Pressemitteilung/News

  • Drucken

Mit den richtigen Algorithmen die Analyse des Zellzyklus optimieren

Neuherberg, 7. Januar 2016. Wissenschaftler des Helmholtz Zentrums München haben einen neuen Ansatz gefunden, der einzelne Phasen des Zellzyklus mittels bildgebender Durchflusszytometrie besser sichtbar macht. Dabei ließen sie Fluoreszenzmarker weg und bedienten sich des maschinellen Lernens. Mit einer Bildverarbeitungssoftware extrahierten sie hunderte Merkmale aus Hellfeld- und Dunkelfeldbildern. Mit Hilfe dieser Daten können Algorithmen generiert werden, die die Zellen digital sortieren.

Hell- und Dunkelfeldbilder aus bildgebender Durchflusszytometrie werden mittels maschinellem Lernen einer Zellzyklusphase zugewiesen | Quelle: Thomas Blasi, ICB

Bisher wurden Fluoreszenzstoffe benutzt, um die Zellen einer Zellzyklusphase zuzuordnen. Die Chemikalien schaden Zellen und verfälschen die Ergebnisse. Zusammen mit Kollegen vom Broad Institute of MIT and Harvard, USA, sowie von der Swansea University, der Newcastle University und dem The Francis Crick Institute, UK, haben Wissenschaftler am Institute of Computational Biology (ICB) des Helmholtz Zentrums München jetzt eine Alternative entwickelt.

 „Wir haben zwei im Allgemeinen vernachlässigte Datenquellen - die Hell- und Dunkelfeldbilder - genutzt“, sagt Thomas Blasi, Doktorand am ICB und Erstautor der Veröffentlichung. „Die Auswertung dieser Daten konnten wir für maschinelles Lernen einsetzen“. Somit war es möglich, die Zellen nicht nur zu klassifizieren, sondern eine digitale Sortierung von hoher Spezifität zu erreichen. Das Helmholtz Zentrum München hat aufgrund der Ergebnisse nun gemeinsam mit dem Broad Institute ein Patent angemeldet.

 „Die computergestützte Klassifizierung von Zellen anhand großer Populationen von Zellbildern eröffnet neue Perspektiven. Sie könnte auch in vielen anderen Zusammenhängen, also nicht nur für Zellzyklen, Anwendung finden“, ergänzt  Prof. Dr. Dr. Fabian Theis, Direktor des ICB.

Weiter Information

Original-Publikation:
Blasi T. et al. (2016). Label-free cell cycle analysis for high-throughput imaging flow cytometry, Nature Communications; DOI: 10:1038/ncomms10256 (open access).

Das Helmholtz Zentrum München verfolgt als Deutsches Forschungszentrum für Gesundheit und Umwelt das Ziel, personalisierte Medizin für die Diagnose, Therapie und Prävention weit verbreiteter Volkskrankheiten wie Diabetes mellitus und Lungenerkrankungen zu entwickeln. Dafür untersucht es das Zusammenwirken von Genetik, Umweltfaktoren und Lebensstil. Der Hauptsitz des Zentrums liegt in Neuherberg im Norden Münchens. Das Helmholtz Zentrum München beschäftigt rund 2.300 Mitarbeiter und ist Mitglied der Helmholtz-Gemeinschaft, der 18 naturwissenschaftlich-technische und medizinisch-biologische Forschungszentren mit rund 37.000 Beschäftigten angehören. 

Das Institut für Computational Biology (ICB) führt datenbasierte Analysen biologischer Systeme durch. Durch die Entwicklung und Anwendung bioinformatischer Methoden werden Modelle zur Beschreibung molekularer Prozesse in biologischen Systemen erarbeitet. Ziel ist es, innovative Konzepte bereitzustellen, um das Verständnis und die Behandlung von Volkskrankheiten zu verbessern.

Fachlicher Ansprechpartner

Thomas Blasi, Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH), Institute of Computational Biology (ICB) - Tel. +49 89 3187 3585-