PRMT5 Genabhängigkeit und Inhibitoren in einer Abfrage
PRMT5 ist in DepMap-Chronos-Daten ein gemeinsam essenzielles Gen mit 3 gelisteten Wirkstoffen und 453 Open-Targets-Erkrankungen; BioQ verbindet alle Ebenen.
Datenstand 6. November 2026 · Das BioQ-Team

Bei der Frage nach PRMT5 Genabhängigkeit und Inhibitoren zeigt DepMap ein klares Bild: PRMT5 gilt als gemeinsam essenziell (common essential). 1109 von 1178 Zelllinien (94,1 %) hängen von dem Gen ab, der mittlere Chronos-Geneffekt beträgt -1,004. Dieselbe Abfrage liefert 3 Wirkstoffe, 453 Erkrankungen aus Open Targets und 12 Reactome-Signalwege. Alle Werte gelten mit Stand 2026-11-06.
Was wir gefragt haben
Wir haben ein einziges Wort, PRMT5, in BioQ eingegeben. Gefragt war, was die kombinierten öffentlichen Datenebenen heute über dieses Gen aussagen. Die Fragen lauteten:
- Wie stark hängen Krebszelllinien von dem Gen ab?
- Welche Wirkstoffe sind verzeichnet, und wie wirksam sind sie?
- Mit welchen Erkrankungen ist das Gen verknüpft, und auf welcher Evidenzbasis?
- Wird das Gen in Tumorgewebe anders exprimiert als in Normalgewebe?
- In welchen Signalwegen und Proteinkomplexen spielt es eine Rolle?
Die Antworten stammen aus sechs verschiedenen Ressourcen: DepMap, ChEMBL mit Open Targets und verwandten Wirkstoffquellen, Open Targets, der TCGA/GTEx-Toil-Neuberechnung, Reactome und STRING. BioQ führte 7 Engine-Abfragen in 0,56 Engine-Sekunden aus. Von Hand hieße dasselbe Bild: jede Ressource einzeln aufrufen, in jeder die passende Gen-Kennung finden und die Ergebnisse selbst abgleichen.
Was BioQ zu PRMT5 Genabhängigkeit und Inhibitoren zeigt
Die Abhängigkeitsebene ist DepMap Chronos, Release depmap_24q4. Ein negativerer Geneffekt bedeutet, dass der Knockout die Viabilität stärker verringert hat. Die Tabelle nennt die acht Linien mit dem negativsten mittleren Effekt.

| Zelllinie (Abstammung) | Zelllinien | Abhängig | % abhängig | Mittlerer Geneffekt |
|---|---|---|---|---|
| Pancreas | 47 | 47 | 100 | -1.178 |
| Head and Neck | 77 | 76 | 98.7 | -1.124 |
| Thyroid | 11 | 11 | 100 | -1.074 |
| Bladder/Urinary Tract | 34 | 33 | 97.1 | -1.072 |
| Peripheral Nervous System | 44 | 42 | 95.5 | -1.049 |
| Liver | 24 | 23 | 95.8 | -1.033 |
| Lymphoid | 93 | 90 | 96.8 | -1.033 |
| Soft Tissue | 45 | 43 | 95.6 | -1.032 |
Die Wirkstoffebene kombiniert Open Targets, ChEMBL, den Drug Repurposing Hub und ClinicalTrials.gov. Der pChEMBL-Wert ist der negative dekadische Logarithmus der molaren Wirksamkeit; ein höherer Wert bedeutet also eine stärkere Wirkung.
| Wirkstoff | Höchste klinische Phase | Wirkmechanismus | Bester exakter pChEMBL | Typ | Studien nach Name |
|---|---|---|---|---|---|
| Pemrametostat | PHASE_2 | Protein arginine N-methyltransferase 5 inhibitor | 8.7 | EC50 | 0 |
| 3Xv | UNKNOWN | — | 8.22 | IC50 | 0 |
| Hlcl-61 | UNKNOWN | — | — | — | 0 |
Die Erkrankungsebene ist der Assoziationsscore von Open Targets, der von 0 bis 1 reicht.
| Erkrankung | Assoziationsscore | Evidenzeinträge |
|---|---|---|
| neurodegenerative disease | 0.208 | 3 |
| breast cancer | 0.14 | 187 |
| neoplasm | 0.119 | 668 |
| hepatocellular carcinoma | 0.117 | 120 |
| colorectal carcinoma | 0.116 | 78 |
| lung carcinoma | 0.116 | 139 |
Drei weitere Ebenen werden hier zusammengefasst statt tabelliert:
- Expression. Die TCGA- und GTEx-Daten umfassen 24 Krebsarten mit Tumor- und Normalproben. In den sechs gezeigten Typen ist die log2-Fold-Change klein. Das Cholangiokarzinom liegt bei 0,12 (36 Tumoren, 9 Normalproben), das Plattenepithelkarzinom der Lunge und das Lungenadenokarzinom liegen beide bei 0,1. Phäochromozytom und Paragangliom liegen bei -0,11, allerdings mit nur 3 Normalproben.
