Was die Studie selbst nicht leistet
Diese Gesamtstudie ist eine Literaturübersicht. Sie umfasst 430 Quellen aus mehreren Sprachräumen, 377 davon mit PubMed-Kennung und 53 ohne (Leitlinien, Hochschulschriften, Tagungsabstracts, Beiträge aus nationalen Datenbanken wie CyberLeninka, TR Dizin und J-STAGE). Die Auswertung stützt sich überwiegend auf Abstracts. Volltexte wurden nur bei den drei Leitlinien gelesen [s115, s05, s146]; in den Berichten zu den anderen Sprachräumen wurden Volltexte nur in Einzelfällen herangezogen (etwa für [s52], [s258] und [s179]). Angaben zu Mehrfachtestkorrektur, Verblindung, Zellreinheit der Spermienproben oder Störgrößen fehlen deshalb häufig. Stärken und Schwächen der einzelnen Arbeiten sind aus dem im Abstract erkennbaren Design abgeleitet und ersetzen keine formale Risikobewertung am Volltext. Die Auswahl der Quellen ist außerdem nicht erschöpfend: Die Suche war relevanzgereiht und danach gefiltert, und je Suchfrage wurden nur bis zu 800 Treffer abgerufen.
Zusammensetzung des Materials
Von den 430 Quellen stammen 241 aus den Jahren 2021 bis 2026 und nur 30 aus der Zeit bis 2010; das Feld ist jung und wächst schnell. Allein aus dem Jahr 2026 liegen 35 Quellen vor, deren Befunde noch nicht durch Folgestudien eingeordnet sind [s18, s21, s20, s29, s30, s24]. Nach Studientyp ist das Material stark tierlastig: Der erste Bericht zählt 12 systematische Übersichten und Metaanalysen, 57 Humanstudien im weiteren Sinn, 31 Tierversuche, 33 narrative Übersichten und Essays, 5 Hochschulschriften und 3 Leitlinien (von 141 Quellen dieses Sprachraums) [s243]. Im Material aus dem russischen, arabischen und türkischen Raum gibt es keine Metaanalyse, nur eine systematische Übersicht (zur präkonzeptionellen Bestrahlung [s89]), zwei prospektive Kohorten [s72, s309], etwa 40 Fall-Kontroll- und Querschnittsstudien mit meist 24 bis 200 Probanden, etwa 25 Tierversuche und etwa 35 Übersichten. Im ostasiatischen Material fehlt eine Metaanalyse mit gepoolten Effektschätzern vollständig [s139].
Studiengröße und Design
Kleine Gruppen. Viele Genomanalysen haben pro Gruppe nur wenige Personen: Die Ganzgenom-Bisulfit-Studie zur DNA-Fragmentierung verglich 6 mit 7 Männer [s192]; die Studie zum Kallmann-Syndrom 6 mit 6 [s82]; die RRBS-Studie zur Asthenozoospermie 5 und 5 mit 6 Kontrollen [s127]; die Studie zu Dioxin und Spermienmethylom aus der Russian Children's Study je 4 [s309]; die Studie zu Kindheitsbelastung 25 gegenüber 30 Männern für die Methylierung und 14 gegenüber 16 für die RNA [s81]. Die Autismusstudie mit etwa 90 % Genauigkeit des „Biomarkers“ stützt sich auf Testsätze von 8 bis 10 Männern [s217]. Wo Konfidenzintervalle angegeben sind, sind sie breit: etwa OR 4,344 mit 95-%-KI 1,119 bis 16,857 bei 22 Fällen und 19 Kontrollen [s29].
