MET-Abhängigkeit und Wirkstoffe in einer Abfrage
MET-Abhängigkeit und Wirkstoffe in einer Abfrage: DepMap Chronos, ChEMBL, Open Targets, CIViC, TCGA und Reactome gemeinsam gelesen, Datenstand 2026-11-06.
Datenstand 6. November 2026 · Das BioQ-Team

Die MET-Abhängigkeit zeigt sich in 36 von 1178 DepMap-Zelllinien (3,1 %), und MET ist nicht als „common essential“ markiert. Das Signal liegt also in bestimmten Linien und nicht überall. CNS/Brain fällt mit 17 von 90 abhängigen Linien auf. Die Datenschichten führen außerdem 46 Wirkstoffe für das Gen auf, und Open Targets stuft das papilläre Nierenzellkarzinom am höchsten ein (Score 0,834). Alle Angaben haben den Datenstand 2026-11-06.
Fragestellung
Wir haben eine einzige Abfrage ausgeführt, MET, und gefragt, was die kombinierten Datenschichten heute über diese Rezeptor-Tyrosinkinase aussagen. Die Fragen lauteten: Wie oft verringert ein Knockout die Viabilität? Welche Wirkstoffe sind bekannt, und wie stark sind sie? Welche Krankheiten tragen die Evidenz? Und wie passen Expression, Signalwege und Interaktionspartner dazu?
Die Antwort ist als erste Orientierungskarte gedacht. Eine Zielgenseite wie diese sagt nicht, ob MET in Ihrem Modell ein guter Ansatzpunkt ist. Sie zeigt, wo Sie nachsehen sollten und wo die Datenschichten einander widersprechen.
Was BioQ zu MET-Abhängigkeit und Wirkstoffen zurückgibt
Die Abfrage erreichte über 7 Engine-Abfragen 7 verschiedene Ressourcen, in insgesamt 0,74 Engine-Sekunden. Jeder Block nennt unten seine Quelle und sein Release.
Abhängigkeit (DepMap Chronos, Release depmap_24q4). Der mittlere Gene Effect über alle 1178 Linien beträgt -0,138. Ein negativerer Wert bedeutet einen stärkeren Viabilitätsverlust nach dem Knockout. Die Tabelle zeigt die acht Linien mit dem negativsten mittleren Effekt.
| Zelllinie (Abstammung) | Zelllinien | Abhängig | % abhängig | Mittlerer Geneffekt |
|---|---|---|---|---|
| CNS/Brain | 90 | 17 | 18.9 | -0.266 |
| Soft Tissue | 45 | 4 | 8.9 | -0.22 |
| Testis | 5 | 0 | 0 | -0.187 |
| Esophagus/Stomach | 69 | 4 | 5.8 | -0.177 |
| Pleura | 21 | 0 | 0 | -0.154 |
| Bone | 46 | 0 | 0 | -0.151 |
| Lung | 126 | 7 | 5.6 | -0.15 |
| Myeloid | 42 | 0 | 0 | -0.148 |

Wirkstoffe (Open Targets, ChEMBL, Drug Repurposing Hub, ClinicalTrials.gov). BioQ fand 46 Wirkstoffe für MET und zeigt 8. Die Spalte zur Potenz enthält den besten exakten pChEMBL-Wert, also den −log10 der molaren Potenz; höher bedeutet stärker.
| Wirkstoff | Höchste klinische Phase | Wirkmechanismus | Bester exakter pChEMBL | Typ | Studien nach Name |
|---|---|---|---|---|---|
| Capmatinib | APPROVAL | Hepatocyte growth factor receptor inhibitor | 9.89 | IC50 | 30 |
| Crizotinib | APPROVAL | Hepatocyte growth factor receptor inhibitor | 9.7 | KD | 94 |
| Tepotinib | APPROVAL | Hepatocyte growth factor receptor inhibitor | 9.05 | IC50 | 23 |
| Cabozantinib | APPROVAL | Hepatocyte growth factor receptor inhibitor | 8.89 | IC50 | 187 |
| Cabozantinib S-Malate | APPROVAL | Hepatocyte growth factor receptor inhibitor | 8.49 | IC50 | 39 |
| Alectinib | APPROVAL | — | — | — | 62 |
| Amivantamab | APPROVAL | Hepatocyte growth factor receptor inhibitor | — | — | 37 |
| Capmatinib Hydrochloride | APPROVAL | Hepatocyte growth factor receptor inhibitor | — | — | 0 |
Krankheitsevidenz (Open Targets). MET hat Assoziationen mit 2277 Krankheiten. Die sechs höchsten stehen unten, mit Scores von 0 bis 1.
