobielle Gemeinschaften im oder am menschlichen Körper. Meistens den Darm, seltener die Lunge, die Haut oder den Urogenitaltrakt. Das Ziel ist in der Regel, Zusammenhänge zwischen der Zusammensetzung dieser Gemeinschaften und gesundheitlichen Zuständen zu beschreiben oder im besten Fall zu erklären.

Das methodische Fundament dieser Studien ist Sequenziertechnologie. Zwei Verfahren dominieren das Feld: die 16S-rRNA-Gensequenzierung und die Shotgun-Metagenomik. Beide erzeugen DNS-Sequenzen aus einer Probe, die dann bioinformatisch ausgewertet werden. Aber sie messen unterschiedliche Dinge, und diese Unterschiede sind für die Interpretation von Ergebnissen entscheidend. Wer die Grundbegriffe noch einmal auffrischen möchte, bevor er tiefer einsteigt: die Grundlagen von Humanbiom-Studien einschließlich der Sequenziermethoden sind andernorts auf dieser Seite ausführlich beschrieben.

Die 16S-Methode richtet sich auf ein einzelnes, hoch konserviertes bakterielles Gen. Dieses Gen enthält hypervariable Regionen, die eine taxonomische Zuordnung bis auf Gattungsebene erlauben. Der Vorteil: Das Verfahren ist kostengünstig, gut etabliert und für die meisten klinischen Fragestellungen ausreichend sensitiv. Der Nachteil: Man sieht nur Bakterien. Pilze, Viren und Archaeen bleiben unsichtbar. Zudem ist die Auflösung auf Artebene begrenzt. Funktionale Informationen, also welche Gene in der mikrobiellen Gemeinschaft aktiv sind, liefert die 16S-Sequenzierung nicht.

Shotgun-Metagenomik sequenziert die gesamte DNS einer Probe, ohne Vorauswahl. Das ermöglicht tiefere taxonomische Auflösung bis auf Stamm- und Artebene, schließt nicht-bakterielle Organismen ein und liefert funktionale Informationen über metabolische Kapazitäten. Der Preis dafür ist höher: mehr Rechenaufwand, deutlich mehr Kosten pro Probe und eine höhere Anfälligkeit für Kontamination durch humane DNS, die in Stuhlproben immer vorhanden ist.

Wensel et al. haben in einer wegweisenden Übersichtsarbeit beide Ansätze ausführlich gegenübergestellt und dabei explizit auf ein Problem hingewiesen, das in der klinischen Forschungspraxis oft unterschätzt wird: Ergebnisse aus 16S-Studien und Shotgun-Studien sind nicht direkt vergleichbar. Methode, Referenzdatenbank, Analysetools und Normalisierungsverfahren erzeugen Daten, die unterschiedliche Ausschnitte derselben Realität abbilden. Wer zwei Studien nebeneinanderlegt, ohne das zu berücksichtigen, zieht möglicherweise Schlüsse aus Daten, die strukturell nicht kompatibel sind.

Die Konfundierungsproblematik in Humanbiom-Studien

Selbst wenn eine Studie exzellente Sequenzierungsdaten produziert, ist die Interpretation der Ergebnisse nur so gut wie das Studiendesign, das diese Daten erzeugt hat. Hier liegt ein zweites, oft unterschätztes Problem: Konfundierung. Die Frage, welche Studientypen dabei besonders anfällig sind, ergibt sich bereits aus den grundlegenden Studiendesigns, die in der methodischen Einführung zu Humanbiom-Studien auf dieser Seite behandelt werden.

Eine Konfundierungsvariable ist ein Faktor, der sowohl mit dem untersuchten Expositionsmerkmal als auch mit dem Ergebnis zusammenhängt, ohne in der kausalen Kette zwischen beiden zu liegen. In Mikrobiomstudien sind klassische Konfundierungsvariablen: Ernährung, Alkoholkonsum, Stuhlkonsistenz, Body-Mass-Index, Medikamenteneinnahme, Alter und geografische Herkunft.

Vujkovic-Cvijin und Kollegen haben 2020 in einer breit rezipierten Analyse gezeigt, was passiert, wenn man diese Variablen in Humanbiom-Studien nicht kontrolliert. Anhand großer Datensätze, darunter das American Gut Project, verglichen sie Fälle und Kontrollen für 19 verschiedene Erkrankungen zunächst ohne Matching, dann mit systematischem Abgleich für bekannte Host-Variablen. Das Ergebnis: Bei 13 von 19 untersuchten Krankheitsbildern reduzierte sich der scheinbare Mikrobiomdifferenzial erheblich, sobald Fälle und Kontrollen für Alkoholtrinkhäufigkeit, Stuhlkonsistenz und andere Basiskonfunder gematcht wurden.

