Genetische Evidenz für ME/CFS: Welche biologischen Spuren DecodeME sichtbar macht

„Für ME/CFS fehlt bisher belastbare biologische Evidenz.“ Solche Aussagen sind in manchen fachlichen Debatten weiterhin anschlussfähig. Dabei haben sich die wissenschaftlichen Fragestellungen längst verschoben. Wer diese Behauptung heute noch pauschal vertritt, müsste erklären, welche Evidenz eigentlich nicht zählen soll. 

Inzwischen liegen für ME/CFS Befunde zu verschiedenen biologischen Veränderungen vor. Genetische Evidenz ergänzt diesen Wissensstand um eine andere Art von Belegen. Denn die untersuchten Keimbahnvarianten bestehen bereits vor Erkrankungsbeginn, sodass ME/CFS diese genetischen Unterschiede nicht selbst hervorgebracht haben kann.

Die bislang größte genetische Studie zu ME/CFS, DecodeME, hat 2025 erstmals robuste genomweite Assoziationen gefunden. Eine 2026 veröffentlichte Analyse derselben Datenbasis untersucht mit einem anderen methodischen Ansatz komplexe Kombinationen genetischer Varianten. Beide Arbeiten liefern Evidenz für eine genetische Beteiligung am Erkrankungsrisiko.

Dieser Beitrag ordnet deshalb nicht nur fachlich ein, was die Studien gefunden haben. Er prüft, welche Schlüsse die Befunde bereits begründen, wo ihre Aussagekraft endet und welche Fragen offenbleiben. Dazu gehören auch die bislang ausstehende formale externe Replikation einzelner DecodeME-Signale und die methodischen Grenzen der kombinatorischen Analyse.

Gerade diese Unterscheidung ist für die fachliche Einordnung relevant: Fehlende vollständige Mechanismenklärung und fehlende biologische Evidenz bezeichnen nicht denselben Erkenntnisstand.

Das Wichtigste in Kürze

Die zentralen Befunde, ihre Aussagekraft und die wichtigsten Grenzen habe ich als zweiseitige fachliche Kurzfassung mit Quellenangaben und Link zur laufend aktualisierten Langfassung zusammengefasst.

Genetische Evidenz für ME/CFS – Welche biologischen Spuren DecodeME sichtbar macht
Fachliche Kurzfassung · Version 1.0 · Stand 20.08.2026 · 2 Seiten

Für den schnellen Überblick: PDF herunterladen

Was genetische Studien anders beantworten können

Bei ME/CFS erfassen viele biologische Untersuchungen Veränderungen nach Erkrankungsbeginn, beispielsweise Immunparameter, Stoffwechselprodukte, die Durchblutung, Muskelveränderungen oder bildgebende Befunde. Solche Ergebnisse können pathophysiologisch relevant sein. Aus ihrem zeitlichen Auftreten allein lässt sich jedoch häufig nicht ableiten, ob eine Veränderung an der Entstehung der Erkrankung beteiligt ist, aus ihr hervorgeht oder durch weitere Prozesse mitbedingt wird.

Bei vererbten genetischen Varianten stellt sich diese Frage anders. Die in einer Genome-Wide Association Study (GWAS) untersuchten Keimbahnvarianten bestehen bereits vor Erkrankungsbeginn. ME/CFS kann diese genetischen Unterschiede deshalb nicht nachträglich hervorgebracht haben. Eine umgekehrte Kausalität ist somit ausgeschlossen.

Eine statistische Assoziation macht die gefundene Variante allerdings noch nicht zur Krankheitsursache. Ein GWAS-Signal markiert zunächst lediglich eine Region des Genoms. Welche Variante darin funktionell relevant ist, welches Gen sie beeinflusst und über welchen biologischen Weg sich dadurch das Erkrankungsrisiko verändert, muss anschließend untersucht werden.

Damit verschiebt sich die Frage von „Gibt es Belege für einen biologischen Beitrag zum Erkrankungsrisiko?“ zu „Welche genetischen Konstellationen wirken über welche biologischen Prozesse?“

DecodeME: acht genomweit signifikante Risikoregionen

Insgesamt rekrutierte DecodeME 21.620 Menschen, die die festgelegten ME/CFS-Kriterien erfüllten. Für die bislang veröffentlichte GWAS wurden bis zu 15.579 Personen mit ME/CFS und 259.909 Kontrollpersonen europäischer genetischer Abstammung aus der UK Biobank verglichen. Die Fälle mussten unter anderem eine ärztliche Diagnose sowie Post-Exertional Malaise aufweisen und die kanadischen Konsenskriterien und/oder die Kriterien des Institute of Medicine erfüllen.

Die Analyse identifizierte acht Regionen des Genoms, deren Varianten bei Menschen mit ME/CFS mit genomweiter Signifikanz häufiger vorkamen. DecodeME liefert damit erstmals robuste Evidenz dafür, dass genetische Variation zum Risiko beiträgt, ME/CFS zu entwickeln.

