# Neue ATM-Studie: E2, CIP2A und TOPBP1 im Kontext

> Eine Cell-Reports-Studie 2026 verknüpft HPV E2 mit ATM-Aktivierung; BioQ-Daten aus DepMap, ChEMBL, Open Targets und TCGA zeigen den Stand zum 2026-11-06.

Datenstand 2026-11-06 · Veröffentlicht 2026-11-06 · Aktualisiert 2026-11-06 · https://bioq.bio/blog/de/atm-e2-displacement-of-cip2a-from-topbp1-activates-the-dna-damage-response

![BioQ-Ergebnisseite zur Abfrage ATM mit der Gen-Zusammenfassung sowie Panels zu Genabhängigkeit, Wirkstoffen und Krankheitsassoziationen.](https://bioq.bio/blog/img/atm-e2-displacement-of-cip2a-from-topbp1-activates-the-dna-damage-response/de/hero.webp)

Als Hintergrund für die neue ATM-Studie in Cell Reports (2026) zum Papillomavirus-Protein E2 lohnt ein Blick auf die öffentlichen Daten. In DepMap (Release depmap_24q4) ist ATM kein common-essential-Gen: 8 von 1178 Zelllinien gelten als abhängig, das sind 0,7 Prozent, und der mittlere Chronos-GenEffekt beträgt -0,008. Zum Gen sind 5 Wirkstoffe gelistet, und die stärkste Krankheitsassoziation in Open Targets ist Ataxia telangiectasia (Score 0,875). Alle Daten stammen vom Stand 2026-11-06.

## Was wir zur neuen ATM-Studie gefragt haben

Die Arbeit (DOI 10.1016/j.celrep.2026.118209) untersucht, wie das Papillomavirus-Protein E2 die DNA-Schadensantwort im differenzierenden Epithel aktiviert. Sie beschreibt einen Weg über CIP2A, TOPBP1 und PP2A, der in der Phosphorylierung von ATM endet. Außerdem beschreibt sie, dass E2 ATM und TOPBP1 zusammenhält, während ATR ruhig bleibt. Diese Ergebnisse und die zugrunde liegenden Experimente in Keratinozyten, Mausläsionen und Kopf-Hals-Tumorlinien gehören den Autorinnen und Autoren der Studie. BioQ hat nichts davon getestet oder reproduziert.

Unsere Frage war enger gefasst: Was sagen öffentliche Datenschichten heute über ATM? Mit der Antwort lässt sich einschätzen, wie viel Gewicht ATM-bezogene Hypothesen in einem bestimmten Gewebe, einer Wirkstoffklasse oder einer Erkrankung haben. Wir haben die eine Abfrage ATM ausgeführt und gelesen, was zurückkam.

## Was BioQ zurückgibt

Die Abfrage griff in 7 Engine-Abfragen auf 7 verschiedene Ressourcen zu, insgesamt in 1,6 Engine-Sekunden. Die erste Tabelle zeigt die CRISPR-Genabhängigkeit nach Linie aus DepMap.

| Zelllinie (Abstammung) | Zelllinien | Abhängig | % abhängig | Mittlerer Geneffekt |
|---|---|---|---|---|
| Uterus | 34 | 1 | 2.9 | -0.111 |
| Head and Neck | 77 | 0 | 0 | -0.084 |
| Bladder/Urinary Tract | 34 | 1 | 2.9 | -0.074 |
| Esophagus/Stomach | 69 | 1 | 1.5 | -0.069 |
| Thyroid | 11 | 0 | 0 | -0.068 |
| Lung | 126 | 1 | 0.8 | -0.041 |
| Bone | 46 | 0 | 0 | -0.037 |
| Lymphoid | 93 | 1 | 1.1 | -0.036 |

![BioQ-Panel zu DepMap für ATM mit dem CRISPR-Chronos-GenEffekt nach Linie; Head and Neck und Uterus stehen weit oben](https://bioq.bio/blog/img/atm-e2-displacement-of-cip2a-from-topbp1-activates-the-dna-damage-response/de/dep.webp)
*DepMap-Chronos-GenEffekt für ATM nach Linie, wie ihn die Abfrage ATM zurückgibt.*

Head and Neck umfasst 77 Linien, von denen keine abhängig ist; der mittlere GenEffekt liegt bei -0,084. Uterus hat 34 Linien, davon 1 abhängig, mit einem Mittelwert von -0,111. Das sind die negativsten Linienmittelwerte der Tabelle, und sie sind dennoch klein. ATM ist zudem als nicht common essential markiert.

