Was die NMR-Metabolomik vom klinischen Alltag fernhält, ist nicht der Magnet, sondern das Fehlen gemeinsamer Standards, argumentiert die Neurowissenschaftlerin Dr. Pinar Sengul.
Ein kleines Röhrchen mit Serum oder Liquor kann in einem NMR-Spektrometer ein erstaunlich detailliertes chemisches Porträt liefern. Dass diese Technologie noch nicht zur Routinemedizin gehört, liegt nicht am Magneten, sondern am Fehlen gemeinsamer Standards, argumentiert die Neurowissenschaftlerin Dr. Pınar Şengül in diesem Gastbeitrag.
Ein schmales Glasröhrchen mit Serum oder Liquor sieht auf dem Labortisch zunächst unspektakulär aus. Im Magnetfeld eines Kernspinresonanz-Spektrometers (NMR-Spektrometers) entsteht daraus jedoch ein erstaunlich detailliertes chemisches Profil. Jeder Metabolit hinterlässt ein charakteristisches Signal, aus dem sich Konzentrationen, Strukturen und molekulare Zusammenhänge ableiten lassen.
Die Methode ist reproduzierbar, quantitativ und informationsreich. Damit drängt sich eine Frage auf: Warum gehört die NMR-basierte Metabolomik noch immer nicht zur klinischen Routine? Abgesehen von einigen wenigen gezielten Anwendungen wie der NMR-gestützten Lipoproteinanalyse ist sie nach wie vor weitgehend ein Forschungswerkzeug.
Die kurze Antwort lautet: Das Gerät ist nicht das eigentliche Problem.
Vom guten Spektrum zur klinischen Entscheidung
Die NMR besitzt mehrere Eigenschaften, die sie für die klinische Forschung attraktiv machen. Messungen können hoch reproduzierbar und quantitativ sein, die Probenvorbereitung ist oft vergleichsweise gering, und die Probe bleibt bei der Analyse erhalten (Emwas et al., 2019). Allerdings ist die NMR weniger empfindlich als viele massenspektrometrische Verfahren. Beide Technologien sollte man daher eher als einander ergänzend denn als Rivalen betrachten: Sie beantworten teilweise unterschiedliche Fragen.
Meine eigene Arbeit zur Serum- und Liquor-Metabolomik hat mir deutlich vor Augen geführt, wie viele Entscheidungen fallen, bevor eine Probe überhaupt ins Spektrometer gelangt. Wann wurde sie entnommen? Wie lange stand sie vor der Verarbeitung? Wie wurde sie gelagert? Welche Medikamente, Ernährungsgewohnheiten oder Begleiterkrankungen könnten den Stoffwechsel beeinflussen? Ein technisch hervorragendes Spektrum kann eine biologische Frage dennoch schlecht beantworten, wenn die präanalytische Kette nicht kontrolliert wurde.
Aktuelle Empfehlungen für die NMR-basierte Blutmetabolomik betonen genau diese Punkte: Alter, Geschlecht, Ernährung, Lebensstil, Gesundheitszustand und Probenhandhabung können die Messwerte beeinflussen. Standardisierung beginnt deshalb beim Patienten und beim Probenröhrchen – nicht beim Magneten.
Reproduzierbarkeit: eine offene Baustelle
2025 veröffentlichte die NMR Special Interest Group der Metabolomics Association of North America (MANA) einen Aufruf zu standardisierten Methodenangaben in Fachpublikationen. Er stützte sich auf eine Auswertung von NMR-Metabolomik-Studien aus den Jahren 2010 und 2020. Diese hatte ergeben, dass wesentliche Angaben zu Studiendesign, experimentellen Parametern, Datenverarbeitung und statistischer Auswertung häufig fehlten oder unvollständig dokumentiert waren – und dass sich daran innerhalb eines Jahrzehnts nur wenig verbessert hatte.
Eine im Mai 2026 veröffentlichte internationale Befragung bestätigte dieses Bild. Von 75 Befragten aus akademischen Laboren, klinischen Laboren und Core Facilities gaben 86 % an, dass ihr Labor über Standardarbeitsanweisungen verfügt; Abweichungen davon waren jedoch häufig und oft nicht dokumentiert. Nur 24 % verwendeten routinemäßig interne Standards für die chemische Verschiebung, und weniger als 10 % hinterlegten ihre Spektraldaten regelmäßig in öffentlichen Datenbanken. Die Autorinnen und Autoren nennen methodische Inkonsistenzen, unzureichende Dokumentation und begrenzte Infrastruktur als Hindernisse für Reproduzierbarkeit und Datenaustausch.
