Neue PRMT5-Studie: Was die BioQ-Daten zeigen
Eine Nature-Communications-Studie (2026) verknüpft PRMT5 mit der Histonversorgung; DepMap, ChEMBL, Open Targets, TCGA, Reactome und STRING liefern Kontext.
Datenstand 6. November 2026 · Das BioQ-Team

Die neue PRMT5-Studie in Nature Communications (2026) untersucht, wie PRMT5 die Histonproduktion unterstützt; ihre Ergebnisse gehören den Autorinnen und Autoren, nicht BioQ. Stand 2026-11-06 stufen die BioQ-Daten PRMT5 in DepMap als common-essential-Gen ein: 1109 von 1178 Zelllinien (94,1 %) sind abhängig, bei einem mittleren Chronos-Gene-Effect von -1,004.
Was die neue PRMT5-Studie fragt
Die Arbeit (DOI 10.1038/s41467-026-78671-x) fragt, was die Versorgung proliferierender Zellen mit Histonproteinen steuert. Sie betrachtet PRMT5, eine Typ-II-Arginin-Methyltransferase, und prüft, ob dessen Aktivität nötig ist, damit Histontranskription und Histonproteinsynthese während der S-Phase aufrechterhalten werden. Außerdem untersucht sie Histon H4 als Methylierungssubstrat sowie Histon-Locus-Körper (histone locus bodies). Die Befunde geben wir hier nicht wieder. Sie stammen aus den eigenen Experimenten der Autoren zu naszierender Transkription, Proteomik und Bildgebung, und BioQ hat keinen davon reproduziert.
BioQ kann jedoch die öffentlichen Daten zu dem Gen zeigen, das die Arbeit nennt, sodass Sie sie einordnen können. Wir haben eine Abfrage ausgeführt, PRMT5, und die Blöcke gelesen, die zu den Themen der Studie passen: Essenzialität, Pharmakologie, Krankheitsassoziation, Pathway-Zugehörigkeit und Proteinpartner.
Was BioQ für PRMT5 zurückgab
Genabhängigkeit. Im DepMap-CRISPR-Screen (Release depmap_24q4, Chronos-Gene-Effect) ist PRMT5 als common essential markiert. Die 1109 abhängigen Linien von 1178 werden gegen einen im Release benannten Schwellenwert gezählt; er ist keine Eigenschaft der Daten selbst. Ein negativerer Gene-Effect bedeutet, dass der Knockout die Viabilität stärker senkte. Die Linien mit dem höchsten mittleren Gene-Effect:
| 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 |

Wirkstoffe. BioQ listet für PRMT5 aus Open Targets, ChEMBL, dem Drug Repurposing Hub und ClinicalTrials.gov 3 Wirkstoffe:
| 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 |
Interaktionspartner. STRING v12 führt 1794 Partner für PRMT5. Die sechs mit dem höchsten kombinierten Score:
| Interaktionspartner | UniProt | STRING-Gesamtscore |
|---|---|---|
| WDR77 | Q9BQA1 | 999 |
| CLNS1A | P54105 | 999 |
| H4C6 | P62805 | 997 |
| SNRPD3 | P62318 | 996 |
| RIOK1 | Q9BRS2 | 996 |
| PRMT1 | Q99873 | 993 |
Krankheitsassoziation. Open Targets verknüpft PRMT5 mit 453 Krankheiten. Der höchste Score, 0,208, entfällt auf neurodegenerative Erkrankungen, beruht aber nur auf 3 Evidenzeinträgen. Brustkrebs erreicht 0,14 mit 187 Evidenzeinträgen, der allgemeine Begriff Neoplasma 0,119 mit 668. Es folgen das hepatozelluläre Karzinom (0,117; 120 Einträge), das kolorektale Karzinom (0,116; 78 Einträge) und das Lungenkarzinom (0,116; 139 Einträge).
