# FGFR3-Abhängigkeit und Inhibitoren in einer Abfrage

> FGFR3-Abhängigkeit und Inhibitoren aus sieben Quellen: 6 von 1178 DepMap-Linien abhängig, 32 Wirkstoffe gelistet, Blasenkarzinom als Top-Erkrankung.

Datenstand 2026-11-06 · Veröffentlicht 2026-11-08 · Aktualisiert 2026-11-06 · https://bioq.bio/blog/de/gene-fgfr3-profile

![BioQ-Ergebnisseite zur Abfrage FGFR3 mit Blöcken zu CRISPR-Abhängigkeit, Wirkstoffen, Krankheitsevidenz, Signalwegen und Expression, jeweils mit Quellenangabe.](https://bioq.bio/blog/img/gene-fgfr3-profile/de/hero.webp)

FGFR3 ist in DepMap nicht allgemein essenziell: 6 von 1178 Zelllinien gelten als abhängig (0,5 Prozent), und das Gen ist nicht als „common essential“ markiert. Die Wirkstoff- und Krankheitsebenen weisen dennoch deutlich auf FGFR3 hin: 32 Wirkstoffe sind gelistet, und das Blasenkarzinom gehört zu den am stärksten assoziierten Erkrankungen bei Open Targets. Alle Werte stammen vom Stand 2026-11-06.

## Die Fragestellung

Wir haben eine Frage zu einem Gen gestellt: Was sagen die öffentlichen Datenebenen derzeit zu FGFR3? In der Praxis sind das fünf Prüfungen, die Forschende meist in getrennten Werkzeugen durchführen:

- Brauchen Krebszelllinien das Gen zum Wachstum (CRISPR-Abhängigkeit)?
- Welche Wirkstoffe sind bekannt, und wie potent sind sie?
- Bei welchen Erkrankungen liegt die Evidenz?
- In welche Signalwege und Interaktionen ist das Protein eingebunden?
- Ist das Gen in Tumoren über- oder unterexprimiert?

Die Abfrage lautete schlicht `FGFR3`. BioQ leitete sie an sieben Ressourcen weiter und lieferte die folgenden Blöcke, jeweils mit Quelle und Release.

## Was BioQ zu FGFR3-Abhängigkeit und Inhibitoren liefert

Der Lauf umfasste insgesamt 7 Engine-Abfragen und dauerte 0,75 Engine-Sekunden. Er stützte sich auf 7 verschiedene Ressourcen. Von Hand müssten DepMap, ChEMBL, Open Targets, ClinicalTrials.gov, CIViC, Reactome und STRING einzeln geöffnet und die Gen-Bezeichner zwischen ihnen abgeglichen werden. Diesen Weg haben wir nicht zeitlich gemessen. Wir treffen daher keine Aussage darüber, die über die Zahl der beteiligten Werkzeuge hinausgeht.

**Abhängigkeit.** Der DepMap-Block (Release depmap_24q4, Chronos Gene Effect) umfasst 1178 Zelllinien. Der mittlere Gene Effect über alle Linien beträgt 0,064 und liegt damit nahe null. Das Signal konzentriert sich auf zwei Gewebelinien:

| Zelllinie (Abstammung) | Zelllinien | Abhängig | % abhängig | Mittlerer Geneffekt |
|---|---|---|---|---|
| Bladder/Urinary Tract | 34 | 3 | 8.8 | -0.029 |
| Lymphoid | 93 | 3 | 3.2 | 0.012 |
| Pleura | 21 | 0 | 0 | 0.031 |
| CNS/Brain | 90 | 0 | 0 | 0.041 |
| Peripheral Nervous System | 44 | 0 | 0 | 0.044 |
| Liver | 24 | 0 | 0 | 0.044 |
| Pancreas | 47 | 0 | 0 | 0.046 |
| Skin | 74 | 0 | 0 | 0.053 |

