scieneers
  • Story
  • Leistungen
    • Leistungen allgemein
    • KI für die Energiewirtschaft
    • Große Sprachmodelle für Ihre Daten
    • Erweiterbare AI-Chat-Basis
    • Azure über CSP beziehen
    • Microsoft Fabric Data Platforms
    • Social Impact @ scieneers
  • Workshops
    • Datenprodukt-Strategie Workshop
    • Microsoft Data Strategy & Analytics Assessment
    • Azure Data Platform Proof of Concept
    • Retrieval-Augmented Generation
    • Microsoft Fabric: „Bring Your Own Data“ Workshop
    • Power BI Training
    • Fabric Analyst in a Day
  • Content
  • Team
  • Join
  • Kontakt
  • DE
  • EN
  • Menü Menü

Ein Buchstabe, der alles verändert

Die Geschichte der Sichelzellkrankheit

08.07.2026 – ca. 7 Min. Lesezeit – Zurück zur Startseite – Alle Blog-Artikel

In unserem Beitrag Die Nadel im genomischen Heuhaufen finden haben wir beschrieben, wie sich eine einzelne genetische Variante zwischen Millionen harmloser Varianten im menschlichen Genom verstecken kann.

Manchmal wissen wir jedoch bereits ganz genau, welche Variante eine Krankheit verursacht.

Die Sichelzellkrankheit ist eines der bekanntesten Beispiele dafür.

🧪 Die Mutation hinter der Krankheit

Die Sichelzellkrankheit wird durch eine Mutation im HBB-Gen verursacht, das für das Beta-Globin-Protein codiert, einen zentralen Bestandteil des Hämoglobins.

Hämoglobin ist für den Sauerstofftransport in unseren roten Blutkörperchen verantwortlich.

In diesem Fall verändert der Austausch eines einzigen Nukleotids eine einzelne Aminosäure im Protein: Aus Glutaminsäure wird Valin.

Das klingt nach einer winzigen Veränderung.

Doch dieser eine Austausch verändert die physikalischen Eigenschaften des Hämoglobins. Unter bestimmten Bedingungen lagern sich die mutierten Hämoglobinmoleküle aneinander und bilden lange Fasern im Inneren der roten Blutkörperchen.

Dadurch werden die Zellen, die normalerweise rund und flexibel sind, starr und nehmen eine sichelförmige Gestalt an.

(Quelle: Development of β-globin gene correction in human hematopoietic stem cells as a potential durable treatment for sickle cell disease)

KI-generierte Illustration der Sichelzellkrankheit in einem Blutgefäß: sichelförmige rote Blutkörperchen verklumpen und blockieren den Blutfluss, während normale runde rote Blutkörperchen das Gefäß passieren.

KI-generierte Illustration der Sichelzellkrankheit in einem Blutgefäß: sichelförmige rote Blutkörperchen verklumpen und blockieren den Blutfluss, während normale runde rote Blutkörperchen das Gefäß passieren.

🩸 Warum die Form entscheidend ist

Diese verformten Zellen können kleine Blutgefäße verstopfen und zerfallen leichter.

Die Folgen sind gravierend: Schmerzkrisen, eine verringerte Sauerstoffversorgung, Organschäden, ein erhöhtes Infektionsrisiko und eine verkürzte Lebenserwartung.

Obwohl die Sichelzellkrankheit in Europa als selten gilt, ist sie in Teilen der Subsahara Afrikas deutlich häufiger. (Quelle: WHO)

Der Grund dafür ist ein bemerkenswertes Beispiel für einen evolutionären Trade-Off.

🌍 Die Verbindung zur Malaria

Die Sichelzellkrankheit wird autosomal-rezessiv vererbt. Das bedeutet: Nur wer zwei Kopien des mutierten Gens erbt, erkrankt.

Menschen, die lediglich eine Kopie tragen, sogenannte Träger, sind dagegen deutlich besser vor schweren Malariaverläufen geschützt. (Quelle: Sickle cell anaemia and malaria)

Dieser Schutzeffekt verschaffte Trägern in Regionen mit endemischer Malaria einen Überlebensvorteil.

Über Generationen hinweg führte das zu einer höheren Häufigkeit der Mutation in diesen Bevölkerungsgruppen.