Besonders instruktiv war der Befund für Typ-2-Diabetes. Was zunächst wie ein robustes, krankheitsspezifisches Mikrobiom-Profil aussah, kollabierte nach dem Matching weitgehend. Der Unterschied zwischen Diabetikern und gesunden Kontrollen war zu einem erheblichen Teil auf Unterschiede im Alkoholkonsum und im BMI zurückzuführen, nicht auf die Erkrankung selbst. Für chronisch-entzündliche Darmerkrankungen zeigte sich ein stabileres Signal, aber auch dort blieben methodische Einschränkungen sichtbar.

Die Schlussfolgerung ist nicht, dass Mikrobiomforschung bei diesen Erkrankungen nutzlos wäre. Die Schlussfolgerung ist präziser: Viele publizierte Befunde sind methodisch fragiler, als die Sprache der Publikationen nahelegt. Und wer diese Befunde liest, sollte das wissen.

Reproduzierbarkeit: Das strukturelle Problem des Feldes

Reproduzierbarkeit ist in den Biowissenschaften generell ein Dauerthema. In der Mikrobiomforschung nimmt das Problem besondere Schärfe an, weil die Variabilitätsquellen so zahlreich und so wenig standardisiert sind.

Man kann dieselbe Stuhlprobe in zwei verschiedenen Laboren analysieren lassen und unterschiedliche taxonomische Profile erhalten. Das ist nicht Fiktion, sondern dokumentierte Praxis. Die Quellen dieser Variabilität reichen von der Wahl des DNS-Extraktionskits über Lagerungs- und Einfrierbedingungen der Proben bis zur Primer-Wahl bei der 16S-Amplifikation, der verwendeten Referenzdatenbank für taxonomische Zuordnung und dem statistischen Normalisierungsverfahren, das am Ende der Analysepipeline steht.

Wensel et al. thematisieren dieses Problem direkt und benennen eine praktische Konsequenz: Rohdaten aus verschiedenen Studien sind ohne Harmonisierung der Analysepipeline kaum sinnvoll zusammenzuführen. Das wirkt sich auf Meta-Analysen aus, die in der evidenzbasierten Medizin als höchste Evidenzform gelten. Eine Meta-Analyse über Mikrobiom-Befunde ist nur so valide wie die methodische Homogenität der eingehenden Primärstudien. Liegt diese Homogenität nicht vor, bündelt die Meta-Analyse systematisch inkomparables Material.

Standardisierungsinitiativen, darunter das NIST-Referenzmaterial für humane Stuhlproben, versuchen dieses Problem zu adressieren, indem sie einen gemeinsamen Referenzpunkt für unterschiedliche Labore schaffen. Das ist methodischer Fortschritt. Er löst aber das Designproblem nicht: Auch perfekt standardisierte Probenverarbeitung schützt nicht vor einer schlecht konzipierten Studienkohorte oder vor Konfundierungsvariablen, die nicht erhoben wurden.

Was diese Grundlagen für die Lektüre von Humanbiom-Studien bedeuten

Die wissenschaftliche Basis von Humanbiom-Studien zu verstehen, bedeutet nicht, selbst Bioinformatik betreiben zu müssen. Es bedeutet, beim Lesen einer Publikation in der Lage zu sein, drei Fragen zu stellen und die Antworten einzuordnen.

Erste Frage: Welche Sequenzierungsmethode wurde verwendet, und welche Einschränkungen bringt sie für die konkrete Fragestellung mit sich? 16S-Daten, die Schlüsse über Pilze oder virale Gemeinschaften stützen sollen, können das strukturell nicht leisten. Funktionale Aussagen, die auf reinen Kompositionsdaten basieren, sind Spekulation, keine Evidenz.

Zweite Frage: Welche Konfundierungsvariablen wurden erhoben und wie wurden sie kontrolliert? Ein Methodenteil, der zu diesem Punkt schweigt, ist ein Warnsignal. Studien ohne systematisches Matching für Ernährung, Medikation und Stuhlkonsistenz produzieren Assoziationen, deren Spezifität unklar ist.

Dritte Frage: Sind die Ergebnisse in einer unabhängigen Kohorte repliziert worden? In der Mikrobiomforschung, wo Populationsheterogenität und Methodenvarianz hoch sind, hat ein nicht replizierter Befund vorläufigen Charakter, auch wenn er statistisch signifikant ist.

Diese Fragen sind kein Zeichen von Skepsis gegenüber dem Forschungsfeld. Sie sind das Handwerkszeug kritischer Lektüre, das jeder braucht, der Humanbiom-Studien nicht nur rezipiert, sondern einordnen will. Die Differenz zwischen beidem ist erheblich.

Referenzen

Wensel CR et al. (2022). Next-generation sequencing: insights to advance clinical investigations of the microbiome. J Clin Invest. https://doi.org/10.1172/JCI154944

Vujkovic-Cvijin I et al. (2020). Host variables confound gut microbiota studies of human disease. Nature, 587, 448–454. https://doi.org/10.1038/s41586-020-2881-9

Dieser Beitrag dient der allgemeinen Information und ersetzt keine ärztliche Untersuchung, Diagnose oder Behandlung.

Weiterführend