Dabei ist entscheidend, was eine GWAS überhaupt nachweist. Sie sucht nicht nach genetischen Varianten, die ausschließlich bei Erkrankten vorkommen. Bei komplexen polygenetischen Erkrankungen können dieselben Varianten auch bei Menschen ohne die Erkrankung vorhanden sein. Der Zusammenhang entsteht dadurch, dass bestimmte Varianten bei Menschen mit ME/CFS statistisch häufiger vorkommen als bei Kontrollpersonen. Die unterschiedliche Verteilung weist somit auf eine unterschiedliche genetische Anfälligkeit hin, sie ist jedoch kein diagnostischer Trennmarker zwischen „krank“ und „gesund“.

Den acht Regionen lässt sich jeweils kein einzelnes „ME/CFS-Gen“ zuordnen. In mehreren davon befinden sich verschiedene Kandidatengene. Die Forschungsgruppe priorisierte deshalb anhand zusätzlicher genetischer und funktioneller Informationen jene Gene, die für weitere Untersuchungen besonders relevant erscheinen.

Darunter befinden sich unter anderem BTN2A2, OLFM4 und RABGAP1L, deren Funktionen mit der Reaktion auf virale oder bakterielle Infektionen verbunden sind. In der Region um CA10 wiederum kolokalisiert das ME/CFS-Signal mit einem bekannten genetischen Signal für chronische Schmerzen. Dies begründet die Forschungsrichtung, sowohl immunologische als auch neurologische Prozesse bei der weiteren funktionellen Aufklärung der genetischen Risikosignale genauer zu untersuchen.

Warum die Hirnbefunde interessant sind – und was sie nicht zeigen

Eine ergänzende Gen- und Gewebeanalyse mit MAGMA (Multi-marker Analysis of GenoMic Annotation) untersuchte, ob Gene mit stärkeren genetischen ME/CFS-Assoziationen in bestimmten Geweben stärker exprimiert werden.

Von den 54 untersuchten Gewebekategorien erreichten 13 die korrigierte statistische Signifikanz. Sämtliche dieser 13 Kategorien waren Hirnregionen. Damit weist die Analyse das Nervensystem als relevanten Ansatzpunkt für die weitere funktionelle Aufklärung der genetischen Risikosignale aus.

Zusammen mit Kandidatengenen wie BTN2A2, OLFM4 und RABGAP1L, deren Funktionen mit der Reaktion auf Infektionen verbunden sind, ergibt sich ein Muster, in dem sowohl immunologische als auch neurologische Prozesse eine Rolle spielen. Die DecodeME-Forschungsgruppe selbst leitet daraus eine mögliche Beteiligung beider Bereiche am genetischen Erkrankungsrisiko ab.

Die Gewebeanalyse bestimmt jedoch noch nicht, welche Zelltypen diese Zusammenhänge aufweisen. Sie zeigt auch nicht, dass die betreffenden Gene ausschließlich im Gehirn aktiv sind, dass ME/CFS dort seinen Ursprung hat oder dass bereits ein bestimmtes neuroimmunologisches Krankheitsmodell bewiesen wäre. Der Befund grenzt vielmehr ein, wo die funktionelle Aufklärung weiter ansetzen kann

Welche Zelltypen hinter dem Hirnsignal stehen könnten

Eine 2026 veröffentlichte, bislang nicht peer-reviewte Reanalyse der DecodeME-GWAS-Daten hat diese Frage mit einem Einzelzellatlas weiter untersucht. Von den 23 Zelltypen, die eine signifikante Anreicherung bei ME/CFS aufwiesen, gehörten 19 zur neuralen Zelllinie, darunter 17 neuronale und zwei gliale Populationen. Das stärkste Signal zeigte sich bei den inhibitorischen Neuronen. Auch Mikroglia waren signifikant angereichert.

Damit wird das zuvor auf Hirngewebe bezogene Signal zellulär genauer: Die genetische Anfälligkeit zeigt in dieser Analyse besonders deutliche Bezüge zu neuronalen Zelltypen, ohne dass Gliazellen aus dem Bild verschwinden. Eine Schlussfolgerung im Sinne von „Neuronen statt Glia“ lässt sich daraus gerade nicht ableiten.

Auch das Ausbleiben einer signifikanten Anreicherung peripherer Immunzelltypen in dieser Analyse erlaubt keinen Ausschluss immunologischer Mechanismen. Der verwendete Einzelzellatlas basiert überwiegend auf fetalen Geweben und bildet adulte, aktivierte oder gewebsspezifische Immunzustände nur eingeschränkt ab. Die Publikation benennt diese Grenze ausdrücklich.