Die zweite Tabelle listet die zum Gen bekannten Wirkstoffe, mit dem exakten pChEMBL-Wert, sofern ChEMBL einen enthält.

| Wirkstoff | Höchste klinische Phase | Wirkmechanismus | Bester exakter pChEMBL | Typ | Studien nach Name |
|---|---|---|---|---|---|
| Caffeine | APPROVAL | — | 3.7 | IC50 | 220 |
| Berzosertib | PHASE_2 | — | 7.36 | KI | 17 |
| Ku-55933 | IND | — | 8.66 | KI | 0 |
| Ku 60019 | UNKNOWN | — | 9.1 | IC50 | 0 |
| Cgk-733 | UNKNOWN | — | — | — | 0 |

Die exakten pChEMBL-Werte reichen von 3,7 für Caffeine (IC50) bis 9,1 für Ku 60019 (IC50). Höher bedeutet stärkere Potenz. Berzosertib erreicht PHASE_2 mit 17 Studien nach Namen. Die 220 Studien nach Namen für Caffeine sind ein reiner Namenstreffer und sagen nichts über ATM-Hemmung aus. Für Cgk-733 gibt es in dieser Ansicht keinen exakten Wert.

Die dritte Tabelle zeigt die Krankheitsassoziationen aus Open Targets.

| Erkrankung | Assoziationsscore | Evidenzeinträge |
|---|---|---|
| ataxia telangiectasia | 0.875 | 16042 |
| breast cancer | 0.778 | 2141 |
| breast carcinoma | 0.764 | 1730 |
| cancer | 0.757 | 3275 |
| neoplasm | 0.747 | 3429 |
| hereditary breast carcinoma | 0.739 | 6212 |

Open Targets verknüpft ATM mit 1566 Krankheiten. Ataxia telangiectasia führt mit 16042 Evidenzeinträgen. Es folgt Brustkrebs (breast cancer) mit 0,778, danach breast carcinoma, cancer, neoplasm und hereditary breast carcinoma.

Vier weitere Datenschichten lieferten Folgendes:

- **TCGA/GTEx Toil:** Für 24 Krebsarten liegen sowohl Tumor- als auch Normalproben vor. Beim Breast Invasive Carcinoma (1092 Tumoren, 113 Normalproben) beträgt der log2-Fold -0,09. Sarcoma ist die einzige der sechs gezeigten Zeilen mit positivem Fold (0,09).
- **Reactome:** 61 Pathways. Der spezifischste ist Sensing of DNA Double Strand Breaks (R-HSA-5693548) mit 6 Genen.
- **STRING v12:** 3253 Interaktionspartner. MSH2, MSH6, NBN, TP53, MRE11 und ATR erreichen alle 999.
- **CIViC:** 32 Einträge. Beispiele sind ATM Mutation mit Olaparib bei Hematologic Cancer (Level D) und ATM S2289* mit Olaparib bei Prostate Cancer (Level C).

## Einordnung: Was die Daten bedeuten

Die Studie stellt ATM in den Mittelpunkt eines viralen Mechanismus. Die öffentlichen Daten passen nur lose zu diesem Bild, und sie können den Mechanismus weder bestätigen noch widerlegen.