Heute werden schätzungsweise 515.000 Kinder pro Jahr mit einer Sichelzellkrankheit geboren, viele davon in Subsahara-Afrika. (Quelle: WHO)

In einigen Regionen sterben 50–90 % der betroffenen Kinder, bevor sie das Erwachsenenalter erreichen. (Quelle: The epidemiology of sickle cell disease in children recruited in infancy in Kilifi, Kenya: a prospective cohort study)

🧬 Die Mutation beheben

In vielen meiner Vorträge kommt immer wieder dieselbe Frage auf:

Wenn wir die genaue Mutation kennen, die eine Krankheit auslöst, können wir sie dann nicht einfach reparieren?

Bei Erkrankungen, die auf einem Einzelbasenaustausch beruhen, ist dieser Gedanke besonders naheliegend. Wenn ein einziger Buchstabe im Genom die Krankheit verursacht, könnte die Korrektur dieses Buchstabens das Problem im Prinzip vollständig beseitigen.

Lange Zeit klang das eher nach Science-Fiction als nach Medizin.

Doch im vergangenen Jahrzehnt hat eine Technologie das grundlegend verändert: CRISPR-Cas9.

2020 wurde Emmanuelle Charpentier und Jennifer Doudna der Nobelpreis für Chemie für die Entwicklung dieser revolutionären Genome-Editing-Methode verliehen. CRISPR erlaubt es, DNA an einer präzise definierten Stelle zu schneiden und die Sequenz zu verändern und eröffnet damit die Möglichkeit, krankheitsverursachende Mutationen direkt zu korrigieren. (Quelle: The Nobel Prize)

Die Sichelzellkrankheit ist eines der ersten Beispiele, bei denen diese Idee von der Theorie in die klinische Praxis übergegangen ist.

Die erste CRISPR-basierte Therapie gegen die Sichelzellkrankheit, Casgevy, ist bereits zugelassen. (Quelle: FDA)

Allerdings kostet die Behandlung derzeit rund 2,2 Millionen US-Dollar pro Patient:in. (Quelle: Affordable Pricing of CRISPR Treatments is a Pressing Ethical Imperative)

🇮🇳 Ein anderer Ansatz

Vor zwei Jahren hatte ich die Gelegenheit, an einem Workshop am CSIR-IGIB in Neu-Delhi teilzunehmen, wo ich Dr. Debojyoti Chakraborty kennenlernte.

Debo war unglaublich zuvorkommend und nahm sich die Zeit, uns herumzuführen und seine Arbeit ausführlich zu erklären.

Foto von Dr. Debojyoti Chakraborty und mir vor dem Gebäude des CSIR-IGIB (Institute of Genomics and Integrative Biology) in Neu-Delhi während eines Workshop-Besuchs.

Foto von Dr. Debojyoti Chakraborty und mir vor dem Gebäude des CSIR-IGIB (Institute of Genomics and Integrative Biology) in Neu-Delhi während eines Workshop-Besuchs.

Es war eine dieser Begegnungen, an die man sich noch Jahre später erinnert.

Falls du das hier liest, Debo, nochmals vielen Dank für diese Erfahrung. 🙂

Gemeinsam mit seinen Kolleg:innen entwickelt er eine CRISPR-basierte Therapie namens Birsa-101, die die Sichelzellmutation korrigieren soll. (Quelle: Birsa-101: India’s Path Towards Affordable CRISPR Therapies)

Die Therapie befindet sich derzeit in klinischen Studien und soll die Behandlungskosten drastisch senken, möglicherweise um bis zum 40-Fachen.

Das Projekt ist Teil der 2023 gestarteten National Sickle Cell Anaemia Elimination Mission Indiens, die das Ziel verfolgt, die Krankheit in Indien bis 2047 zu eliminieren.

Wer tiefer in die Technologie und Debos Forschung eintauchen möchte, dem empfehle ich das folgende, in Nature Communications erschienene Paper: PAM-flexible Engineered FnCas9 variants for robust and ultra-precise genome editing and diagnostics

🔬 Von der Variante zur Heilung

Für mich hat diese Erfahrung eines sehr deutlich gemacht:

Ein einziger Buchstabe im Genom kann eine verheerende Krankheit auslösen.

Aber das Zusammenspiel von Genomik, Biotechnologie und zunehmend auch Machine Learning könnte es uns ermöglichen, ihn zu korrigieren

Unser Beitrag

In unserer gemeinsamen Forschung mit dem Zentrum für Humangenetik und Genommedizin der Uniklinik RWTH Aachen entwickeln und wenden wir Machine Learning Methoden an, um neue Erkenntnisse aus genomischen Daten zu gewinnen und so zu einer besseren Versorgung und Behandlung von Patient:innen beizutragen. Darüber hinaus betreuen wir die Cloud-Infrastruktur und die Data-Lakehouse-Architektur, die skalierbare genomische Datenanalysen in Kombination mit modernsten ML-Ansätzen möglich machen.