Ein weiterer Mikroglia-Bezug ergibt sich bereits aus der ursprünglichen DecodeME-Analyse: SUDS3 kodiert ein Protein, das als negativer Regulator mikroglialer Entzündungsreaktionen beschrieben wird. Für die ME/CFS-Risikokonstellation diskutiert DecodeME sogar eine mögliche Abschwächung der mikroglialen Entzündungsantwort. Der genetische Befund fällt somit differenzierter aus als die Vorstellung einer generell verstärkten Mikrogliaaktivierung.

Damit wird die nächste Frage spezifischer: In welchen neuronalen und glialen Zelltypen werden die genetischen Risikosignale funktionell wirksam und wie hängen diese Prozesse mit immunologischen Veränderungen zusammen? Ein Ursprung der Erkrankung in einem bestimmten Zelltyp oder eine festgelegte kausale Abfolge zwischen Nervensystem und Immunantwort lassen sich daraus bislang nicht ableiten.

Depression, Angst und chronischer Schmerz: gleiche Region bedeutet nicht gleiche Ursache

Auch die Nähe genetischer Signale zu anderen Erkrankungen muss differenziert gelesen werden.

Genetische Signale können im Genom nah beieinander liegen, ohne dass sie auf dieselbe kausale Variante zurückgehen. DecodeME hat deshalb untersucht, ob sich die ME/CFS-Signale tatsächlich mit bekannten Signalen anderer Merkmale überlagern.

Es zeigte sich, dass drei ME/CFS-assoziierte Regionen in der Nähe bereits bekannter Depressionssignale lagen. Für diese Regionen fand sich jedoch keine signifikante Kolokalisation, also kein Hinweis darauf, dass ME/CFS und Depression dort durch dieselbe kausale genetische Variante erklärt werden.

Bei zwei Angst-Assoziationen nahe BTN2A2 konnte eine solche Analyse mangels vollständiger Ausgangsdaten nicht durchgeführt werden. Die geringe genetische Kopplung der jeweils führenden Varianten spricht nach Einschätzung der Forschungsgruppe jedoch dafür, dass die ME/CFS- und Angst-Signale dort voneinander getrennt sind.

Anders bei chronischem Schmerz: In der CA10-Region fand DecodeME deutliche Evidenz für ein gemeinsames genetisches Signal von ME/CFS und „multisite chronic pain“, also chronischen Schmerzen an mehreren Körperregionen.

Die Nähe genetischer Signale allein belegt jedoch keine gemeinsame Krankheitsursache. Für die untersuchten Depressionssignale fand DecodeME keinen entsprechenden Überschneidungsbefund, bei CA10 und „multisite chronic pain“ dagegen schon.

Die wichtige Einschränkung: Die acht Loci sind noch nicht formal extern repliziert

Ein starker Erstbefund wird wissenschaftlich belastbarer, wenn er sich in unabhängig erhobenen Stichproben wiederfindet. Genau hier stößt DecodeME derzeit an seine Grenzen.

Für eine Replikationsanalyse standen Daten aus sieben nationalen Biobanken mit insgesamt 15 251 Fällen und 1 878 066 Kontrollen zur Verfügung. Keiner der acht genomweit signifikanten DecodeME-Loci ließ sich darin nach Korrektur für multiples Testen formal replizieren.

In Analysen der UK Biobank und der niederländischen Lifelines-Kohorte zeigten vier der acht Regionen – RABGAP1L, FBXL4, OLFM4 und CA10 – nominale Assoziationen mit Phänotypen, die Post-Exertional Malaise beziehungsweise Belastungsintoleranz und Fatigue einbezogen. Nach Korrektur für multiples Testen blieben diese Ergebnisse jedoch nicht signifikant.

DecodeME diskutiert als mögliche Gründe unter anderem Unterschiede in den Falldefinitionen und der Fallgewinnung. Die Replikationskohorten konnten ME/CFS teilweise deutlich weniger spezifisch abbilden als die DecodeME-Kohorte. Dies ist eine plausible, wenn auch noch nicht nachgewiesene, methodische Erklärung für die ausgebliebene Replikation.

Die Konsequenz daraus ist weder, die acht Signale als widerlegt zu betrachten, noch ihre externe Bestätigung vorwegzunehmen. Ihre Replikation in vergleichbar gut charakterisierten, unabhängigen ME/CFS-Kohorten bleibt eine zentrale Forschungsaufgabe.

Die ausstehende Replikation begrenzt damit, wie belastbar die einzelnen Loci über die ursprüngliche DecodeME-Kohorte hinaus bereits gelten können. Sie macht aus den genomweit signifikanten Erstbefunden jedoch keine Nullbefunde.

Die kombinatorische Analyse: ein anderer Blick auf dieselben Daten

In der 2026 im „Journal of Translational Medicine“ veröffentlichten Arbeit von Sardell et al. wird ein anderer statistischer Ansatz verwendet.