- Signalwege. Reactome listet 12 Signalwege. Die spezifischsten sind Regulation of TP53 Activity through Methylation (R-HSA-6804760, 19 Gene) und RMTs methylate histone arginines (R-HSA-3214858, 48 Gene). Auch snRNP Assembly (R-HSA-191859) ist aufgeführt.
- Interaktionen. STRING v12 nennt 1794 Interaktionspartner. Die höchsten Scores haben WDR77 und CLNS1A mit 999, danach H4C6 mit 997 sowie SNRPD3 und RIOK1 mit 996. PRMT1 erreicht 993.
Einordnung: Wie die Ergebnisse zu lesen sind
Drei Punkte sollten vor allem anderen beachtet werden.
1. Die Abhängigkeit ist breit und trennt daher keine Linien. Bei 1109 von 1178 abhängigen Linien verhält sich PRMT5 in diesem Datensatz wie ein zentrales Zellgen. Im Pankreas sind 47 von 47 Linien abhängig (Mittelwert -1,178), bei Kopf-Hals-Tumoren 76 von 77 (98,7 %). Die Unterschiede zwischen den Linien in der Tabelle sind klein gegenüber dem Gesamtmuster. Das Linienranking sollte daher als Gradient gelesen werden, nicht als Auswahlliste.
2. Die Wirkstoffebene ist dünn und mischt Assay-Typen. Pemrametostat ist der einzige Eintrag mit klinischer Phase (PHASE_2); sein Mechanismus ist als Inhibitor der Protein-Arginin-N-Methyltransferase 5 verzeichnet. Sein Wert von 8,7 ist ein EC50-Wert, kein IC50-Wert. Die Verbindung 3Xv hat einen exakten, IC50-basierten pChEMBL-Wert von 8,22. Für Hlcl-61 liegt kein exakter Wert vor. Die drei Substanzen sollten nicht allein nach Wirksamkeit gereiht werden, weil die beiden Zahlen aus unterschiedlichen Assay-Typen stammen. Die Zahl der Studien nach Namen ist für alle drei 0; das ist jedoch ein Namensabgleich und keine vollständige Studiensuche.
3. Die Erkrankungsevidenz wird eher vom Umfang als vom Score bestimmt. Der höchste Open-Targets-Score entfällt auf neurodegenerative Erkrankungen mit 0,208, beruht aber auf 3 Evidenzeinträgen. Brustkrebs erreicht 0,14 mit 187 Einträgen, Neoplasma 0,119 mit 668. Wer sich für Onkologie interessiert, erfährt aus der Zahl der Evidenzeinträge mehr als aus der Reihenfolge der Scores.
Wo die Ebenen übereinstimmen: Reactome und STRING verorten PRMT5 beide in der Histon-Argininmethylierung und der snRNP-Assemblierung. WDR77 ist mit 999 der beste Partner, was zu einem Gen passt, das die meisten Linien zum Überleben brauchen. Wo sie auseinandergehen: Die Expression unterscheidet sich zwischen Tumor- und Normalgewebe kaum, obwohl die Abhängigkeit hoch ist. Die Essenzialität scheint, zumindest bei dieser Auflösung, nicht auf einer tumorspezifischen Überexpression zu beruhen.
So reproduzieren Sie die Abfrage in BioQ
- Öffnen Sie BioQ und stellen Sie sicher, dass die Suche nicht auf eine einzelne Datenebene beschränkt ist.
- Geben Sie die folgende Abfrage genau so ein.
PRMT5
- Lesen Sie zuerst den Abhängigkeitsblock und prüfen Sie die Release-Angabe (depmap_24q4) und die Zahl der abhängigen Linien.
- Öffnen Sie den Wirkstoffblock und prüfen Sie die Typ-Spalte (IC50 oder EC50), bevor Sie pChEMBL-Werte vergleichen.
- Vergleichen Sie im Erkrankungsblock die Zahl der Evidenzeinträge mit den Assoziationsscores.
- Nutzen Sie den unter jedem Block angegebenen Quellennamen, um bei Bedarf zur Originalressource und zum Datensatz hinter einer Zahl zurückzugehen.
