Multiomik Probiotika: vom Datensatz zum LBP-Programm
Multiomik Probiotika erklärt, wie Genomik, Transkriptomik und Metabolomik LBP-Programme mechanistisch schärfen und schwache Claims früher entlarven können.
Von Thomas Wechsler
Pharmakologe ·

Multiomik Probiotika klingt nach einem weiteren Datenwort aus der Sequenzierindustrie. In der Entwicklung von Live Biotherapeutic Products ist es aber etwas Konkreteres: der Versuch, aus Taxonomie, Genomfunktion, Transkription, Proteinen und Metaboliten ein prüfbares Wirkmodell zu bauen. Wer heute nur zeigen kann, dass sich nach einer Intervention einige relative Häufigkeiten verschieben, hat noch kein belastbares LBP-Programm. Er hat zunächst eine Beobachtung.
Genau deshalb ist Multiomik für Probiotika wichtig. Nicht weil mehr Daten automatisch bessere Evidenz erzeugen. Sondern weil ein definierter Stamm im Darm nicht isoliert arbeitet. Er trifft auf ein resident etabliertes Ökosystem, auf Substrate, Phagen, Wirtsimmunität, Gallensäuren, Medikamente und Ernährungsprofile. Eine einzelne Omics-Schicht kann davon immer nur einen Ausschnitt zeigen.
Multiomik Probiotika: was die einzelnen Ebenen leisten
Die klassische Metagenomik beantwortet zuerst die Identitätsfrage: welche Organismen und Gene sind nachweisbar, und mit welcher Auflösung lässt sich ein applizierter Stamm von nahe verwandten residenten Stämmen trennen? Für LBPs ist das nicht trivial. Ein Lactobacillus– oder Bifidobacterium-Name auf Speziesebene reicht regulatorisch und mechanistisch kaum aus. Entscheidend ist, ob der Studienorganismus stammgenau verfolgt werden kann.
Metatranskriptomik verschiebt die Frage von Anwesenheit zu Aktivität. Ein Stamm kann in der Probe vorhanden sein, ohne unter den gegebenen Bedingungen relevante Gene zu exprimieren. Für Entwicklungsprogramme ist das zentral, weil viele behauptete Wirkmechanismen, etwa Barriereeffekte, antimikrobielle Peptide oder immunmodulierende Stoffwechselwege, nicht aus der reinen Genpräsenz abgeleitet werden sollten.
Proteomik und Metabolomik bringen die Analyse näher an den funktionellen Output. Sie fragen, welche Moleküle tatsächlich entstehen und ob diese Moleküle plausibel mit Wirtsendpunkten verbunden sind. Bei Probiotika ist das oft die kritischste Ebene. Ein Stamm kann genomisch viel versprechen, aber unter realen Darmbedingungen nur einen sehr begrenzten metabolischen Fußabdruck hinterlassen. Umgekehrt kann ein kleiner, konsistenter Metabolitenshift aussagekräftiger sein als eine breite, aber instabile Veränderung der relativen Häufigkeiten.
Warum Single-omics für LBP-Claims zu schwach ist
Kwoji und Kollegen beschreiben in ihrer Übersichtsarbeit zu Multiomik in Probiotika-Studien genau dieses Problem: Genomik, Transkriptomik, Proteomik, Metabolomik und Lipidomik erzeugen jeweils relevante, aber unvollständige Sichten auf Probiotika und ihre Interaktion mit Wirt und Mikrobiom. Die Stärke entsteht erst, wenn die Ebenen integriert werden. Ohne Integration bleibt die Versuchung groß, eine einzelne auffällige Messung als Mechanismus zu lesen.
Das kennen wir aus vielen Mikrobiomprogrammen. Ein Taxon steigt nach Intervention an, ein Entzündungsmarker sinkt, und schon wird eine Kausalkette erzählt. In einem Entwicklungsmeeting sollte spätestens hier jemand auf die Bremse treten. Zeitliche Kopplung ist keine mechanistische Attribution. Und eine Assoziation zwischen einem Stamm und einem klinischen Endpunkt sagt wenig, wenn Substratverfügbarkeit, Begleitmikrobiota und Wirtsstatus nicht mitgemessen wurden.