Bei klassischen GWAS wird vor allem untersucht, ob einzelne Varianten mit einer Erkrankung assoziiert sind. Die kombinatorische Analyse sucht dagegen nach Konstellationen aus jeweils ein bis vier SNP-Genotypen, die gemeinsam häufiger bei Erkrankten vorkommen. Damit sollen auch Beziehungen zwischen genetischen Merkmalen erfasst werden, die bei einer Einzelvariantenanalyse weniger sichtbar werden.

Was die Signaturen in der Testkohorte zeigen

Die Analyse identifizierte 22.411 reproduzierbare genetische Signaturen aus 7.555 unterschiedlichen SNP. Sie wurden zunächst anhand voneinander getrennter DecodeME-Kohorten entwickelt und geprüft. Anschließend untersuchten Sardell et al., ob sich ihr Zusammenhang mit ME/CFS auch in einer dritten, nicht überlappenden Testkohorte zeigt, deren Teilnehmende zuvor weder zur Entdeckung noch zur Verfeinerung der Signaturen verwendet worden waren.

Dort zeigte sich ein deutlicher Zusammenhang: Pro Standardabweichung der Signaturzahl lag die Odds Ratio für ME/CFS bei 1,23; der Zusammenhang war mit p = 4 × 10⁻²¹ hochsignifikant. Personen im obersten Zehntel der Signaturzahl hatten gegenüber dem untersten Zehntel eine Odds Ratio von 1,64.

Die kombinatorische Analyse zeigt somit zunächst einen eigenständigen Befund: Je mehr der zuvor identifizierten genetischen Signaturen eine Person in der getrennten Testkohorte aufwies, desto höher war die Wahrscheinlichkeit, zur ME/CFS-Gruppe zu gehören. Dies ist jedoch weder eine individuelle Vorhersage noch ein diagnostischer Gentest. Es zeigt aber, dass sich das aggregierte genetische Signal auch außerhalb der Datensätze wiederfindet, mit denen die Signaturen entwickelt und verfeinert wurden.

Konvergenz mit DecodeME – und die Grenze der Bestätigung

Bemerkenswert ist daneben die Verbindung zur klassischen DecodeME-GWAS. Beim Vergleich der Ergebnisse zeigte sich, dass die kombinatorischen Signaturen SNPs aus allen acht genomweit signifikanten DecodeME-Regionen enthielten. In sechs dieser Regionen ließen sich Signaturen 13 der von DecodeME priorisierten Gene zuordnen. In den beiden übrigen Regionen enthielten die Signaturen ebenfalls SNPs, die jedoch nicht innerhalb protein-codierender Gene lagen.

Damit laufen zwei unterschiedlich aufgebaute statistische Zugänge zur DecodeME-Datenbasis an einem relevanten Punkt zusammen. Die GWAS identifiziert acht Regionen über Einzelvarianten-Assoziationen. Die kombinatorische Analyse sucht nach Multi-SNP-Konstellationen, in denen genetische Signale aus sämtlichen acht GWAS-Regionen erneut auftreten.

Diese Konvergenz ist von einer externen Replikation zu unterscheiden. Die Analyse arbeitet zwar mit voneinander getrennten DecodeME-Fallgruppen und unterschiedlichen UK-Biobank-Kontrollgruppen. Die ME/CFS-Fälle und die Kontrollpersonen stammen jedoch aus unterschiedlichen Ausgangsstudien. Sardell et al. diskutieren, dass Unterschiede in der Probengewinnung, der Genotypisierung und der Datenverarbeitung sogenannte Batch-Effekte erzeugen können. Trotz umfangreicher Qualitätskontrollen lässt sich diese Fehlerquelle nicht vollständig ausschließen.

Für eine formale Bestätigung ist deshalb eine unabhängig erhobene Kohorte erforderlich, in der Menschen mit ME/CFS und Kontrollpersonen innerhalb derselben Studie genotypisiert werden.

Die Aussagekraft der Analyse beruht somit auf zwei Punkten: Einerseits zeigen die identifizierten Signaturen auch in einer zuvor nicht verwendeten Testkohorte einen deutlichen Zusammenhang mit ME/CFS. Zugleich werden mit einem anders aufgebauten statistischen Ansatz genetische Signale aus allen acht DecodeME-GWAS-Regionen wiedergefunden. Beides stützt die genetische Beteiligung am Erkrankungsrisiko aus unterschiedlichen analytischen Richtungen. Eine von dieser Datenarchitektur unabhängige, externe Bestätigung steht jedoch weiterhin aus.

Eine polygenetische Erkrankung statt eines einzelnen „ME/CFS-Gens“

Die große Zahl kombinatorischer Signaturen spricht ebenfalls gegen die Vorstellung, ME/CFS lasse sich genetisch auf eine einzelne dominierende Risikovariante reduzieren.