Querschnitt und Korrelation. Die meisten Humanstudien vergleichen Gruppen zu einem Zeitpunkt. Sie können Richtung und Ursache nicht klären: Ob eine Methylierung die Infertilität mitverursacht, ihre Folge ist oder beides von einem dritten Faktor abhängt, bleibt offen. Das gilt ausdrücklich auch für die Cadmium-Studie aus Alexandria, in der Cadmiumaufnahme, oxidativer Stress und Methylierung nur gleichzeitig gemessen wurden [s100]. Wenige Arbeiten messen vorher und nachher am selben Mann (Training [s305], Ernährung [s271], Gewichtsverlust [s340], Chemotherapie [s142]); dort sind die Gruppen klein oder nicht im Abstract beziffert.
Kandidatengene statt Genom. Besonders im türkischen, chinesischen und arabischen Material dominieren Kandidatengenansätze (MLH1, MSH2, MTHFR, BRCA1/2, XRCC1, GNAS, H19, IGF2, SNRPN) und globale ELISA-Messungen [s220, s223, s267, s312, s272]. Die genomweiten Methoden (Ganzgenom-Bisulfit-Sequenzierung, RRBS, Small-RNA-Sequenzierung, Arrays) stammen überwiegend aus wenigen Arbeitsgruppen, etwa aus der Russian Children's Study und der Saarbrücker Kooperation [s72, s309, s91, s01]. Der Vergleich von Kandidatengen und Gesamtgenom bei fettreicher Kost im Mausmodell zeigt, dass Kandidatenstudien ein unvollständiges Bild liefern können [s330].
Mehrfachtests und Überanpassung. In genomweiten Analysen mit Hunderttausenden Stellen ist die Korrektur für Mehrfachtests entscheidend. Die Studie zu wahrgenommenem Stress fand 811 differenziell methylierte Stellen, die Autoren schreiben aber selbst, dass die Befunde nach Korrektur für multiples Testen nicht signifikant waren [s18]. In der Studie zu Männern mit Adipositas und kindlicher Methylierung überstand kein p-Wert die Korrektur [s275]. Grenzwerte und AUC-Werte werden häufig im selben Datensatz bestimmt (zum Beispiel für miR-34b und miR-34c bei der ICSI-Studie aus Taiwan [s206] oder für die H19-Region bei wiederholtem Schwangerschaftsverlust [s83]); ohne externe Validierung sind solche Trennschärfen optimistisch.
Messung und Probenqualität
Spermienproben enthalten je nach Reinigung Reste anderer Zellen, und Spermien-RNA-Profile hängen stark von Reinigung und Zellkontamination ab. Der Bericht zu den Humanstudien benennt das als methodische Standardfrage, die die Abstracts nicht ausdrücklich behandeln. Als Gegenbeispiel adjustieren Nowak und Kollegen für Zellkontamination (Marker DLK1) [s21]. Die Fraktionierung der Probe ist ein weiterer Einflussfaktor: Die Methodenarbeit der Russian Children's Study zeigt, dass die Zahl der nachgewiesenen miRNA vom Bibliothekskit und von der Eingangsmenge abhängt (bei hoher Eingangsmenge detektierte das NEXTFlex-Kit mehr microRNAs, bei niedriger war NEBNext wirksamer) [s228]. Zudem ist die Frage, ob ein einzelnes Ejakulat die RNA-Signatur eines Mannes repräsentiert, nur teilweise beantwortet: Unter den 409 sncRNA in Vesikeln und 265 in Spermien erfüllten nur 46 bzw. 9 das Stabilitätskriterium (CVw < 15 % und ICC > 0,90) [s72]. Bei Spermien-RNA gilt außerdem, dass die RNA aus Einzelspermien ein anderes Verteilungsmuster hat als die aus angereicherten Proben (2,79 % piRNA in Einzelspermien gegenüber 41,68 % in angereicherten Proben) [s91]. Auch Lagerung beeinflusst die Befunde: In der Studie zu kryokonservierten Proben nahmen die miRNA-Veränderungen mit der Lagerzeit zu (je 3 bis 4 Proben pro Gruppe) [s102], und im Samenplasma sanken die miRNA-Spiegel mit der Zahl der Frier-Tau-Zyklen [s349]. Verschiedene Messverfahren (ELISA, Pyrosequenzierung, Array, WGBS) sind miteinander nicht ohne Weiteres vergleichbar; die widersprüchlichen Befunde zu MTHFR sind dafür ein Beispiel [s222, s322].