Wenn dich diese Arbeit interessiert oder du über mögliche Kooperationen sowie Projekte sprechen möchtest, melde dich gerne bei uns oder direkt bei mir.

Autor

Martin Danner

Martin Danner, Data Scientist & ML Engineer bei scieneers GmbH


martin.danner@scieneers.de


LinkedIn


ORCID iD

Weitere Blog-Posts

Illustration eines lächelnden Roboters mit verbundenen Diagrammen, Tabellen und einer Lupe auf einem Bildschirm

Power BI Custom Visuals

9. Oktober 2026
Mit KI-Agenten entstehen Power BI Custom Visuals in Tagen statt Wochen – wenn der Plan stimmt. Michael Wetzel zeigt an einem Radar-Chart aus einem Kundenprojekt, warum die Spezifikation die halbe Arbeit ist und wie der Performance Analyzer Fehler eingrenzt.
https://www.scieneers.de/wp-content/uploads/2026/10/Power-BI-Customs-Visuals-Blog-Post-Bild-1-scaled.jpg 1429 2560 shinchit.han@scieneers.de https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png shinchit.han@scieneers.de2026-10-09 16:40:342026-10-12 09:57:09Power BI Custom Visuals

Time Series Foundation Models in Practice

7. Oktober 2026
Können Time-Series-Foundation-Models die Wärmebedarfsprognose in Fernwärmenetzen verbessern? In unserer Offline-Studie vergleichen wir Chronos-2, TimesFM-2.5 und Moirai-2 mit AutoARIMA, XGBoost und weiteren Baselines auf der Grundlage realer Daten aus vier Fernwärmenetzen. Chronos-2 erzielte die besten Ergebnisse, sogar im Zero-Shot-Einsatz ohne Trainingsdaten aus dem Zielnetz. Der Beitrag untersucht die Dateneffizienz, das Fine-Tuning, die Robustheit bei fehlerhaften Sensordaten und die Zuverlässigkeit im Betrieb.
https://www.scieneers.de/wp-content/uploads/2026/10/Masterarbeit-Blog-Post-Bild-scaled.jpg 1429 2560 shinchit.han@scieneers.de https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png shinchit.han@scieneers.de2026-10-07 17:04:102026-10-07 17:04:17Time Series Foundation Models in Practice
Illustration eines offenen Buchs, das mit einer Lupe, einem Roboterkopf, Datenbank- und Chat-Symbolen verbunden ist, die durch Linien und Punkte vernetzt sind

Rückblick: Unser Workshop zu Retrieval-Augmented Generation (RAG)

3. Oktober 2026
Rund 30 Teilnehmende aus den Bereichen Wohlfahrtsverbände, Entwicklungszusammenarbeit, Digitalpolitik, Wissenschaft und lokale Zivilgesellschaft nahmen an unserem kostenlosen RAG-Workshop mit dem Civic Data Lab teil. Zwei Stunden lang ging es um die Grundlagen von Retrieval-Augmented Generation, eine Hands-on-Session und die Frage, wann RAG das passende Werkzeug ist. Den Rückblick mit den Folien zum Download finden Sie hier.
https://www.scieneers.de/wp-content/uploads/2026/09/Gemini_Generated_Image_pwnqigpwnqigpwnq-scaled.jpg 1429 2560 shinchit.han@scieneers.de https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png shinchit.han@scieneers.de2026-10-03 08:00:212026-10-09 16:38:47Rückblick: Unser Workshop zu Retrieval-Augmented Generation (RAG)
scieneers Gruppenfoto

Rückblick auf unser Herbstevent 2026

2. Oktober 2026
Beim scieneers Herbstevent 2026 kamen Kolleg:innen aus fünf Standorten in Hamburg zusammen. Zwei Tage lang standen fachliche Sessions, Teamarbeit, persönliche Lightning Talks und gemeinsamer Austausch im Mittelpunkt.
https://www.scieneers.de/wp-content/uploads/2026/09/IMG_0354-2-scaled.jpg 1388 2560 shinchit.han@scieneers.de https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png shinchit.han@scieneers.de2026-10-02 07:35:342026-10-02 15:40:40Rückblick auf unser Herbstevent 2026
Schaubild mit zentraler Figur "Data Product Owner" und vier verbundenen Kreisen zu Nutzer-, Geschäfts-, Technologie- und Datenperspektive mit Symbolen für Gruppen, Diagramm, Roboterarm und Datenbanken