Das klingt weniger spektakulär als ein stärkerer Magnet oder ein neuer Algorithmus der künstlichen Intelligenz (KI), ist für die Übertragung von Forschungsergebnissen in die klinische Praxis aber entscheidend. Ein Biomarker wird für die Patientenversorgung erst dann relevant, wenn seine Ergebnisse nicht nur in einem einzelnen Labor Bestand haben, sondern über Geräte, Standorte und Patientengruppen hinweg.
Die Klinik braucht Entscheidungen, nicht nur Muster
Die Metabolomik kann komplexe Muster erzeugen, doch Ärztinnen und Ärzte müssen daraus konkrete Schritte ableiten können. Sind weitere Untersuchungen nötig? Ist eine Therapieänderung gerechtfertigt? Wie groß ist das Fehlerrisiko? Was bedeutet ein bestimmter Grenzwert für genau diesen Patienten?
Je komplexer ein metabolisches Signal, desto größer ist die Gefahr, statistische Trennschärfe mit klinischem Nutzen zu verwechseln. Ein Modell kann Gruppen in einer Forschungsstichprobe sauber unterscheiden und sich dennoch als zu fragil für den Krankenhausalltag erweisen.
Der Weg in die Klinik erfordert daher prospektive Validierung, externe Kohorten, robuste Qualitätskontrolle, standardisierte Referenzmaterialien und transparente Analysepipelines. Vor allem aber braucht er eine klare Festlegung, wie das Ergebnis eine klinische Entscheidung verändern soll.
Und die künstliche Intelligenz?
KI wird häufig als Abkürzung präsentiert: große Datensätze hinein, klinische Antwort heraus. In der NMR-Metabolomik kann maschinelles Lernen tatsächlich bei der Spektrenverarbeitung, der Mustererkennung und der Klassifikation helfen. Doch kein Algorithmus kann schlechte Metadaten nachträglich in gute Wissenschaft verwandeln.
Wenn Proben auf unterschiedliche Weise gewonnen, Parameter unzureichend dokumentiert und Datensätze nicht interoperabel sind, automatisiert KI im schlimmsten Fall nur die Inkonsistenz.
Eine gemeinsame wissenschaftliche Sprache
Die Zukunft der klinischen NMR-Metabolomik hängt deshalb wahrscheinlich weniger von einem einzelnen technologischen Durchbruch ab als von etwas weit Unspektakulärerem: einer gemeinsamen Methodik.
Stärkere Magnete werden helfen. Empfindlichere Probenköpfe werden helfen. Bessere Software wird helfen. Doch der entscheidende Schritt vom Spektrum zur klinischen Entscheidung gelingt erst, wenn Labore dieselbe wissenschaftliche Sprache sprechen.
Quellen
1. Johnston T. et al. (2025). Securing the Future of NMR Metabolomics Reproducibility: A Call for Standardized Reporting. Analytical Chemistry 97(38): 20655–20666.
2. Powers R. et al. (2024). Best practices in NMR metabolomics: Current state. TrAC Trends in Analytical Chemistry 171: 117478.
3. Johnston T. et al. (2026). Procedural Rigor and Reproducibility in NMR Metabolomics: Community Practices and Challenges. Critical Reviews in Analytical Chemistry, online veröffentlicht am 22. Mai 2026.
4. Emwas A.-H. et al. (2025). Recommendations for sample selection, collection and preparation for NMR-based metabolomics studies of blood. Metabolomics 21: 66.
5. Emwas A.-H. et al. (2019). NMR Spectroscopy for Metabolomics Research. Metabolites 9(7): 123.
6. Matyus S. P. et al. (2014). NMR measurement of LDL particle number using the Vantera Clinical Analyzer. Clinical Biochemistry 47(16–17): 203–210.
Über die Autorin
Dr. Pınar Şengül ist Neurowissenschaftlerin und Neuropsychologin, die an der Acıbadem Mehmet Ali Aydınlar Universität in Istanbul in Neurowissenschaften promoviert wurde. In ihrer Doktorarbeit untersuchte sie dort mithilfe NMR-basierter quantitativer Metabolomik Liquor und Serum von Patientinnen und Patienten mit Multipler Sklerose. Ihre Forschung umfasst klinische Biomarker sowie neuroinflammatorische und neurodegenerative Erkrankungen. Sie ist Erstautorin einer 2025 im Journal of Molecular Neuroscience erschienenen gezielten ¹H-NMR-Serum-Metabolomik-Studie zur möglichen frühen Multiplen Sklerose sowie des 2026 im International Journal of Molecular Sciences erschienenen Fachartikels „Serum Metabolomic Profiling Across Five Oligoclonal Band (OCB) Patterns: A Targeted ¹H-NMR Study in Serum“.
This post is also available in:
Hinterlasse eine Antwort