| Erkrankung | Assoziationsscore | Evidenzeinträge |
|---|---|---|
| papillary renal cell carcinoma | 0.834 | 1120 |
| hereditary papillary renal cell carcinoma | 0.768 | 63 |
| hepatocellular carcinoma | 0.759 | 1688 |
| renal cell carcinoma | 0.729 | 3714 |
| non-small cell lung carcinoma | 0.724 | 3636 |
| neoplasm | 0.631 | 7703 |
Drei weitere Schichten vervollständigen das Bild:
- CIViC enthält 41 klinische Evidenzeinträge zu MET-Varianten. Beispiele sind MET Amplification beim nichtkleinzelligen Lungenkarzinom mit Crizotinib (Level C, Sensitivity/Response) und MET Exon 14 Skipping Mutation mit Crizotinib (Level D, Sensitivity/Response). Foretinib beim papillären Nierenzellkarzinom bei einer MET-Mutation hat Level B. MET Amplification mit Gefitinib ist als Resistance auf Level D verzeichnet.
- TCGA/GTEx (Toil-Neuberechnung) umfasst 24 Krebsarten mit Tumor- und Normalproben. Beim papillären Nierenzellkarzinom (Kidney Papillary Cell Carcinoma) liegt der mittlere Tumorwert bei 14,11 gegenüber 11,98 im Normalgewebe (log2-Fold 0,23). Das invasive Mammakarzinom (-0,34) und das Glioblastoma Multiforme (-0,35) verhalten sich umgekehrt.
- Reactome und STRING listen 44 Signalwege und 2556 Interaktionspartner. Der spezifischste Signalweg ist Drug-mediated inhibition of MET activation. Die wichtigsten STRING-Partner sind HGF, CBL und GRB2 mit einem kombinierten Score von 999, gefolgt von EGFR mit 996.
Einordnung: Wie sich die Ergebnisse lesen lassen
Drei Befunde sollten Sie vor allem anderen lesen.
1. Die Abhängigkeit ist selektiv, nicht allgemein. Nur 3,1 % der Linien hängen von MET ab, und common_essential ist false. Nach Linie betrachtet hat CNS/Brain 18,9 % abhängige Linien bei einem mittleren Effekt von -0,266, Soft Tissue kommt auf 8,9 %. Lung hat 7 von 126 Linien (5,6 %), Esophagus/Stomach 4 von 69. Testis, Pleura, Bone und Myeloid haben in dieser Tabelle keine abhängigen Linien, wobei einige davon im Datensatz nur wenige Linien umfassen (Testis hat 5). Gehört Ihr Modell keiner Linie mit abhängiger Teilmenge an, beschreibt der Durchschnitt über alle Zelllinien es nicht.
2. Potenz und Studienzahl messen Verschiedenes. Capmatinib hat den höchsten exakten pChEMBL-Wert (9,89, IC50), gefolgt von Crizotinib mit 9,7. Das ist ein KD-Wert und kein IC50. Wer verschiedene Assay-Typen in einer Rangliste mischt, sollte vorsichtig sein. Cabozantinib hat die meisten Studien nach Namen (187). „Studien nach Namen“ ist jedoch ein Textabgleich mit dem Wirkstoffnamen und keine Zählung MET-gerichteter Studien. Cabozantinib wirkt auf mehrere Kinasen, und Crizotinib auf mehr als nur MET. Capmatinib Hydrochloride zeigt 0 Studien nur deshalb, weil der Salzname in Studieneinträgen selten verwendet wird.