Data Product Ownership

2. September 2026
Der Data Product Owner spielt eine zentrale Rolle bei der Entwicklung erfolgreicher Datenprodukte. Neben den Aspekten Desirability, Viability und Feasibility muss er zusätzlich die Perspektive „Datability” managen, denn Unsicherheit, Datenqualität und iterative Weiterentwicklung prägen jedes Datenprojekt. Der Beitrag zeigt, welche Aufgaben und Kompetenzen einen guten Data Product Owner ausmachen und wie sich diese Rolle von der des Data Scientists abgrenzt.
https://www.scieneers.de/wp-content/uploads/2026/08/Gemini_Generated_Image_rg6ongrg6ongrg6o-1-scaled.jpeg 1429 2560 shinchit.han@scieneers.de https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png shinchit.han@scieneers.de2026-09-02 09:00:072026-09-04 09:32:15Data Product Ownership

Spec-Driven-Development

12. August 2026
Ein kurzer Prompt genügt, und die KI liefert scheinbar mühelos eine lauffähige Lösung – der Preis dafür sind oft mangelnde Wartbarkeit und fehlende architektonische Richtung. Spec-Driven Development (SDD) setzt genau hier an: Die Spec wird zum expliziten, geteilten Kontext zwischen Entwickler und Modell, noch bevor der erste Code entsteht.
https://www.scieneers.de/wp-content/uploads/2026/08/Gemini_Generated_Image_fb66safb66safb66-scaled.png 1429 2560 Alina Dallmann https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png Alina Dallmann2026-08-12 18:21:492026-08-14 15:50:16Spec-Driven-Development

Ein Buchstabe, der alles verändert: Die Geschichte der Sichelzellkrankheit

8. Juli 2026
Eine einzelne Mutation im HBB-Gen verursacht die Sichelzellkrankheit, indem sie Form und Funktion der roten Blutkörperchen verändert. Dieser Artikel beleuchtet die Biologie hinter der Krankheit, ihren Zusammenhang mit Malaria und wie CRISPR-Gentherapien wie Casgevy und Indiens Birsa-101 die Mutation an ihrem Ursprung korrigieren wollen.
https://www.scieneers.de/wp-content/uploads/2026/07/story_sickle_cell_no_title.png 1024 1536 Martin Danner https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png Martin Danner2026-07-08 17:14:282026-07-31 14:25:40Ein Buchstabe, der alles verändert: Die Geschichte der Sichelzellkrankheit

Die Suche nach der Nadel im genomischen Heuhaufen

4. Juni 2026
Jedes menschliche Genom enthält Millionen genetischer Varianten. Die meisten sind harmlos, doch manchmal kann schon eine einzige Veränderung eine schwere Krankheit verursachen. Diese eine Variante zu finden gleicht der Suche nach der Nadel im Heuhaufen – eine Herausforderung, die zunehmend mit Machine Learning angegangen wird.
https://www.scieneers.de/wp-content/uploads/2026/06/blog_post_genomic_haystack.png 1024 1536 Martin Danner https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png Martin Danner2026-06-04 15:26:032026-07-31 14:24:20Die Suche nach der Nadel im genomischen Heuhaufen
Straßenbahndepot bei Nacht mit mehreren abgestellten Straßenbahnen und einer fahrenden Straßenbahn, überlagert von digitalen Grafiken zur dynamischen Disposition und Gleisbelegung.

Dynamische Disposition in Straßenbahndepots durch Reinforcement Learning

26. Mai 2026
Wenn der Linienbetrieb endet, beginnt im Straßenbahndepot ein komplexes Optimierungsproblem. Gemeinsam mit der Firma IVU Traffic Technologies haben wir untersucht, wie Deep Reinforcement Learning die dynamische Disposition im Depot unterstützen kann.
https://www.scieneers.de/wp-content/uploads/2026/05/Screenshot-2026-05-22-090434.jpeg 692 1272 shinchit.han@scieneers.de https://www.scieneers.de/wp-content/uploads/2020/04/scieneers-gradient.png shinchit.han@scieneers.de2026-05-26 08:27:482026-05-26 08:35:31Dynamische Disposition in Straßenbahndepots durch Reinforcement Learning
Zurück Zurück Zurück Weiter Weiter Weiter
© Copyright scieneers – Impressum | Datenschutz
Nach oben scrollen Nach oben scrollen Nach oben scrollen