![BioQ-DepMap-Block zu FGFR3 mit Chronos Gene Effect und abhängigen Zelllinien nach Gewebelinie](https://bioq.bio/blog/img/gene-fgfr3-profile/de/dep.webp)
*DepMap-Block zu FGFR3, wie BioQ ihn darstellt, nach Gewebelinie*

**Wirkstoffe.** BioQ listet 32 Wirkstoffe für FGFR3 und zeigt hier die ersten 8. Die Spalte zur Potenz gibt den höchsten gefundenen exakten pChEMBL-Wert an. Die Spalte zu den Studien zählt Studien, die über den Wirkstoffnamen zugeordnet wurden, nicht über FGFR3.

| Wirkstoff | Höchste klinische Phase | Wirkmechanismus | Bester exakter pChEMBL | Typ | Studien nach Name |
|---|---|---|---|---|---|
| Erdafitinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 10.18 | IC50 | 28 |
| Pemigatinib | APPROVAL | Fibroblast growth factor receptor 3 inhibitor | 10 | IC50 | 45 |
| Futibatinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.49 | IC50 | 19 |
| Infigratinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.18 | IC50 | 12 |
| Infigratinib Phosphate | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.15 | IC50 | 1 |
| E-7090 | APPROVAL | Fibroblast growth factor receptor 3 inhibitor | 8.92 | IC50 | 0 |
| Ponatinib | APPROVAL | — | 8.66 | IC50 | 50 |
| Nintedanib | APPROVAL | Fibroblast growth factor receptor inhibitor | 8.23 | KI | 101 |

**Krankheitsevidenz.** Open Targets verknüpft FGFR3 mit 4677 Erkrankungen. Die sechs höchsten Scores mischen Skeletterkrankungen und eine Krebsart:

| Erkrankung | Assoziationsscore | Evidenzeinträge |
|---|---|---|
| achondroplasia | 0.825 | 817 |
| thanatophoric dysplasia type 1 | 0.819 | 171 |
| urinary bladder carcinoma | 0.804 | 846 |
| hypochondroplasia | 0.802 | 298 |
| Crouzon syndrome-acanthosis nigricans syndrome | 0.802 | 86 |
| Muenke syndrome | 0.796 | 148 |

**Weitere Ebenen im Überblick.**

- CIViC enthält 73 Einträge zu FGFR3. Die fünf angezeigten betreffen überwiegend das Blasenkarzinom. FGFR3 Mutation mit Infigratinib und FGFR3 Y373C haben Evidenzgrad B, FGFR3 S249C mit Pazopanib hat Grad C, die Fusion FGFR3::BAIAP2L1 und der Eintrag zur FGFR3-Überexpression haben Grad D.
- Reactome listet 37 Signalwege. Am spezifischsten sind Signaling by FGFR3 fusions in cancer, t(4;14) translocations of FGFR3 und FGFR3 mutant receptor activation.
- STRING v12 nennt 1529 Interaktionspartner. Die ersten sechs sind FGF-Liganden (FGF2, FGF8, FGF9, FGF1, FGF18, FGF13) mit Combined Scores von 997 bis 999.
- TCGA/GTEx Toil enthält Tumor- und Normaldaten zu FGFR3 für 24 Krebsarten. Unter den sechs gezeigten hat Kidney Chromophobe die größte Veränderung: log2 Fold Change -1,34, mittlerer Tumorwert 4,51 gegenüber einem mittleren Normalwert von 11,39. Cervical & Endocervical Cancer liegt bei 0,53.

## Einordnung und Interpretation

Drei Befunde sollten zuerst geprüft werden.

**1. Die Abhängigkeit ist schmal, und sie zeigt sich im Blasengewebe.** Über alle Gewebelinien hinweg hängen nur 6 Linien von FGFR3 ab. 3 davon stammen aus Bladder/Urinary Tract (3 von 34, 8,8 Prozent) und 3 aus Lymphoid (3 von 93, 3,2 Prozent). Bladder ist zudem die einzige gezeigte Gewebelinie mit negativem mittlerem Gene Effect (-0,029). Ein Gen kann in wenigen Zelllinien sehr wichtig sein und trotzdem im Mittel nahe null liegen. Der Mittelwert von 0,064 über alle Linien sollte daher nicht als „irrelevant“ gelesen werden.