3. Krankheitsevidenz und Abhängigkeit weisen nicht auf dasselbe Gewebe. Open Targets setzt das papilläre Nierenzellkarzinom, das hereditäre papilläre Nierenzellkarzinom und das hepatozelluläre Karzinom an die Spitze. In TCGA exprimieren papilläre Nierentumoren tatsächlich mehr MET als Normalgewebe. Dennoch enthalten die acht Linien der DepMap-Tabelle keine Niere, und der höchste Anteil abhängiger Linien liegt in CNS/Brain. Dort ist die Tumorexpression im Glioblastom niedriger als in den fünf Normalproben. Assoziationsscores integrieren Genetik, Literatur und weitere Evidenz. Sie können deshalb hoch sein, ohne dass in Zelllinien eine CRISPR-Abhängigkeit vorliegt. Zurückgegeben werden nur die obersten acht Linien, daher kann diese Tabelle nicht belegen, dass Nierenlinien keine Abhängigkeit zeigen.
Die CIViC-Zeilen ergänzen eine klinische Perspektive. Die Evidenzlevel reichen von A (am stärksten) bis E, und die hier gezeigten MET-Zeilen liegen zwischen B und D, mit einer Resistenz-Assoziation. Das ist eine andere Aussage als ein hoher Potenzwert in einem biochemischen Assay.
Alectinib ist für MET mit der Zulassungsstufe geführt, in dieser Tabelle aber ohne Mechanismus und ohne Potenzwert. Die Daten sagen nicht, warum. Verstehen Sie das als Anlass, den Quelleintrag zu öffnen, und nicht als MET-gerichteten Befund.
So reproduzieren Sie die Abfrage in BioQ
- Öffnen Sie BioQ und geben Sie das Gensymbol exakt wie unten ein.
- Führen Sie die Abfrage aus und warten Sie, bis die Blöcke geladen sind. Die Engine-Zeit für den hier beschriebenen Lauf betrug 0,74 Sekunden.
- Lesen Sie zuerst den DepMap-Block und notieren Sie, welche Linien abhängige Zelllinien enthalten.
- Vergleichen Sie den Wirkstoffblock mit den Blöcken von Open Targets und CIViC und prüfen Sie neben jedem pChEMBL-Wert den Assay-Typ.
- Öffnen Sie die unter jedem Block genannte Quelle, um den Eintrag zu bestätigen, bevor Sie ihn verwenden.
MET
Dieselbe Frage von Hand zu beantworten hieße, DepMap, ChEMBL, Open Targets, ClinicalTrials.gov, CIViC, TCGA/GTEx, Reactome und STRING einzeln abzufragen und dann Gen-Identifikatoren und Release-Versionen selbst abzugleichen. BioQ greift in einem Durchgang auf 7 verschiedene Ressourcen zu und führt bei jeder Antwort den Quellennamen mit. Den manuellen Weg haben wir nicht zeitlich gemessen, daher machen wir dazu keine Aussage.
Grenzen: Was die Daten nicht zeigen
- Ein Chronos Gene Effect stammt aus Zelllinien in Kultur. Er zeigt keine Tumorabhängigkeit bei Patientinnen und Patienten, und der Schwellenwert für die Abhängigkeit ist eine benannte Konstante und keine Eigenschaft der Biologie.
- Linien mit wenigen Zelllinien, etwa Testis mit 5, tragen für sich allein keine Schlussfolgerung.
- pChEMBL-Werte mischen Assay-Typen (IC50, KD) und stammen aus verschiedenen Laboren. Sie sind kein direkter Vergleich und sagen nichts über Selektivität oder Verträglichkeit.
- Studienzahlen sind Namensabgleiche. Sie zeigen weder Indikation noch Ergebnis noch, ob MET das beabsichtigte Ziel war.
- Die TCGA-Vergleiche von Tumor und Normalgewebe haben ungleiche Stichprobengrößen, zum Beispiel 5 Normalproben beim Glioblastom gegenüber 1092 Tumoren und 113 Normalproben beim Mammakarzinom.