- **Sensing und Pathway-Kontext.** In Reactome gehört ATM zum Pathway der Erkennung von DNA-Doppelstrangbrüchen. In STRING ist es eng mit NBN, MRE11, TP53 und ATR verknüpft. Die in der Studie beschriebene Gegenüberstellung von ATM und ATR betrifft also zwei Kinasen, die die Interaktionsdaten bereits nah beieinander verorten. STRING-Scores bilden funktionelle Assoziation ab, nicht den Beleg für einen direkten physischen Kontakt.
- **Genabhängigkeit.** Ein mittlerer GenEffekt von -0,008 über 1178 Linien deutet darauf hin, dass der Verlust von ATM in diesen Modellen die Viabilität allein selten senkt. Head and Neck zeigt unter 77 Linien keine abhängige. Falls die ATM-Aktivität bei HPV-positiver Erkrankung eine Rolle spielt, wäre ein Einzelgen-Knockout-Screen kaum der wahrscheinlichste Ort, an dem sie sichtbar wird; zudem verrät die Linienbezeichnung in DepMap nicht, welche Linien HPV tragen.
- **Wirkstoffe.** Die gelisteten ATM-gerichteten Substanzen reichen im Entwicklungsstand von IND bis PHASE_2. Ihre Potenz wurde in biochemischen Assays an der Kinase gemessen. Nichts davon verknüpft sie mit der Biologie von Papillomaviren.
- **Krankheitsbezüge.** Die Assoziationsscores spiegeln erbliche und tumorgenetische Befunde wider, nicht aber Virusinfektionen.

## So reproduzieren Sie die Abfrage in BioQ

1. Öffnen Sie BioQ und geben Sie das Gensymbol genau so als Abfrage ein.

```text
ATM
```

[Diese Abfrage in BioQ öffnen](https://bioq.bio/login?next=%2Fapp%23q%3DATM)

2. Lesen Sie zuerst das Panel zur Genabhängigkeit. Vergleichen Sie die Zeilen für Head and Neck und Uterus mit den gepoolten Werten.
3. Öffnen Sie das Wirkstoff-Panel und vergleichen Sie die exakten pChEMBL-Werte und den Assay-Typ (IC50 oder KI), bevor Sie Substanzen gegeneinander abwägen.
4. Scrollen Sie zu den Panels von Open Targets, TCGA, Reactome, STRING und CIViC. Jede Antwort nennt Quelle und Release.
5. Wiederholen Sie die Abfrage mit TOPBP1, CIP2A oder ATR, um die übrigen in der Studie genannten Proteine einzuordnen.

Von Hand müssten Sie DepMap, ChEMBL, Open Targets, TCGA/GTEx, CIViC, Reactome und STRING einzeln aufrufen. Hier waren es 7 Ressourcen in 1,6 Engine-Sekunden.

## Grenzen: Was die Daten nicht zeigen

- Die Ergebnisse der Studie sind die der Studie. BioQ hält keine Daten zu E2, HPV16, MmuPV1 oder zur Differenzierung von Keratinozyten, und keine der Tabellen oben prüft den E2-Mechanismus.
- DepMap misst den Knockout-Effekt in kultivierten Zelllinien. Kinaseaktivität, Phosphorylierung oder Virusreplikation misst es nicht.
- Die pChEMBL-Werte stammen aus unterschiedlichen Assays und sind zwischen den Substanzen nicht direkt vergleichbar. Die Studienzahlen sind Namenstreffer.
- TCGA/GTEx vergleicht RNA-Mengen. Über die Aktivierung von ATM, die von Phosphorylierung abhängt, sagt das nichts aus.
- CIViC-Evidenz auf den Leveln C und D ist in ihrer Aussagekraft begrenzt. Nichts davon stützt Behandlungsentscheidungen.
- Die Tabellen zeigen nur die obersten Zeilen. Open Targets und STRING enthalten deutlich mehr.

## Daten und Methode
Die Zahlen auf dieser Seite wurden am 2026-11-06 aus der BioQ-Engine gelesen (7 Abfragen, insgesamt 1.6 s Engine-Zeit). Die Tabellen erzeugt Code aus den Antworten der Engine; der Text erklärt sie nur.