Sardell et al. ordneten die identifizierten Signaturen 2.311 Genen zu und priorisierten 259 Kandidatengene mit besonders starken Assoziationen. Diese waren unter anderem mit neurologischer Regulation, Entzündung, zellulären Stressreaktionen und Calcium-Signalwegen verbunden.

Daraus folgt noch nicht, dass bei verschiedenen Erkrankten notwendigerweise vollständig unterschiedliche Krankheitsmechanismen ablaufen. Es ist jedoch denkbar, dass unterschiedliche genetische Risikokonstellationen auf gemeinsame nachgelagerte Prozesse zulaufen oder biologisch unterscheidbare Teilgruppen mitprägen.

Der belastbare Befund liegt zunächst davor: Die genetische Architektur erscheint komplex und polygen und lässt sich somit nicht mit der Erwartung eines einzelnen dominierenden genetischen Mechanismus vereinbaren. Wie diese genetischen Unterschiede funktionell zusammenlaufen, ist eine der Fragen, die sich aus den Befunden erst neu stellt.

Was die genetische Überlappung mit Long COVID bedeutet

Die Verbindung zu Long COVID ist besonders interessant.

In vorausgehenden Arbeiten wurden mit derselben kombinatorischen Methode Long-COVID-assoziierte Gene untersucht. Von den 180 Genen, deren Assoziation sich dabei über britische und US-amerikanische Long-COVID-Kohorten reproduzieren ließ, fanden Sardell et al. 76 auch unter den mit ME/CFS assoziierten Genen.

Damit liegt in dieser Analyse nicht nur eine klinische Ähnlichkeit beider Erkrankungen vor, sondern es gibt auch einen genetischen Überschneidungsbefund. Dieser macht Long COVID und ME/CFS weder genetisch noch klinisch identisch. Sardell et al. beschreiben beide Erkrankungen ausdrücklich als teilweise überlappende, aber unterschiedliche Krankheiten.

Die 76 gemeinsamen Gene liefern damit einen konkreten Ansatzpunkt, um nach geteilten biologischen Prozessen zu suchen. Welche dieser Prozesse tatsächlich gemeinsam sind und welche krankheitsspezifisch bleiben, muss weiter untersucht werden.

Was weiterhin offen ist

Die genetischen Befunde beantworten somit wichtige Fragen, zugleich entstehen jedoch auch neue.

Für die meisten der acht DecodeME-Risikoregionen ist noch nicht geklärt, welche konkrete Variante funktionell relevant ist und welches der dort gelegenen Gene den Zusammenhang mit ME/CFS vermittelt. Ebenso offen ist, in welchen Zelltypen und regulatorischen Netzwerken diese genetischen Unterschiede wirksam werden und wie daraus die charakteristischen klinischen Merkmale der Erkrankung entstehen.

Auch die deutliche Häufung von ME/CFS bei Frauen ist genetisch bislang nicht erklärt. Für die acht identifizierten autosomalen Signale fand DecodeME keinen signifikanten Geschlechtsunterschied. X- und Y-Chromosomen waren in der initialen GWAS jedoch nicht einbezogen worden. Damit ist die Frage nach möglichen geschlechtsspezifischen genetischen Beiträgen keineswegs abschließend beantwortet.

Die Heterogenität der Erkrankung wird inzwischen ebenfalls genauer untersucht. Eine 2026 veröffentlichte Analyse der DecodeME-Symptomdaten identifizierte zwei klinische Cluster: eine Gruppe mit höherer und eine mit geringerer Symptombelastung. Ein infektiöser Erkrankungsbeginn war häufiger mit dem symptomreicheren Cluster verbunden und in diesem Cluster waren Frauen ebenfalls stärker vertreten. Eine zusätzliche GWAS fand jedoch keine genomweit signifikante genetische Variante, die mit der Clusterzugehörigkeit verbunden war. Andere oder biologisch anders definierte Subgruppen können damit weder bestätigt noch ausgeschlossen werden.

Ein diagnostischer Gentest lässt sich aus den bisherigen Ergebnissen ebenfalls nicht ableiten. Die identifizierten Varianten kommen auch bei Menschen ohne ME/CFS vor und verändern jeweils Wahrscheinlichkeiten, statt die Erkrankung eindeutig vorherzusagen.

Dies widerspricht ihrer Bedeutung als Risikosignale jedoch nicht. Gerade bei komplexen polygenetischen Erkrankungen ist nicht zu erwarten, dass einzelne häufige Varianten Erkrankte und Nichterkrankte trennscharf unterscheiden. Die relevante Aussage betrifft Unterschiede der Häufigkeit und Kombination genetischer Varianten zwischen den untersuchten Gruppen und somit Unterschiede der Erkrankungswahrscheinlichkeit.