- Open-Targets-Scores ordnen die Stärke der Evidenz für eine Assoziation. Sie geben weder Effektgröße noch Kausalität an.
- CIViC-Einträge sind kuratiert und können pro Variante gering an Zahl sein. Ein Eintrag auf Level D ist vorläufige Evidenz.
- Nichts hiervon ist medizinischer Rat oder eine Behandlungsempfehlung.
Daten und Methode
Die Zahlen auf dieser Seite wurden am 2026-11-06 aus der BioQ-Engine gelesen (7 Abfragen, insgesamt 0.7 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: MET
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
Häufige Fragen
Wie viele Zelllinien hängen in DepMap von MET ab?
In DepMap (Release depmap_24q4) hängen 36 von 1178 Zelllinien von MET ab, das sind 3,1 %. MET ist nicht als „common essential“ markiert, und der mittlere Chronos Gene Effect beträgt -0,138.
Welche Linie zeigt die stärkste CRISPR-Abhängigkeit von MET?
CNS/Brain hat in der zurückgegebenen Tabelle den höchsten Anteil, mit 17 von 90 abhängigen Linien (18,9 %) und einem mittleren Gene Effect von -0,266. Soft Tissue folgt mit 4 von 45 Linien (8,9 %).
Welcher MET-Inhibitor hat in ChEMBL die höchste Potenz?
Unter den acht gezeigten Wirkstoffen hat Capmatinib den höchsten exakten pChEMBL-Wert mit 9,89 (IC50), danach folgen Crizotinib mit 9,7 (ein KD-Wert) und Tepotinib mit 9,05 (IC50). BioQ fand insgesamt 46 Wirkstoffe für MET, und die Assay-Typen unterscheiden sich zwischen den Zeilen.
Mit welchen Krankheiten assoziiert Open Targets MET am stärksten?
Das papilläre Nierenzellkarzinom steht mit einem Score von 0,834 und 1120 Evidenzeinträgen an der Spitze. Es folgen das hereditäre papilläre Nierenzellkarzinom (0,768) und das hepatozelluläre Karzinom (0,759), von insgesamt 2277 assoziierten Krankheiten.
Welche Evidenz zu MET-Varianten enthält CIViC?
CIViC liefert 41 Einträge zu MET. Beispiele sind MET Amplification beim nichtkleinzelligen Lungenkarzinom mit Crizotinib (Level C, Sensitivity/Response) und MET Exon 14 Skipping Mutation mit Crizotinib (Level D, Sensitivity/Response).
Quellen
- Datensatz DepMap CRISPR Chronos gene effect (24Q4)
- Datensatz Open Targets Platform; ChEMBL; Drug Repurposing Hub
- Datensatz TCGA pan-cancer expression (UCSC Xena Toil recompute)
- Datensatz CIViC: Clinical Interpretation of Variants in Cancer
- Datensatz Reactome pathway knowledgebase
- Datensatz STRING v12 protein-protein interactions
Die Ergebnisse stammen aus öffentlichen Datenbanken zum angegebenen Datum und können sich ändern. BioQ liefert Forschungsinformationen, keine medizinische Beratung.
Weitere Beiträge
Neue CD4-Studie: CAR-NK-Zellen und HIV-Rebound
Neue CD4-Studie zu CAR-NK-Zellen und HIV-Rebound, eingeordnet mit BioQ-Daten zu CD4: DepMap-Abhängigkeit, Open-Targets-Erkrankungen, Wirkstoffe und Reactome.
Zanzalintinib Studie anaplastisches Schilddrüsenkarzinom
Phase-2-Studie NCT07470489: Zanzalintinib plus Cemiplimab beim anaplastischen Schilddrüsenkarzinom. Daten aus ChEMBL, ClinicalTrials.gov und DepMap.
GSTM1 neue Studie: Cisplatin-Nierenschädigung
Studie 2026 verknüpft GSTM1-Verlust mit stärkerer Cisplatin-Nierenschädigung; BioQ zeigt die Daten aus DepMap, Open Targets, ChEMBL, Reactome und STRING.