`/civic`, `/depmap`, `/drugs`, `/interaction`, `/ot_association`, `/pathway`, `/tcga`

## Quellen
- E2 displacement of CIP2A from TOPBP1 activates the DNA damage response during papillomavirus life cycles (2026) — [doi:10.1016/j.celrep.2026.118209](https://doi.org/10.1016/j.celrep.2026.118209)

Führen Sie dieselbe Abfrage selbst in BioQ aus: [ATM](https://bioq.bio/login?next=%2Fapp%23q%3DATM)

*Nur für Forschungszwecke. Diese Seite fasst öffentliche Daten zusammen und ist keine medizinische Beratung.*

BioQ ist eine KI-Suchmaschine und ein Agent mit einem Ziel: die biologische Forschung um das 100-Fache zu beschleunigen. Fragen Sie in der Web-App, über die REST-API oder per MCP aus Claude, ChatGPT oder Cursor.

## Verwendete Abfragen

- [`ATM`](https://bioq.bio/login?next=%2Fapp%23q%3DATM)

## Häufige Fragen

### Ist ATM in DepMap ein common-essential-Gen?

Nein. Im DepMap-Release depmap_24q4 ist ATM als nicht common essential markiert. 8 von 1178 Zelllinien sind abhängig, das sind 0,7 Prozent, und der mittlere Chronos-GenEffekt beträgt -0,008.

### Hängen Kopf-Hals-Tumorlinien von ATM ab?

In diesen Daten nicht. Die Linie Head and Neck umfasst 77 Linien, von denen 0 abhängig sind; der mittlere GenEffekt liegt bei -0,084. DepMap kennzeichnet nicht, welche Linien HPV-positiv sind.

### Welche ATM-Inhibitoren führt ChEMBL mit exakter Potenz?

Vier der 5 gelisteten Wirkstoffe haben einen exakten pChEMBL-Wert: Caffeine (3,7, IC50), Berzosertib (7,36, KI), Ku-55933 (8,66, KI) und Ku 60019 (9,1, IC50). Cgk-733 hat keinen exakten Wert. Die Werte stammen aus unterschiedlichen Assays.

### Womit ist ATM in Open Targets am stärksten assoziiert?

Mit Ataxia telangiectasia, mit einem Assoziationsscore von 0,875 und 16042 Evidenzeinträgen. Brustkrebs folgt mit 0,778. Insgesamt ist ATM mit 1566 Krankheiten verknüpft.

### Bestätigt BioQ den E2-CIP2A-Mechanismus der neuen Studie?

Nein. Der Mechanismus ist das eigene Ergebnis der Studie. BioQ zeigt öffentlichen Kontext zu ATM aus 7 Ressourcen, etwa zu Genabhängigkeit, Wirkstoffen und Pathways, enthält aber keine Virusdaten.

## Quellen

- Paper: [E2 displacement of CIP2A from TOPBP1 activates the DNA damage response during papillomavirus life cycles](https://doi.org/10.1016/j.celrep.2026.118209) (2026) DOI 10.1016/j.celrep.2026.118209
- Datensatz: [DepMap CRISPR Chronos gene effect (24Q4)](https://depmap.org/portal/)
- Datensatz: [Open Targets Platform; ChEMBL; Drug Repurposing Hub](https://platform.opentargets.org/)
- Datensatz: [TCGA pan-cancer expression (UCSC Xena Toil recompute)](https://xenabrowser.net/)
- Datensatz: [CIViC: Clinical Interpretation of Variants in Cancer](https://civicdb.org/)
- Datensatz: [Reactome pathway knowledgebase](https://reactome.org/)
- Datensatz: [STRING v12 protein-protein interactions](https://string-db.org/)

> Die Ergebnisse stammen aus öffentlichen Datenbanken zum angegebenen Datum und können sich ändern. BioQ liefert Forschungsinformationen, keine medizinische Beratung.