Expression in Tumor und Normalgewebe. TCGA und GTEx (Toil-Neuberechnung) enthalten für 24 Krebsarten sowohl Tumor- als auch Normalproben. Die Unterschiede für PRMT5 sind auf der log2-Skala klein. Das Cholangiokarzinom zeigt einen log2-Fold-Change von 0,12 (36 Tumoren, 9 Normalproben), das Plattenepithelkarzinom der Lunge und das Lungenadenokarzinom zeigen jeweils 0,1. Phäochromozytom und Paragangliom gehen mit -0,11 in die Gegenrichtung, allerdings mit nur 3 Normalproben.
Pathways. Reactome ordnet PRMT5 12 Pathways zu. Zu den spezifischsten gehören „RMTs methylate histone arginines“ (R-HSA-3214858, 48 Gene), „snRNP Assembly“ (R-HSA-191859, 54 Gene) und „Regulation of TP53 Activity through Methylation“ (R-HSA-6804760, 19 Gene).
Einordnung: Wie sich die Daten lesen lassen
Die Studie bezeichnet PRMT5 als zellessenziell. Der DepMap-Block ist damit auf Ebene der Zelllinien-Viabilität vereinbar: Der Effekt ist breit und nicht auf bestimmte Linien beschränkt. Beim Pankreas sind 47 von 47 Linien abhängig (Mittelwert -1,178), bei Kopf und Hals 76 von 77. Die Tabelle zeigt nur die acht Linien mit dem höchsten mittleren Effekt; eine Abhängigkeit beschränkt sich also nicht auf sie. Weil die Essenzialität so weit verbreitet ist, sagt das Linienranking wenig darüber aus, welche Tumorarten empfindlicher sein könnten.
Die Partnerliste berührt das Thema der Studie am direktesten. WDR77 und CLNS1A erreichen beide 999, was zu den bekannten Partnern des PRMT5-Komplexes passt. H4C6, ein Gen, das Histon H4 kodiert, erreicht 997. Das stimmt damit überein, dass H4 mit PRMT5 interagiert. Ein STRING-Score fasst jedoch mehrere Evidenzarten zusammen und verrät weder, welcher Rest methyliert wird, noch, was daraus folgt. Die Frage nach Arginin 3 stammt aus der Studie und wird dort experimentell geprüft.
Zur Pharmakologie: Der einzige benannte Wirkstoff mit Phasenangabe ist Pemrametostat, geführt als PRMT5-Inhibitor in PHASE_2. Sein Potenzwert beträgt 8,7 pChEMBL, der Typ ist jedoch EC50, nicht IC50. Wenn Sie ausschließlich einen exakten IC50-Wert benötigen, ist 3Xv der Eintrag, der einen hat, mit 8,22. Hlcl-61 hat keinen Potenzwert. Bei allen drei Wirkstoffen sind es 0 Studien, die über den Namen zugeordnet wurden; dieser Block bildet die klinische Landschaft also nicht ab.
Das Muster bei Open Targets mahnt, Scores stets zusammen mit den Evidenzzahlen zu lesen. Ein Spitzenscore aus 3 Einträgen ist ein anderes Signal als 187 Einträge bei Brustkrebs.
Warum dieses Vorgehen: Die obigen Fakten stützen sich auf 6 verschiedene Ressourcen und erforderten 7 Engine-Abfragen, die BioQ in 0,87 Sekunden Engine-Zeit beantwortete. Dieselben Ansichten von Hand zusammenzutragen, hieße, jede Datenbank einzeln aufzurufen, jeweils mit eigenen Gen-Identifikatoren und eigenem Release. Jeder Block nennt Quelle und Release, damit Sie ihn prüfen können.
So reproduzieren Sie die Abfrage in BioQ
- Öffnen Sie BioQ und geben Sie das Gensymbol als Abfrage ein, genau wie unten.
PRMT5
- Lesen Sie zuerst den DepMap-Block. Notieren Sie die Zahl der abhängigen Linien und die Linientabelle und prüfen Sie die Release-Angabe.
- Öffnen Sie den Wirkstoffblock und vergleichen Sie den Potenztyp (EC50 oder IC50), bevor Sie Werte vergleichen.
- Prüfen Sie im Interaktionsblock H4C6 und die Komplexpartner, danach die Reactome-Pathways.
