SexTumorDB: eine umfassende Ressource zur geschlechtsabhängigen Tumorlandschaft auf Einzelzell-Ebene

Warum Männer und Frauen unterschiedliche Krebserkrankungen bekommen

Ärztinnen und Ärzte wissen seit Langem, dass Männer und Frauen Krebs nicht auf dieselbe Weise erleben. Manche Tumoren sind bei Männern häufiger, andere bei Frauen, und sie reagieren oft unterschiedlich auf dieselben Therapien. Doch über Jahre hinweg wurden die Geschlechter in der Krebsforschung meist als austauschbar betrachtet. Dieser Artikel stellt SexTumorDB vor, eine neue offene Datenbank, die Forschenden ermöglicht, Millionen einzelner Zellen aus menschlichen Tumoren zu untersuchen, um zu erkennen, wie das biologische Geschlecht Krebs im Körper prägt.

Eine neue Karte von Tumoren — Zelle für Zelle

Anstatt Tumoren als einheitliche Massen zu betrachten, zerlegt SexTumorDB sie in mehr als zwei Millionen Einzelzellen. Diese Zellen stammen aus 532 Proben von 13 häufigen Krebsarten, die nicht die Fortpflanzungsorgane betreffen, wie Lungen-, Leber-, Darm-, Blasen- und Gehirntumoren. Jede Zelle trägt eine Ablesung darüber, welche Gene an- oder abgeschaltet sind, so dass Forschende nicht nur Krebszellen, sondern auch Immun- und Stützzellen, die sie umgeben, sehen können. Entscheidend ist, dass jede Probe mit der Angabe verknüpft ist, ob sie von einem männlichen oder weiblichen Patient:innen stammt, wodurch die Datenbank zu einem mächtigen Werkzeug für die Untersuchung geschlechtsbasierter Unterschiede wird.

Sorgfältige Auswahl, um versteckte Verzerrungen zu vermeiden

Um eine verlässliche Ressource zu schaffen, durchsuchte das Team zunächst öffentliche Krebsstudien und legte strenge Aufnahmebedingungen fest. Gefordert wurden Einzelzell- oder Einzelkern-RNA-Sequenzierungsdaten, eindeutige Angaben zum Geschlecht der Spender:innen, Proben, die vom ursprünglichen Tumorort entnommen wurden, und Patient:innen, die noch keine Behandlung erhalten hatten, um medikamentenbedingte Veränderungen zu vermeiden. Außerdem bevorzugten sie eine weit verbreitete Sequenzierplattform, um technische Unterschiede zwischen Studien zu reduzieren. Nach diesem Screening stellten sie Daten aus mehreren Organen und Krankheitsarten zusammen, darunter Tumoren sowie angrenzendes oder gesundes Gewebe, und entfernten Proben, die den Qualitätsanforderungen nicht entsprachen.

Rohdaten in eine gemeinsame Sprache überführen

Die Forschenden führten alle Datensätze anschließend durch eine einheitliche Verarbeitungs-Pipeline, damit Zellen aus verschiedenen Kliniken und Studien direkt vergleichbar sind. Sie prüften die Qualität jeder Zelle, filterten beschädigte oder mehrdeutige Zellen heraus und harmonisierten Genbezeichnungen. Mit spezieller Software korrigierten sie technische Batch-Effekte und projizierten die Zellen in Karten, in denen jeder Punkt eine einzelne Zelle repräsentiert. Darüber hinaus wandten sie ein dreistufiges Beschriftungssystem an: Jede Zelle wird zunächst als Tumor-, Normal-, Immun- oder Stromazelle (Stützgewebe) gekennzeichnet, dann in 33 Haupttypen wie T-Zellen, Fibroblasten oder Epithelzellen gruppiert und schließlich mit detaillierteren Subtyp-Bezeichnungen versehen, die aus den Originalstudien oder manueller Expertenprüfung stammen.

Sicherstellen, dass Geschlecht und Bösartigkeit korrekt sind

Da das Geschlecht zentral für die Datenbank ist, überprüften die Autor:innen die Geschlechtskennzeichnungen doppelt, anstatt sich einfach auf die Originalstudien zu verlassen. Sie nutzten bekannte Gene, die sich bei Männern und Frauen unterschiedlich verhalten, einschließlich Genen auf dem Y-Chromosom und eines Gens namens XIST, das hauptsächlich in weiblichen Zellen aktiv ist. In allen Datensätzen zeigten männliche Proben die erwarteten Y-gebundenen Signaturen, und weibliche Proben wiesen starke XIST-Aktivität auf, was bestätigte, dass das Geschlecht korrekt zugeordnet wurde. Um wirklich maligne Tumorzellen von ähnlich aussehenden normalen Zellen zu unterscheiden, setzten sie ein leichtgewichtiges Machine-Learning-Werkzeug ein und verglichen dessen Ergebnisse mit vorhandenen Labels; es zeigte eine hohe Übereinstimmung und stärkte so das Vertrauen in die Daten.

Werkzeuge für Forschende überall

In Anerkennung dessen, dass nicht jedes Labor Zugang zu leistungsstarken Rechnern oder erfahrenen Programmierer:innen hat, erstellte das Team abgespeckte, heruntergesampelte Versionen der Daten und entwickelte interaktive Webanwendungen. Diese Online-Tools ermöglichen es Nutzer:innen, Tumor-, Immun- und Stromazellen jeweils separat zu erkunden, zu visualisieren, wie sich Zelltypen zwischen männlichen und weiblichen Patient:innen unterscheiden, und standardisierte Datensätze sowie Metadaten herunterzuladen. Die gesamte Ressource mitsamt dem Verarbeitungs-Code wurde über öffentliche Repositorien frei zugänglich gemacht, sodass andere die Arbeit reproduzieren oder erweitern können.

Was das für die künftige Krebsversorgung bedeutet

SexTumorDB liefert zwar kein neues Medikament oder eine unmittelbare Heilung, legt aber das Fundament für Therapien, die biologische Unterschiede zwischen Männern und Frauen berücksichtigen. Indem die Datenbank eine saubere, einheitliche Sicht darauf bietet, wie Millionen einzelner Zellen in männlichen und weiblichen Tumoren agieren, hilft sie Forschenden, geschlechtsspezifische Schwachstellen in Krebszellen und im umgebenden Immunsystem aufzuspüren. Im Laufe der Zeit könnten aus dieser Ressource gewonnene Erkenntnisse gezieltere Screening-Strategien und Therapien leiten und die Krebsversorgung näher an eine wirklich personalisierte Medizin bringen, die das Geschlecht berücksichtigt, statt es als nachträglichen Gedanken zu behandeln.

Zitation: Sun, R., Deng, Q. & Wang, D. SexTumorDB: a comprehensive resource of sex-dependent tumor landscape at single-cell resolution. Sci Data 13, 520 (2026). https://doi.org/10.1038/s41597-026-06707-4

Schlüsselwörter: Geschlechtsunterschiede bei Krebs, Tumormikroumgebung, Single-Cell-RNA-Sequenzierung, Krebsdatenbanken, präzisionsonkologie