Die IBDMDB-Studie von Lloyd-Price et al. bleibt ein gutes Beispiel dafür, wie breit ein mikrobielles Ökosystem erfasst werden muss, wenn man Dynamik wirklich verstehen will. Die Arbeit kombinierte unter anderem Metagenome, Metatranskriptome, Proteome, Metabolome und Virome über wiederholte Proben. Das war keine Probiotika-Studie. Für LBP-Programme ist sie trotzdem lehrreich, weil sie zeigt, wie stark Mikrobiomzustände zeitlich schwanken und wie riskant es ist, aus wenigen Stuhlproben stabile Wirkannahmen abzuleiten.
Multiomik Probiotika und die Frage der Kausalität
Die aktuelle Konsensusarbeit von Metwaly et al. zur Kausalität in der Mikrobiomforschung formuliert einen Punkt, der für Probiotika-Entwicklung besonders unbequem ist: therapeutische Anwendungen brauchen mehr als korrelative Profilierung. Sie brauchen plausible Modelle, geeignete präklinische Systeme, robuste Studiendesigns und eine Kette von Befunden, die von der Mikrobe über Funktion bis zum Wirtsphänotyp reicht.
Multiomik kann diese Kette nicht allein beweisen. Aber sie kann schwache Hypothesen früh sichtbar machen. Wenn ein Kandidatenstamm in vitro Butyrat-nahe Funktionen zeigt, im Menschen aber weder die erwarteten Transkripte noch passende Metabolitenmuster auftauchen, sollte das Programm diese Diskrepanz ernst nehmen. Wenn dagegen Genomik, Transkription und Metabolomik konsistent in dieselbe Richtung zeigen und der Effekt zeitlich zum klinischen Signal passt, wird die Hypothese stärker. Noch nicht bewiesen, aber prüfbarer.
Hier liegt auch der Unterschied zwischen einem wissenschaftlich brauchbaren Biomarker und einem dekorativen Datenpanel. Ein Biomarker muss in das Wirkmodell passen und eine Entscheidung im Programm verbessern: Dosis, Einschlusskriterium, Responderdefinition, Sicherheitsmonitoring oder Go-no-go. Ein Panel, das nur nachträglich bunte Unterschiede zeigt, ist analytisch interessant, aber operativ schwach.
Was ein gutes Multiomik-Design für Probiotika enthalten sollte
Aus Entwicklungssicht beginnt ein gutes Design nicht mit der Frage, welche Plattform gerade verfügbar ist. Es beginnt mit der Hypothese. Soll der Stamm kolonisieren, transient metabolisch aktiv sein, eine Nische besetzen, ein Pathobiont verdrängen oder einen immunologischen Tonus verändern? Jede dieser Hypothesen verlangt andere Messfenster.
Für ein ernsthaftes LBP-Programm würden wir mindestens vier Punkte verlangen. Erstens: stammauflösendes Tracking, nicht nur Speziesprofile. Zweitens: zeitlich dichte Proben, weil frühe Aktivität und spätere ökologische Anpassung auseinanderfallen können. Drittens: funktionelle Ebenen, vor allem Transkriptomik und Metabolomik, wenn ein Wirkmechanismus behauptet wird. Viertens: klare Verbindung zu klinischen oder translationalen Endpunkten, nicht nur zu Surrogatmarkern.
Diese Anforderungen sind aufwendig. Genau deshalb werden sie oft reduziert. Aber die Alternative ist nicht schlanker, sondern unschärfer. Wer Multiomik erst nach einer Studie als exploratives Add-on einplant, verliert den größten Nutzen: die Möglichkeit, Studiendesign und Entwicklungsentscheidung von Anfang an mechanistisch zu schärfen.
Ein verwandter Punkt wurde bereits bei der Single-Cell-Sequenzierung in der Probiotika-Entwicklung sichtbar. Auch dort reicht technische Auflösung allein nicht aus. Sie muss an eine konkrete Frage gebunden sein. Dasselbe gilt für die Metabolomik von Probiotika: Der Wert entsteht nicht aus der Zahl detektierter Peaks, sondern aus ihrer biologischen und klinischen Einordnung.