Die genetische Forschung geht weiter

Die bisherigen DecodeME-Ergebnisse sind kein Endpunkt. Die 2025 veröffentlichte GWAS liegt bislang als erste Auswertung vor, während weitere genetische und phänotypische Analysen aus dem großen Datensatz folgen werden.

Parallel dazu hat mit „Sequence ME & Long Covid” ein deutlich weitergehendes Genomprojekt begonnen. In einer bereits finanzierten Phase werden zunächst rund 6.000 vorhandene DecodeME-Proben mit der sogenannten Long-Read-Technologie vollständig sequenziert. Dadurch werden auch seltene Varianten und größere strukturelle Veränderungen des Genoms zugänglich, die eine klassische GWAS, die sich auf häufige Varianten konzentriert, nur begrenzt erfasst. Die Sequenzierung dieser ersten 6.000 Proben wird etwa ein Jahr dauern. Die Analyse sowie die zusätzlichen ME/CFS- und Long-COVID-Proben gehören zu weiteren Projektphasen, die teilweise noch von zusätzlicher Finanzierung abhängig sind.

Für weitere Analysen, die individuelle Daten der UK Biobank benötigen, kommt derzeit eine infrastrukturelle Einschränkung hinzu. Die Research Analysis Platform der UK Biobank ist nach einem Datensicherheitsvorfall vorübergehend geschlossen. Nach aktuellem offiziellen Stand ist eine schrittweise Wiedereröffnung ab September 2026 vorgesehen. Daraus lässt sich jedoch keine allgemeine Verzögerung der DecodeME-Forschung „bis mindestens 2027“ ableiten.

Die Forschung verschiebt sich damit bereits weiter von der Identifikation statistischer Risikoregionen hin zur feineren Auflösung genetischer Varianten, ihrer funktionellen Bedeutung und möglicher biologischer Teilgruppen.

Was folgt daraus für die Diskussion über „biologische Evidenz“?

Eine zentrale Frage beantworten die bislang veröffentlichten genetischen Daten inzwischen deutlich klarer als noch vor wenigen Jahren: Dass vererbte genetische Unterschiede zum Erkrankungsrisiko von ME/CFS beitragen, ist keine bloße Hypothese mehr.

DecodeME identifizierte in einer großen, vergleichsweise sorgfältig charakterisierten ME/CFS-Kohorte acht genomweit signifikante Risikoregionen. Sardell et al. fanden mit einem methodisch anderen Ansatz Tausende reproduzierbare Multi-SNP-Signaturen, deren Häufung hochsignifikant mit ME/CFS assoziiert war. Die kombinatorische Analyse erfasste zudem genetische Signale aus allen acht DecodeME-Regionen.

Beide Ansätze haben unterschiedliche methodische Grenzen. Die einzelnen DecodeME-Loci sind bislang nicht formal in einer vergleichbar gut charakterisierten externen ME/CFS-Kohorte repliziert. Die kombinatorische Analyse arbeitet trotz getrennter Prüfdatensätze weiterhin mit DecodeME-Fällen und UK-Biobank-Kontrollen und benötigt eine von dieser Datenarchitektur unabhängige Bestätigung.

Diese Grenzen bestimmen, wie weit die jeweiligen Einzelbefunde bereits abgesichert sind. Sie ändern die übergeordnete Aussage nicht in ihr Gegenteil: Unterschiedliche genetische Analysen zeigen einen Zusammenhang zwischen vererbter genetischer Variation und der Anfälligkeit für ME/CFS.

Dass dieselben Varianten auch bei Menschen ohne ME/CFS vorkommen, widerspricht diesem Befund nicht. Die genetischen Analysen beschreiben ein komplexes, polygenes Erkrankungsrisiko und keinen einzelnen deterministischen Gendefekt.

Offen sind weiterhin die konkreten kausalen Varianten und Gene, ihre Wirkungen in bestimmten Zelltypen und regulatorischen Netzwerken sowie die biologischen Prozesse, über die daraus ME/CFS entsteht. Auch die externe Replikation einzelner DecodeME-Loci bleibt eine wichtige Forschungsaufgabe. Diese offenen Fragen bestimmen den nächsten Forschungsabschnitt. Sie setzen die bereits vorhandene genetische Evidenz nicht auf null.

Für ME/CFS heißt das inzwischen sehr konkret:

Wer den noch ausstehenden Mechanismusnachweis wie einen Gegenbeweis gegen bereits vorhandene Evidenz behandelt, verändert den Bewertungsmaßstab. So wird aus einer offenen Mechanismusfrage erneut die Frage, ob überhaupt eine biologische Beteiligung nachweisbar ist.

Wo diese Unterscheidung in fachlichen Debatten verwischt wird, entsteht deshalb nicht lediglich wissenschaftliche Unschärfe. Sie beeinflusst auch, welche Krankheitsmodelle als plausibel gelten, welche Forschung weitere Aufmerksamkeit erhält und ob die Erkrankung von Betroffenen weiterhin grundsätzlich infrage gestellt werden kann.