Störgrößen und genetische Konfundierung
Beim Menschen sind Vater, Mutter, gemeinsame Umwelt und Genetik schwer trennbar. Die koreanische Übersicht in BMB Reports hält fest, dass die menschliche Evidenz überwiegend beobachtend und anfällig für Störgrößen (Genetik, mütterliche Faktoren, gemeinsame Umwelt) ist [s13]. Bei der Autismus-Spermienstudie werden väterliche Autismusmerkmale und Genetik nicht getrennt [s357, s96, s217]. Sechs der sieben rauchabhängigen Stellen in einer Studie überlappten mit häufigen Polymorphismen [s290]; ebenso beeinflusst ein Polymorphismus die H19-Methylierung [s249]. In der Blut-Sperma-Studie waren die wenigen korrelierten Stellen meist unter genetischem Einfluss [s244]. Bei Patientenvergleichen kommt die Therapie als Störgröße hinzu: Die Männer mit Kallmann-Syndrom hatten Gonadotropin- oder GnRH-Therapie erhalten, sodass Krankheit und Therapie nicht getrennt sind [s82]. Bei den Rattenstudien zu Phthalaten mit Dual-Parent-Exposition lässt sich der väterliche Anteil nicht isolieren [s58].
Exposition und Zielgrößen
Expositionen sind häufig nur grob gemessen: einmalige Urinprobe bei den Phthalatstudien [s111, s328], Außentemperatur statt persönlicher Exposition bei der Hitzestudie (die Effekte erreichen höchstens 0,173 Jahre Beschleunigung des Spermien-Epigenetik-Alters) [s20], Selbstauskunft zur Kindheit [s81], Selbstauskunft zur Pestizidexposition [s149]. Als Zielgrößen dienen oft Surrogatendpunkte (DNA-Fragmentierung, Beweglichkeit, Embryoqualität, Schwangerschaftsverlust); Lebendgeburts- und Kindergesundheitsdaten sind selten [s261, s326, s206]. Dies unterscheidet den Nachweis eines Zusammenhangs mit der Samenqualität von dem einer Wirkung auf Kinder.
Tierversuche: Stärke und Grenze
Die Tierversuche liefern die einzigen direkten Hinweise, dass Spermien-RNA oder -Epigenom Merkmale der Nachkommen verursachen können, und zwar vor allem durch Injektionsexperimente [s335, s370, s386, s360, s316, s358, s276, s118, s135]. Ihre Grenzen: Die Injektion definierter RNA-Mengen in Zygoten ist eine unphysiologische Dosis- und Zeitsituation. Die Abstracts nennen meist keine Fallzahlen oder Effektgrößen, und Replikationen durch andere Gruppen werden darin in der Regel nicht berichtet [s335]. Die Linie der Studien zu Umweltchemikalien über die trächtige Mutter (F0) stammt überwiegend aus einer Arbeitsgruppe und untersucht bis F3, also keine erwachsenen Väter [s310, s295, s211, s403, s392]. In vielen Modellen sind Dosen und Mischungen nicht mit üblichen menschlichen Expositionen vergleichbar; die Übersicht zu endokrinen Disruptoren hält fest, dass alle 43 Studien Tierexperimente waren und die Abstracts keine Dosen oder Expositionsfenster nennen [s260]. Zudem gibt es Gegenbefunde ohne Auffälligkeiten bei den Nachkommen (Bestrahlung [s105]); das Termitenmodell zeigt eher die Breite des Konzepts als eine Übertragbarkeit auf den Menschen [s80]. Für den Menschen gilt: Weder Transgenerationalität noch Intergenerationalität ist durch Humanstudien belegt; die Übersicht zur Verschlechterung der Spermienqualität sagt, dass transgenerationale Effekte vor allem bei Drosophila und Caenorhabditis elegans illustriert seien, nicht beim Menschen [s306].