Die eigentliche Hürde ist Datenintegration
Die schwierigste Arbeit beginnt nach der Messung. Multiomik produziert heterogene Daten mit unterschiedlichen Skalen, Rauschprofilen, Batch-Effekten und Fehlerraten. Eine Sequenzierungsplattform, ein Massenspektrometer und ein klinischer Endpunkt sprechen nicht dieselbe statistische Sprache. Wer diese Ebenen naiv zusammenlegt, erzeugt schnell scheinbare Muster.
Für Probiotika bedeutet das: Datenintegration muss vorab geplant werden. Welche Ebene priorisiert die Hypothese? Welche Kovariaten sind zwingend, etwa Ernährung, Antibiotika, Protonenpumpenhemmer oder Baseline-Mikrobiom? Welche Analyse trennt den applizierten Stamm von Hintergrundvariation? Und welche Befunde gelten nur als explorativ? Diese Fragen sind nicht akademische Pedanterie. Sie entscheiden, ob ein Entwicklungsprogramm später robuste Aussagen machen kann.
Wir sollten Multiomik deshalb nicht als Beweismaschine verkaufen. Sie ist eher ein Belastungstest für mechanistische Behauptungen. Gute Kandidaten überstehen diesen Test nicht, weil jede Ebene perfekt passt. Das tut sie selten. Sie überstehen ihn, weil Diskrepanzen erklärbar sind, weil Signale reproduzierbar bleiben und weil die Daten eine nächste experimentelle Entscheidung verbessern.
Fazit: Multiomik ist kein Luxus, sondern ein Filter
Multiomik Probiotika ist kein Selbstzweck und kein Ersatz für klinische Endpunkte. Aber in der LBP-Entwicklung ist sie ein wichtiger Filter gegen zu frühe Wirksamkeitsgeschichten. Sie zwingt uns, vom Namen eines Stammes über seine Aktivität bis zu messbaren funktionellen Folgen zu denken.
Der Markt liebt einfache Aussagen: dieser Stamm stärkt die Barriere, jener moduliert das Immunsystem. In der Entwicklung sollten wir solche Sätze erst akzeptieren, wenn mehrere Datenebenen sie tragen. Nicht perfekt, aber konsistent genug, um die nächste Studie besser zu machen. Alles darunter bleibt Hypothese, manchmal eine gute, aber eben noch keine therapeutische Evidenz.
Quellen
Kwoji, I. D. et al. (2023). ‘Multi-omics’ data integration: applications in probiotics studies. npj Science of Food. https://doi.org/10.1038/s41538-023-00199-x
Lloyd-Price, J. et al. (2019). Multi-omics of the gut microbial ecosystem in inflammatory bowel diseases. Nature. https://doi.org/10.1038/s41586-019-1237-9
Metwaly, A. et al. (2025). A Consensus Statement on establishing causality, therapeutic applications and the use of preclinical models in microbiome research. Nature Reviews Gastroenterology & Hepatology. https://doi.org/10.1038/s41575-025-01041-3
Dieser Artikel fasst Wissen allgemein verständlich zusammen und kann eine individuelle Beratung nicht ersetzen.
Weiterführend
Akkermansia-Postbiotikum bei PCOS/PMOS: Was das RCT zeigt
Ein randomisiertes Trial prüfte ein Akkermansia-Postbiotikum als Zusatz zur Standardtherapie bei PMOS, dem neuen Namen für PCOS. Die Effekte waren messbar, aber klein.
Probiotika bei Prostatavergrößerung: Evidenz prüfen
Probiotika bei Prostatavergrößerung kritisch geprüft: Mikrobiomdaten, Entzündungshypothese, LBP-Design und klare Grenzen klinischer Evidenz für Claims.
Probiotika und Kopfschmerzen: Evidenz zu Triggern prüfen
Probiotika und Kopfschmerzen: Was Studien zu Migräne, Darm-Hirn-Achse und Triggern zeigen, und warum pauschale Claims klinisch vorsichtig bleiben müssen.