Evidenz verändert Deutungs- und Interventionsrahmen nicht von selbst

Die Bedeutung biologischer Evidenz erschöpft sich also nicht in der Frage, ob sie anerkannt wird. Maßgeblich ist auch, welchen Erklärungsstatus neue Befunde im weiteren Verlauf erhalten und welche Konsequenzen daraus für Versorgung und Behandlung gezogen werden.

Eine bestehende Deutungsordnung muss biologische Befunde nicht bestreiten, um weitgehend stabil zu bleiben. Neue Erkenntnisse lassen sich ohne Weiteres als zusätzlicher Baustein in vorhandene Krankheitsmodelle und biopsychosoziale Ansätze integrieren, während vertraute Erklärungs- und Interventionsmuster fortbestehen.

Dass körperliche, psychische und soziale Prozesse in vielfältigen Wechselbeziehungen stehen, ist zunächst trivial und unstrittig. Sie sind jedoch nicht einfach gleichartige Faktoren auf derselben Ebene. Aus ihrer Wechselwirkung folgt weder eine bestimmte Kausalrichtung noch ihr jeweiliges Gewicht im Krankheitsprozess. Zu unterscheiden bleibt deshalb, welche Prozesse an der Entstehung einer Erkrankung beteiligt sind, welche Symptome beeinflussen, welche ihren Verlauf modifizieren oder tatsächlich aufrechterhalten – und mit welcher Begründung dies jeweils angenommen wird.

Diese Differenz wird praktisch folgenreich, wenn psychische oder verhaltensbezogene Prozesse zum therapeutischen Hebel werden, obwohl ihre kausale Bedeutung für ME/CFS noch nicht hinreichend geklärt ist. Erklärungen über Stressregulation, Erwartung, Angst-Vermeidungs-Verhalten oder erlernte Reaktionsmuster benötigen dieselbe Prüfung ihrer Reichweite wie biologische Hypothesen. Plausibilität und therapeutische Bearbeitbarkeit ersetzen keinen Nachweis der angenommenen Kausalität. Doch woran lässt sich diese Annahme prüfen – und was dürfte sie widerlegen?

Die praktische Bedeutung zeigt sich besonders bei Post-Exertional Malaise

Beschreibt eine erkrankte Person eine ausgeprägte und möglicherweise verzögert auftretende Zustandsverschlechterung nach Belastung oder berichtet sie, dass sich ihr Zustand während einer Reha verschlechtert hat: Richtet sich die weitere Bewertung dann vor allem darauf, wie sie Belastung erlebt, bewertet oder bewältigt? Oder werden auch die Bedingungen der Verschlechterung hinterfragt und daraus notwendige Belastungsgrenzen und Schutzbedingungen abgeleitet?

Psychische Verarbeitung kann relevant sein. Sie beantwortet jedoch nicht die Frage, wann Belastung physiologisch schadet, ob eine Maßnahme unpassend war oder welche Schutzkonzepte bei PEM korrigiert werden müssten, damit Teilhabe sicher und gesundheitlich vertretbar möglich ist.

Gerade im Kontext von Rehabilitation und Begutachtung bleibt diese Unterscheidung nicht folgenlos. Die jeweilige Deutung kann in sozialmedizinische Bewertungen von Leistungsfähigkeit, Mitwirkung und Teilhabe eingehen.

Und hier wird greifbar, wie epistemische Ungerechtigkeit wirksam werden kann, obwohl die Absicht gerade darin besteht, den ganzen Menschen zu sehen, zu verstehen und bestmöglich zu behandeln. Niemand muss Erfahrungswissen bewusst abwerten. Es kann angehört, dokumentiert und bestätigt sein und in der weiteren Übersetzung dennoch einen anderen Erklärungsstatus oder geringere Entscheidungswirksamkeit erhalten.

Es macht einen Unterschied, ob eine Deutung zur Einordnung und dialogischen Bearbeitung angeboten wird oder ob sie zugleich zur führenden Erklärung wird, Behandlung steuert und Entscheidungen über Sozialleistungen prägt. Ein ganzheitlicher Anspruch müsste deshalb auch die eigene Beobachterposition einschließen: Können erkrankte Menschen der angebotenen Deutung ohne Nachteil widersprechen? Kann ihr Wissen die Erklärung tatsächlich irritieren und vergleichbare Geltung erlangen? Wird der Widerspruch dagegen wiederum innerhalb desselben plausiblen Rahmens erklärt, stabilisiert sich dessen Binnenlogik gegen genau die Gegenbeobachtung, an der sie sich eigentlich prüfen müsste.

