Pressemitteilung/News

Computational Biology
21.02.2017

Deep Learning sagt Entwicklung von Blutstammzellen voraus

Autonomes Fahren, automatische Spracherkennung oder das Spiel Go – die Methode des Deep Learning ist momentan in aller Munde. Wissenschaftler am Helmholtz Zentrum München und ihre Partner an der ETH Zürich sowie der Technischen Universität München haben sie nun eingesetzt, um die Entwicklung von Blutstammzellen im Voraus zu berechnen. In ‚Nature Methods‘ beschreiben sie, wie ihre Software anhand von Mikroskopie-Bildern den künftigen Zelltyp vorhersagt.

Blutstammzellen unter dem Mikroskop

Was wohl aus ihnen wird? Blutstammzellen unter dem Mikroskop: Mit Hilfe neuer Methoden können die Helmholtz-Wissenschaftler voraussagen, wie sie sich entwickeln werden. Quelle: Helmholtz Zentrum München

Die Zellbiologie befasst sich heutzutage nicht mehr nur mit statischen Zuständen, sondern versucht auch dynamische Entwicklungen von Zellgruppen zu verstehen. Ein Beispiel dafür ist die Bildung verschiedener Typen von Blutzellen aus ihren Vorläufern, den Blutstammzellen. „Die Entscheidung einer Blutstammzelle für einen Zelltyp lässt sich nicht beobachten. Man kann sie bisher nur nachträglich durch Zelloberflächenmarker nachweisen“, erklärt Dr. Carsten Marr, Leiter der Arbeitsgruppe Quantitative Single Cell Dynamics am Institute of Computational Biology (ICB) des Helmholtz Zentrums München.

Er und sein Team haben nun einen Algorithmus entwickelt, der die Entscheidung bereits im Vorfeld voraussagen kann. Dazu wendeten sie das sogenannte Deep Learning an. „Bei unserer Methode spielen Deep Neural Networks, also künstliche Intelligenz, eine tragende Rolle“, so Marr. „Unser Algorithmus wertet lichtmikroskopische Bilder und Videos einzelner Zellen aus und gleicht diese Daten mit bisherigen Erfahrungen zur Entwicklung derartiger Zellen ab. Der Algorithmus ‚lernt‘ auf diese Weise wie sich bestimmte Zellen verhalten.“

Drei Generationen schneller als bisherige Methoden

Konkret untersuchten die Forscherinnen und Forscher Blutstammzellen, die im Labor von  Timm Schroeder an der ETH Zürich unter dem Mikroskop gefilmt worden waren.* Anhand der Informationen über Aussehen und Geschwindigkeit konnte die Software sich die entsprechenden Verhaltensmuster einprägen und anschließend voraussagen. „Verglichen mit herkömmlichen Methoden, etwa fluoreszierenden Antikörpern gegen bestimmte Oberflächenproteine, wissen wir drei Zellgenerationen früher, wie sich die Zellen entscheiden werden“, berichtet ICB-Wissenschaftler Dr. Felix Buggenthin, gemeinsam mit Dr. Florian Büttner Erstautor der Studie.

Doch was bringt den Forscher dieser Blick in die Zukunft? Studienleiter Marr beschreibt es so: „Weil wir nun wissen, welche Zelle sich wie entwickelt, können wir diese früher als bisher isolieren und untersuchen wie sie sich molekular unterscheiden. Dadurch wollen wir aufklären, wie es zur jeweiligen Entscheidung für eine Entwicklungslinie kommt.“

In Zukunft wird es nicht bei den Blutstammzellen bleiben. „Wir verwenden Deep Learning für ganz unterschiedliche Fragestellungen mit ausreichend großen Datensätzen“, erklärt Prof. Dr. Dr. Fabian Theis, ICB-Direktor und Inhaber des Lehrstuhls für Mathematische Modelle biologischer Systeme an der TU München, der zusammen mit Carsten Marr die Studie leitete. „So analysieren wir mit ganz ähnlichen Algorithmen krankheitsassoziierte Muster im Genom und identifizieren Biomarker in klinischen Zell-Screens.“

Weitere Informationen

* Die hier beschrieben Studie ist das aktuellste Ergebnis einer engen Kooperation der ICB-Wissenschaftler mit der Gruppe von Prof. Dr. Timm Schroeder vom Departement für Biosysteme der ETH Zürich mit Sitz in Basel, der zuvor am Helmholtz Zentrum in München arbeitete. Im Juli 2016 stellten die Wissenschaftler in ‚Nature Biotechnology‘ gemeinsam eine Software vor, die es erlaubt, einzelne Zellen über Wochen zu beobachten und gleichzeitig deren molekulare Eigenschaften zu messen. Nahezu zeitgleich publizierten sie eine Studie im Fachmagazin ‚Nature‘, die sich bereits mit der Entwicklung von Blutstammzellen beschäftigte. Mittels Zeitraffer-Mikroskopie konnten die Forscher lebende Blutstammzellen mit bisher nicht gekannter Präzision bei der Ausreifung beobachten und dabei bestimmte Proteine quantifizieren.

