Das Projekt SeroRA zielte darauf ab, serologische Marker zu identifizieren, die eine frühzeitige Diagnose der rheumatoiden Arthritis (RA) ermöglichen, mit besonderem Fokus auf seronegative Patienten, denen die herkömmlichen Autoantikörper wie Rheumafaktor, antizyklisches citrulliniertes Peptid oder anticitrulliniertes Vimentin fehlen. Das Konsortium, das sich aus den beiden mittelständischen Unternehmen PEPperPRINT GmbH und PROGEN Biotechnik GmbH zusammensetzt, führte die Arbeiten über einen Zeitraum von drei Jahren vom 1. Juni 2017 bis zum 30. November 2020 im Rahmen einer Förderung des Bundesministeriums für Bildung und Forschung (031B0329A / 161B0329A) durch. PEPperPRINT produzierte Peptid-Mikroarrays mit hoher Dichte unter Verwendung einer proprietären Laserdrucktechnik, während PROGEN das Fachwissen und die Infrastruktur für die Entwicklung diagnostischer Assays auf seiner Multiplex-ELISA-Plattform SeraSpot zur Verfügung stellte.

In der ersten Phase wurde ein Epitop-Discovery-Screening an 108 Serumproben aus vier Gruppen durchgeführt: frühe seropositive RA, frühe seronegative RA, Psoriasis-Arthritis und gesunde Kontrollen. Die Arrays enthielten sich überschneidende Peptide, die von bekannten RA-assoziierten Autoantigenen stammen. Die Daten zur Fluoreszenzintensität zeigten deutliche IgG-Reaktivitätsmuster, die die RA-Kohorten von den gesunden Kontrollen abgrenzten, aber die Zahl der unterschiedlich reaktiven Peptide war groß. Daher wurde das Projekt in der zweiten Phase auf einen datengesteuerten Ansatz umgestellt. Der Validierungsdatensatz, der von der gleichen Array-Plattform generiert wurde, wurde einer varianzstabilisierenden Normalisierung (VSN) unterzogen, gefolgt von statistischen Tests mit dem LIMMA-Algorithmus und einer einseitigen ANOVA. Die daraus resultierenden signifikanten Peptide wurden dann in eine Machine-Learning-Pipeline eingespeist, die eine inverse hyperbolische Sinustransformation verwendete, um Kombinationen von Markern zu identifizieren, die die Unterscheidung zwischen seronegativer RA und Kontrollen maximierten. Bei der Visualisierung der IgG-Profile wurden Skalierungsfaktoren von 4 000, 8 000, 12 000 und 16 000 verwendet, um die informativsten Peptide für jede Untergruppe hervorzuheben.

Die Analyse des maschinellen Lernens ergab eine Reihe von Peptidkombinationen, die eine hohe Sensitivität und Spezifität für frühe seronegative RA erreichten und damit einzelne Peptide übertrafen. Eine Heat-Map-Analyse neu veröffentlichter RA-Biomarker-Peptide zeigte jedoch eine unerwartet hohe Autoimmunität bei gesunden Kontrollen, so dass diese Kandidaten für den diagnostischen Einsatz ungeeignet waren. Die letzte Phase des Projekts konzentrierte sich darauf, die vielversprechendsten Marker-Panels in ein klinisch relevantes Format zu überführen. PROGEN führte eine ELISA-Validierung der ausgewählten Peptide auf der SeraSpot-Plattform durch und generierte vorläufige Daten, die die Durchführbarkeit eines Multiplex-Assays unterstützen. Die vollständige Validierung mit unabhängigen Trainingsseren und die behördliche Bewertung stehen noch aus, und eine Patentanmeldung ist geplant, sobald die Leistungsfähigkeit des Assays bestätigt ist.

Während des gesamten Projekts nutzte das Konsortium die komplementären Stärken seiner Partner: PEPperPRINTs Expertise bei der Herstellung von Hochdurchsatz-Arrays und der Datenanalyse und PROGENs Fähigkeiten bei der Entwicklung diagnostischer Assays. Die Zusammenarbeit, die durch das Förderprogramm “KMU innovativ: Biotechnologie – Biochance” unterstützt wurde, ermöglichte die schnelle Umsetzung der Forschungsergebnisse in einen Prototyp eines diagnostischen Instruments. Das Projekt etablierte auch einen neuen Arbeitsablauf für die Array-basierte Entdeckung von Biomarkern, der maschinelles Lernen in die Analyse einbezieht, eine Methodik, die der zukünftigen Biomarkerforschung sowohl für die Partner als auch für externe Kunden zugute kommen wird. Die wissenschaftlichen Ergebnisse wurden zwar noch nicht in einem Peer-Review-Verfahren veröffentlicht, aber die gewonnenen Daten bilden eine solide Grundlage für ein hochspezifisches Testsystem, das die Früherkennung von seronegativer rheumatoider Arthritis verbessern könnte.