- Vergleichen Sie die Open-Targets-Scores mit ihren Evidenzzahlen, bevor Sie Schlüsse ziehen.
Öffnen Sie anschließend die Studie selbst, um zu sehen, was gemessen wurde und wie.
Grenzen: Was die Daten nicht zeigen
- DepMap misst die Viabilität nach CRISPR-Knockout in Zelllinien. Histon-mRNA-Spiegel, das Verhalten in der S-Phase und die Genomintegrität, also die Messgrößen der Studie, zeigt es nicht.
- Ein Chronos-Effekt unterscheidet nicht zwischen dem Verlust des PRMT5-Proteins und dem Verlust seiner katalytischen Aktivität. Der Vergleich von Inhibitor und Knockdown in der Studie adressiert das; diese Daten können es nicht.
- STRING-Scores zeigen Assoziation an, nicht Methylierung oder deren Richtung. Nichts hier bestätigt Arginin 3 von H4 als Substrat.
- Die Potenzwerte stammen aus gemischten Assay-Typen und lassen sich nicht eins zu eins vergleichen. Die Studienzahl 0 gilt nur für die Suche über den Wirkstoffnamen.
- Open-Targets-Scores bündeln Evidenz vieler Arten und sagen nichts über Kausalität. TCGA-Werte beziehen sich auf Bulk-mRNA, nicht auf Enzymaktivität.
- Nichts davon ist medizinischer Rat, und nichts hier prüft die Aussagen der Studie.
Daten und Methode
Die Zahlen auf dieser Seite wurden am 2026-11-06 aus der BioQ-Engine gelesen (7 Abfragen, insgesamt 0.9 s Engine-Zeit). Die Tabellen erzeugt Code aus den Antworten der Engine; der Text erklärt sie nur.
/depmap, /drugs, /interaction, /ot_association, /pathway, /tcga
Quellen
- PRMT5 activity sustains histone production to maintain genome integrity (2026) — doi:10.1038/s41467-026-78671-x
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 common-essential-Gen?
Ja. In depmap_24q4 ist PRMT5 als common essential markiert. 1109 von 1178 Zelllinien (94,1 %) sind abhängig, bei einem mittleren Chronos-Gene-Effect von -1,004.
Welche Linien zeigen die stärkste PRMT5-Abhängigkeit?
Nach dem mittleren Gene-Effect steht Pankreas mit -1,178 an erster Stelle der Tabelle, 47 von 47 Linien sind abhängig. Es folgen Kopf und Hals mit -1,124 (76 von 77 Linien) und Schilddrüse mit -1,074 (11 von 11).
Welche PRMT5-Inhibitoren listet BioQ?
BioQ listet 3 Wirkstoffe. Pemrametostat ist ein PRMT5-Inhibitor in PHASE_2 mit einem pChEMBL-Wert von 8,7 (EC50). 3Xv hat einen IC50-basierten Wert von 8,22, Hlcl-61 hat keinen Potenzwert.
Interagiert PRMT5 in STRING mit Histon H4?
H4C6 erscheint unter 1794 PRMT5-Partnern mit einem kombinierten Score von 997. Das zeigt nur eine Assoziation und identifiziert nicht den methylierten Rest.
Was ist die stärkste PRMT5-Krankheitsassoziation in Open Targets?
Neurodegenerative Erkrankungen erreichen mit 0,208 den höchsten Score, jedoch mit 3 Evidenzeinträgen. Brustkrebs erreicht 0,14 mit 187 Evidenzeinträgen, unter insgesamt 453 assoziierten Krankheiten.
Quellen
- Paper PRMT5 activity sustains histone production to maintain genome integrity (2026) DOI 10.1038/s41467-026-78671-x
- 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 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.
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.
JAK2 vs. TYK2: Genabhängigkeit und Wirkstoffe
JAK2 vs. TYK2 in DepMap und Wirkstoffdatenbanken: 8 von 1178 Zelllinien hängen von JAK2 ab, 11 von TYK2; 47 Wirkstoffe sind für JAK2 bekannt, 20 für TYK2.