**2. Krankheits- und Wirkstoffebene stimmen beim Blasenkarzinom überein.** Open Targets vergibt für das Harnblasenkarzinom (urinary bladder carcinoma) einen Score von 0,804 mit 846 Evidenzeinträgen. Die angezeigten CIViC-Einträge werden vom Blasenkarzinom dominiert, und das DepMap-Signal ist in der Blasenlinie am stärksten. Drei unabhängige Ebenen weisen also in dieselbe Richtung. Beim Open-Targets-Ranking ist allerdings Vorsicht geboten: Achondroplasie (0,825, 817 Evidenzeinträge) erreicht einen höheren Score, und die nächsten Skeletterkrankungen folgen dicht dahinter. Das spiegelt die Biologie keimbahnbedingter Funktionsgewinn-Varianten wider und ist eine andere Frage als die Tumorabhängigkeit.

**3. Die Potenz der gezeigten Wirkstoffe ist hoch, aber Studienzahlen sind kein Maß für Spezifität.** Erdafitinib hat einen höchsten exakten pChEMBL-Wert von 10,18 (IC50), Pemigatinib 10,0. Nintedanib liegt bei 8,23 und ist ein Ki-Wert, daher nicht direkt mit den IC50-Zeilen vergleichbar. Ponatinib und Nintedanib zeigen 50 bzw. 101 Studien nach Name, beide sind jedoch Multikinase-Inhibitoren. Ihre Zahlen sagen nichts über einen FGFR3-gerichteten Einsatz aus. Das Mechanismusfeld ist bei Ponatinib leer, ein Hinweis darauf, Annotationen zu prüfen.

Wo die Ebenen voneinander abweichen, sind die Unterschiede aufschlussreich. Die Expression folgt der Abhängigkeit nicht in einfacher Weise: Kidney-Chromophobe-Tumoren zeigen weniger FGFR3 als Normalgewebe, beim Zervixkarzinom ist es mehr, und keines von beiden erscheint unter den abhängigen Gewebelinien. Eine Expressionsänderung allein ist ein schwacher Hinweis darauf, welche Tumoren auf den Rezeptor angewiesen sind. Die varianten­spezifische Evidenz aus CIViC (Mutationen, Fusionen) ist ein genauerer Ansatzpunkt als die Gesamtexpression.

## So reproduzieren Sie die Abfrage in BioQ

1. Öffnen Sie BioQ und fügen Sie die Abfrage exakt wie unten gezeigt ein.
2. Starten Sie die Abfrage und warten Sie, bis die Blöcke geladen sind.
3. Lesen Sie zuerst den DepMap-Block und vergleichen Sie dann die Zeilen der Gewebelinien mit den Blöcken zu Erkrankungen und CIViC.
4. Öffnen Sie den Wirkstoffblock und prüfen Sie den Potenztyp (IC50 oder Ki), bevor Sie Werte vergleichen.
5. Über die Quellenangabe jedes Blocks sehen Sie Release und Originaleintrag.

```text
FGFR3
```

[Diese Abfrage in BioQ öffnen](https://bioq.bio/login?next=%2Fapp%23q%3DFGFR3)

6. Um die Frage einzugrenzen, ergänzen Sie die Abfrage um eine Erkrankung oder einen Wirkstoffnamen, zum Beispiel eine Gewebelinie, und beobachten Sie, welche Blöcke sich ändern.