Publikationsverzerrung, Replikation und Qualität einzelner Berichte
Zwei Artikel aus dem arabischen Raum sind als zurückgezogen gekennzeichnet [s251, s177]; ihre Zahlen wurden nicht verwendet. Einzelne Abstracts enthalten erkennbare Unstimmigkeiten, etwa einen mit seinem p-Wert nicht vereinbaren Korrelationskoeffizienten (r = 0,038 bei p < 0,02) in der koreanischen Studie zur Histonacetylierung [s374]. Die Samsun-Gruppe nutzt einheitlich TUNEL und Anilinblau als Vergleichsmerkmale; das erlaubt Vergleiche, erhöht aber das Risiko stark korrelierter, nicht unabhängiger Befunde [s220, s223, s07]. Mehrere Rattenauswertungen zur Alterung nutzen dieselben Tiere und sind nicht unabhängig [s258, s225, s311]. Replikationen werden in den meisten Abstracts nicht berichtet: Åsenius und Kollegen schreiben, dass „no findings have been robustly replicated between studies“ [s243]. Ob Studien ohne Befund seltener veröffentlicht werden, lässt sich aus dem Material nicht beurteilen.
Sprachliche und regionale Lücken
Die Literatur ist weit überwiegend englischsprachig: 332 der 430 Quellen führen Englisch als Sprachraum. Dazu kommen 35 chinesische, 22 französische, 21 japanische, 18 russische, 11 türkische und 5 spanische Quellen (Mehrfachzuordnung möglich). Alle Metaanalysen, alle Humankohorten und alle Tierversuche im ersten Bericht sind englischsprachig [s243]. Italienische, portugiesische und deutschsprachige Primärstudien zum Kernthema wurden in den erreichbaren Datenbanken nicht gefunden; eine AWMF-Leitlinie zum Thema war nicht auffindbar. Für den arabischen Raum fand sich keine arabischsprachige Primärstudie; alle Studien mit Bezug zum arabischen Raum sind englischsprachig. Mehrere Datenbanken waren nicht erreichbar (unter anderem CNKI, Wanfang, CiNii, KCI, KoreaMed, DBpia, SciELO, LILACS, Cairn, Dialnet, eLIBRARY.ru, Mandumah, e-Marefa), sodass Literatur, die nur dort indexiert ist, in dieser Studie fehlt. Die Aussage „keine Literatur in Sprache X“ gilt daher nur für die erreichbaren Datenbanken und nicht für die Literatur insgesamt. Der Befund „Korea trägt wenig bei“ kann ein Abfrageartefakt sein [s13].
Gesamtbild der Belastbarkeit
Eine grobe Stufung der Belastbarkeit, wie sie sich aus den Berichten ergibt, lässt sich so beschreiben:
- Am stärksten gestützt ist, dass Spermien epigenetische Information tragen (Methylierung, retinierte Histone, kleine RNA) und dass sich diese bei Tieren durch Ernährung, Stress und Chemikalien verändern lässt [s406, s335, s155].
- Mäßig gestützt, aber kleine und teils widersprüchliche Daten ist, dass das Spermienepigenom beim Menschen mit Alter, Rauchen, Adipositas, Umweltschadstoffen, Samenqualität und Embryoqualität zusammenhängt [s243, s321, s246, s355, s20].
- Kaum gestützt ist, dass ein bestimmter epigenetischer Zustand der Spermien beim Menschen das Merkmal eines Kindes verursacht. Die Berichte nennen keine Humanquelle mit solchem Nachweis [s243, s78, s94].
- Nicht gestützt ist ein klinischer Nutzen von Epigenom- oder Spermien-RNA-Tests. Keine der drei Leitlinien empfiehlt sie [s115, s05, s146].