Grenzen: Was die Daten nicht zeigen
- Zelllinien sind keine Patienten. DepMap misst Knockouts in kultivierten Linien. Es sagt nichts darüber, wie ein Tumor oder ein Normalgewebe auf eine partielle Hemmung reagiert.
- Abhängigkeit ist keine Wirkstoffantwort. Ein CRISPR-Knockout entfernt das Protein. Eine pharmakologische Hemmung kann sich anders verhalten, und diese Ebenen verknüpfen beides nicht.
- Gemeinsame Essenzialität erschwert die Interpretation. Ein Gen, das die meisten Linien benötigen, lässt sich möglicherweise schwer selektiv adressieren. Die Daten hier können nicht sagen, ob es einen Kontext mit therapeutischem Fenster gibt.
- Die Wirkstoffliste ist kurz und uneinheitlich. Sie hat 3 Einträge, pro Verbindung einen Assay-Typ und für Hlcl-61 keinen exakten Wert. Sie ist keine vollständige Übersicht der PRMT5-Chemie.
- Eine Studienzahl von 0 beruht auf Namensabgleich. Sie schließt Studien nicht aus, die unter anderen Namen registriert oder nur über das Target gelistet sind.
- Assoziationsscores sind keine Effektgrößen. Open-Targets-Scores bündeln viele Evidenztypen, und der Score für neurodegenerative Erkrankungen beruht auf 3 Einträgen.
- Expressionsunterschiede sind klein und die Stichproben ungleich groß. Einige Normalgruppen haben sehr wenige Proben; ein einzelner Fold-Wert sollte daher nicht überinterpretiert werden.
- STRING-Scores messen Konfidenz, nicht Funktion. Ein Score von 999 bedeutet starke Unterstützung für eine Assoziation, nicht einen Mechanismus.
Daten und Methode
Die Zahlen auf dieser Seite wurden am 2026-11-06 aus der BioQ-Engine gelesen (7 Abfragen, insgesamt 0.6 s Engine-Zeit). Die Tabellen erzeugt Code aus den Antworten der Engine; der Text erklärt sie nur.
/depmap, /drugs, /interaction, /ot_association, /pathway, /tcga
Führen Sie dieselbe Abfrage selbst in BioQ aus: PRMT5
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
Ist PRMT5 in DepMap ein gemeinsam essenzielles Gen?
Im DepMap-Chronos-Release depmap_24q4 ist es als gemeinsam essenziell (common essential) markiert. 1109 von 1178 Zelllinien (94,1 %) sind abhängig, der mittlere Geneffekt beträgt -1,004.
Welche Linien hängen am stärksten von PRMT5 ab?
Das Pankreas hat mit -1,178 den negativsten mittleren Geneffekt, 47 von 47 Linien sind abhängig. Kopf und Hals folgen mit -1,124, dort sind 76 von 77 Linien abhängig.
Welche PRMT5-Inhibitoren listet BioQ, und wie wirksam sind sie?
BioQ listet 3 Wirkstoffe. Pemrametostat ist in PHASE_2 und hat einen EC50-basierten pChEMBL-Wert von 8,7. 3Xv hat einen exakten, IC50-basierten pChEMBL-Wert von 8,22, für Hlcl-61 gibt es keinen exakten Wert.
Mit welchen Erkrankungen verknüpft Open Targets PRMT5?
Open Targets listet 453 Erkrankungen. Den höchsten Score hat neurodegenerative Erkrankung mit 0,208 bei 3 Evidenzeinträgen, danach folgt Brustkrebs mit 0,14 bei 187 Einträgen.
Wird PRMT5 in Tumoren im Vergleich zu Normalgewebe überexprimiert?
Über 24 Krebsarten mit Tumor- und Normalproben sind die gezeigten Fold-Changes klein. Das Cholangiokarzinom liegt bei 0,12 und das Lungenadenokarzinom bei 0,1 in log2-Einheiten.
Quellen
Die Ergebnisse stammen aus öffentlichen Datenbanken zum angegebenen Datum und können sich ändern. BioQ liefert Forschungsinformationen, keine medizinische Beratung.
Weitere Beiträge
MDM2 und MDM4 im Vergleich: Genabhängigkeit
MDM2 und MDM4 im Vergleich anhand von DepMap 24q4: 384 von 1178 Zelllinien hängen von MDM2 ab, 142 von MDM4; 12 Wirkstoffe zu MDM2, 1 Wirkstoff zu MDM4.
Tiratricol FDA-Zulassung: Targets und Potenz in BioQ
Tiratricol FDA-Zulassung (Emcitate): ChEMBL listet 68 Targets, THRB und THRA führen nach pChEMBL; 3 Studien in ClinicalTrials.gov. Stand 2026-11-17.
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.