Künftige Biomarker in der klinischen Routine können deshalb medizinisch und sozial erheblich dazu beitragen, Diagnostik zu verbessern und bestehende Begründungslasten zu verändern. Sie verändern jedoch nicht von selbst die Bewertungsmaßstäbe, Leitlinien, Ausbildungsinhalte, Begutachtungslogiken und institutionellen Entscheidungen, über die wissenschaftliches Wissen in Versorgung übersetzt wird.

Literatur zur Vertiefung

Quellen für diesen Artikel

DecodeME Collaboration (2025). Initial findings from the DecodeME genome-wide association study of myalgic encephalomyelitis/chronic fatigue syndrome. Preprint, medRxiv.
https://doi.org/10.1101/2025.08.06.25333109
Genome-wide Association Study (GWAS) mit bis zu 15.579 ME/CFS-Fällen und 259.909 Kontrollpersonen; acht genomweit signifikante Risikoregionen sowie funktionelle und gewebespezifische Folgeanalysen.

Sardell, J. M., Das, S., Pearson, M., Kolobkov, D. et al. (2026). Identification of novel reproducible combinatorial genetic risk factors for myalgic encephalomyelitis in the DecodeME patient cohort and commonalities with long COVID. Journal of Translational Medicine, 24, 733.
https://doi.org/10.1186/s12967-026-08167-1
Kombinatorische Analyse der DecodeME-Daten mit Multi-SNP-Signaturen sowie Vergleich genetischer Gemeinsamkeiten mit Long COVID.

St-Jean, C., Dibble, J. J., Ponting, C. P., Prigge, R. (2026). Cluster analysis of ME/CFS symptoms in DecodeME reveals two subgroups and a link to onset type. Preprint, medRxiv.
https://doi.org/10.64898/2026.06.29.26356818
Analyse der DecodeME-Symptomdaten mit zwei klinischen Clustern und Untersuchung möglicher Zusammenhänge mit Erkrankungsbeginn und genetischer Variation.

Lee, J. H. (2026). Global and local genetic overlap among ME/CFS, irritable bowel syndrome and psychiatric traits: a hypothesis-generating analysis. Preprint, medRxiv.
https://doi.org/10.64898/2026.06.08.26355171
Reanalyse der DecodeME-GWAS-Daten mit Untersuchungen zur genetischen Überlappung mit weiteren Merkmalen sowie zur Anreicherung der ME/CFS-Genetik in einzelnen Zelltypen; bislang nicht peer-reviewed.

Ergänzende Beiträge

MillionsMissing Deutschland (2025). DecodeME: Acht genetische Spuren zu ME/CFS. 17. August 2025. https://www.millionsmissing.de/2025/08/17/decodeme-acht-genetische-spuren-zu-me-cfs/
Ausführliche deutschsprachige Grundlagenvermittlung zu DNA, SNPs, GWAS, Manhattan-Plot und den acht DecodeME-Risikoregionen. Besonders geeignet für Lesende, die genetische Studien zunächst anschaulich erschließen möchten.

McGrath, Simon (2025). DecodeME: X marks the spot where ME/CFS biology can be discovered. ME/CFS Research Review, 11. August 2025.
https://mecfsresearchreview.me/2025/08/11/decodeme-x-marks-the-spot-where-me-cfs-biology-can-be-discovered/
Gut verständliche wissenschaftliche Einordnung der DecodeME-Ergebnisse mit Fokus auf genetische Risikosignale, Kandidatengene und die besondere Aussagekraft genetischer Daten. McGrath verfasste den Beitrag ursprünglich für DecodeME und veröffentlichte ihn anschließend auf seinem Portal ME/CFS Research Review erneut.

Weiterführende Pfade in dieser Wissensarchitektur

• ME/CFS und Long COVID verstehen
• Medizin und Systemperspektiven
• Psychologisierung verstehen und einordnen

Karin Kelle-Herfurth, Dr. med., MHBA

Beratende Fachärztin für Physikalische und Rehabilitative Medizin, Prävention und Gesundheitsökonomie.
Strukturanalyse und Sparring in komplexen Umbrüchen und professionellen Übergängen.

Wenn Entscheidungen anstehen, Deutungen umstritten sind und Machtverhältnisse mitreden, geht es auch darum, welches Wissen Geltung erhält und welches übergangen wird. Dann arbeite ich mit Menschen in Verantwortung an den Begriffen, Bewertungsmaßstäben und Verfahren, nach denen sie urteilen und handeln – damit sie Muster erkennen, ihre Spielräume nutzen und dort ansetzen, wo Veränderung möglich wird.

ME/CFS und Long COVID zeigen besonders deutlich, warum fachliche Gegenrede allein oft nicht reicht. Deutungen können sich halten, obwohl sich der Wissensstand verändert. Werden die Bedingungen sichtbar, unter denen das geschieht, lässt sich an anderen Stellen ansetzen – dort, wo sich außerhalb des bisherigen Rahmens neue Wege überhaupt erst besprechen lassen.

ME/CFS und Long COVID verstehen