Hintergrund:
Algorithmen des Deep Learning simulieren Lernprozesse, wie sie beim Menschen vorkommen (neuronale Netze) – in etwa so wie ein Kind lernt, Gesichter zu erkennen oder Tiere zu unterscheiden. Das Prinzip funktioniert besonders gut, wenn große Datenmengen (Big Data) zum Training verfügbar sind. Eine der Stärken von Deep Learning ist die Bilderkennung. Zwischen der Eingabe (also hier den Bilddaten der Zellen) und der Ausgabe (hier die Vorhersage der Zellentwicklung) sind hier mehr Entscheidungsebenen (layers) zwischengeschaltet als sonst bei neuronalen Netzen üblich, daher der Begriff der Tiefe. 

Original-Publikation:
Buggenthin, F. et al. (2017): Prospective identification of hematopoietic lineage choice by deep learning. Nature Methods, DOI: 10.1038/nmeth.4182 

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. 

Die Technische Universität München (TUM) ist mit mehr als 500 Professorinnen und Professoren, rund 10.000 Mitarbeiterinnen und Mitarbeitern und 40.000 Studierenden eine der forschungsstärksten Technischen Universitäten Europas. Ihre Schwerpunkte sind die Ingenieurwissenschaften, Naturwissenschaften, Lebenswissenschaften und Medizin, verknüpft mit Wirtschafts- und Sozialwissenschaften. Die TUM handelt als unternehmerische Universität, die Talente fördert und Mehrwert für die Gesellschaft schafft. Dabei profitiert sie von starken Partnern in Wissenschaft und Wirtschaft. Weltweit ist sie mit einem Campus in Singapur sowie Verbindungsbüros in Brüssel, Kairo, Mumbai, Peking, San Francisco und São Paulo vertreten. An der TUM haben Nobelpreisträger und Erfinder wie Rudolf Diesel, Carl von Linde und Rudolf Mößbauer geforscht. 2006 und 2012 wurde sie als Exzellenzuniversität ausgezeichnet. In internationalen Rankings gehört sie regelmäßig zu den besten Universitäten Deutschlands.  

Freiheit und Eigenverantwortung, Unternehmergeist und Weltoffenheit: Die Werte der Schweiz sind das Fundament der ETH Zürich. Die Wurzeln unserer technisch-naturwissenschaftlichen Hochschule reichen zurück ins Jahr 1855, als die Gründer der modernen Schweiz diesen Ort der Innovation und des Wissens geschaffen haben. Studierende finden an der ETH Zürich ein Umfeld, das eigenständiges Denken fördert, Forschende ein Klima, das zu Spitzenleistungen inspiriert. Im Herzen Europas und weltweit vernetzt entwickelt die ETH Zürich Lösungen für die globalen Herausforderungen von heute und morgen. 500 Professorinnen und Professoren bilden rund 20‘000 Studierende – darunter 4000 Doktorierende – aus über 120 Ländern aus. Gemeinsam forschen sie in Natur- und Ingenieurwissenschaften, Architektur, Mathematik, systemorientierten Wissenschaften sowie in Management- und Sozialwissenschaften. Die Erkenntnisse und Innovationen der  ETH-Forschenden fließen in die zukunftsträchtigsten Branchen der Schweizer Wirtschaft ein: von der Informatik über die Mikro- und Nanotechnologie bis hin zur Hightechmedizin. Die ETH meldet jährlich 90 Patente und 200 Erfindungen an. Seit 1996 sind aus der Hochschule 330 Spin-off-Firmen hervorgegangen. Auch in Wissenschaftskreisen genießt die ETH einen hervorragenden Ruf: 21 Nobelpreisträger haben hier studiert, gelehrt oder geforscht, und in internationalen Rankings wird die ETH Zürich regelmäßig als eine der weltweit besten Universitäten bewertet.