## Grenzen: Was die Daten nicht zeigen

- **Abhängigkeit ist ein CRISPR-Messwert in Zelllinien.** Eine Linie gilt nur unterhalb eines benannten Chronos-Schwellenwerts als abhängig. Das ist eine gewählte Konstante und keine Eigenschaft der Biologie. Zelllinien haben zudem kein Tumormikromilieu, und wenige Linien pro Gewebelinie bedeuten große Unsicherheit. Bei 34 Blasenlinien mit 3 abhängigen ist der Wert von 8,8 Prozent eine Schätzung aus einer kleinen Stichprobe.
- **Abhängigkeit sagt nichts über den Mechanismus.** DepMap gibt nicht an, ob die abhängigen Linien eine FGFR3-Mutation oder -Fusion tragen. Nutzen Sie die Blöcke zu CIViC und Reactome für Hypothesen und prüfen Sie den Genotyp der Linien selbst.
- **Assoziationsscores sind keine Effektstärken.** Ein Open-Targets-Score aggregiert Evidenztypen und Anzahlen. Er sagt nicht, wie stark FGFR3 eine Erkrankung antreibt.
- **Potenz ist kein klinischer Nutzen.** pChEMBL-Werte stammen aus biochemischen oder zellulären Assays, und die Tabelle zeigt nur einen Wert pro Wirkstoff. Sie sagt nichts über Selektivität, Exposition, Ansprechen oder Sicherheit aus, und BioQ gibt keine Behandlungsempfehlungen.
- **Studienzahlen sind Namenstreffer.** Sie enthalten auch Studien ohne Bezug zu FGFR3.
- **TCGA/GTEx-Vergleiche können dünn sein.** Manche Krebsarten haben sehr wenige Normalproben. Die gezeigten Zeilen enthalten 1 Normalprobe für Skin Cutaneous Melanoma und 3 für Cervical & Endocervical Cancer. Fold Changes sind dort fragil.
- **Es werden nur die obersten Zeilen gezeigt.** Die Tabellen zeigen eine Auswahl (8 von 32 Wirkstoffen, 5 von 73 CIViC-Einträgen). Lesen Sie die vollständigen Listen, bevor Sie Schlüsse ziehen.

## Daten und Methode
Die Zahlen auf dieser Seite wurden am 2026-11-06 aus der BioQ-Engine gelesen (7 Abfragen, insgesamt 0.8 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`

Führen Sie dieselbe Abfrage selbst in BioQ aus: [FGFR3](https://bioq.bio/login?next=%2Fapp%23q%3DFGFR3)

*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

- [`FGFR3`](https://bioq.bio/login?next=%2Fapp%23q%3DFGFR3)

## Häufige Fragen

### Ist FGFR3 in DepMap ein allgemein essenzielles Gen?

Nein. In depmap_24q4 ist FGFR3 nicht als „common essential“ markiert. Nur 6 von 1178 Zelllinien gelten als abhängig (0,5 Prozent), und der mittlere Gene Effect beträgt 0,064.

### Welche Gewebelinien zeigen eine CRISPR-Abhängigkeit von FGFR3?

Bladder/Urinary Tract hat 3 abhängige Linien von 34 (8,8 Prozent), Lymphoid 3 von 93 (3,2 Prozent). Die übrigen Gewebelinien in den obersten Zeilen haben 0 abhängige Linien.

### Wie viele Wirkstoffe sind für FGFR3 gelistet, und wie potent sind sie?

BioQ listet 32 Wirkstoffe. Unter den 8 gezeigten hat Erdafitinib den höchsten exakten pChEMBL-Wert mit 10,18 (IC50), gefolgt von Pemigatinib mit 10,0 und Futibatinib mit 9,49.

### Mit welchen Erkrankungen assoziiert Open Targets FGFR3 am stärksten?

Open Targets verknüpft FGFR3 mit 4677 Erkrankungen. Die höchsten Scores haben Achondroplasie mit 0,825 und thanatophore Dysplasie Typ 1 mit 0,819. Das Harnblasenkarzinom folgt mit 0,804 und 846 Evidenzeinträgen.

### Wie lange dauert die kombinierte FGFR3-Abfrage in BioQ?

Der Lauf umfasste 7 Engine-Abfragen über 7 verschiedene Ressourcen und dauerte insgesamt 0,75 Engine-Sekunden.

## Quellen

- 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.
