KI-gestützte Zellforschung eröffnet neue Perspektiven Moscot: Wie Millionen Zellen gleichzeitig kartiert werden

Anbieter zum Thema

Helmholtz Zentrum München - Dt. Forschungszentrum für Gesundheit und Umwelt (GmbH)

Fsas Technologies GmbH

BigData-Insider

Moscot, eine neue Technologie zur Analyse von Einzelzellen, erlaubt Forschern, die Dynamik zellulärer Prozesse in bisher unerreichter Detailtiefe zu verfolgen. Das Verfahren kombiniert Künstliche Intelligenz (KI) mit mathematischen Modellen und ermöglicht erstmals eine zeitliche und räumliche Kartierung der Zellentwicklung. Das Helmholtz-Zentrum München bezeichnet das als wichtigen Fortschritt in der biomedizinischen Forschung.

Mit Moscot („Multi-Omics Single-Cell Optimal Transport“) haben Wissenschaftler vom Helmholtz-Zentrum München gemeinsam mit internationalen Partnern ein Verfahren entwickelt, das laut eigener Aussage die Kartierung von Millionen Zellen während ihrer Entwicklung zu Organen wie der Bauchspeicheldrüse erlaubt. Grundlage des Ansatzes ist die Theorie des optimalen Transports, eine mathematische Methode aus dem 18. Jahrhundert, die mithilfe moderner KI-Technologien auf biomedizinische Datensätze angewandt wurde. Die Ergebnisse der Forschung wurden im Fachjournal Nature veröffentlicht.

„Die bisherige Methoden lieferten lediglich Momentaufnahmen von weniger Zellen und konnten die dynamischen Prozesse in Raum und Zeit nicht miteinander verknüpfen", erklärt Dominik Klein, Doktorand am Institute of Computational Biology beim Helmholtz-Zentrum München und einer der Erstautoren der Studie. Moscot ermögliche es, molekulare Informationen und räumliche Positionen von Zellen präzise abzubilden und ihre Übergänge zwischen verschiedenen Zuständen zu verfolgen.

Interdisziplinäre Entwicklung mit KI-Unterstützung

Die Entwicklung von Moscot resultierte aus einer Zusammenarbeit von Forschern aus Mathematik, Biologie und Informatik. Neben Dominik Klein und Giovanni Palla (beide Helmholtz-Zentrum München) waren auch Marius Lange (ETH Zürich), Michal Klein (Apple) und Zoe Piran (Hebrew University of Jerusalem) beteiligt.

Das Team stützte sich dabei auf eine Theorie, die bereits im 18. Jahrhundert entwickelt wurde: die Theorie des optimalen Transports. Diese beschreibt, wie sich Dinge möglichst effizient von einem Ort zum anderen bewegen lassen, um Zeit, Energie oder Kosten zu minimieren. Die Anwendung des optimalen Transports auf zwei Populationen von Zellen war bisher durch die Größe der biomedizinischen Datensätze limitiert. Fortschritte in der Künstlichen Intelligenz, durch Co-Autor Marco Cuturi von Apple geprägt, ermöglichten die Bewältigung der enormen Datenmengen, die bei solchen Analysen entstehen.

„Wir haben unsere mathematischen Modelle so angepasst, dass sie die molekularen Informationen und die Position der Zellen im Körper während ihrer Entwicklung präzise abbilden können. Die Theorie des optimalen Transports hilft uns zu verstehen, wie sich Zellen bewegen, sich verändern und von einem Zustand in den nächsten übergehen", so Klein. Dies ermögliche es nun, Millionen von Zellen gleichzeitig zu beobachten – nach eigenen Angaben zu Folge mit einer bisher unvorstellbaren Genauigkeit.

Neue Impulse für die Pankreasforschung

Ein Schwerpunkt der bisherigen Anwendung liegt in der Pankreasforschung. Wissenschaftler konnten die Entwicklung hormonproduzierender Zellen in der Bauchspeicheldrüse kartieren und so Diabetes-Mechanismen detailliert untersuchen. Laut Heiko Lickert, Leiter des Instituts für Diabetes und Regenerationsforschung beim Helmholtz-Zentrum München, bietet Moscot Ansätze „für zielgerichtete Therapien, die direkt an den Ursachen von Krankheiten ansetzen könnten, statt nur Symptome zu behandeln“.

Fabian Theis, Direktor des Institute of Computational Biology beim Helmholtz-Zentrum München und TUM-Professor, hebt die Bedeutung von Moscot für die biomedizinische Forschung hervor: „Moscot verändert die Art und Weise, wie wir biologische Daten verstehen und nutzen. Es ermöglicht uns nicht nur, die Dynamik der Zellentwicklung in bisher unerreichter Detailtiefe zu erfassen. Wir können auch präzise Vorhersagen über die Entwicklung von Krankheiten treffen mit dem Ziel, personalisierte Therapieansätze zu entwickeln.“

Für Theis ist Moscot ein Musterbeispiel an interdisziplinärer Zusammenarbeit: „Die erfolgreiche Verbindung von Mathematik und Biologie in diesem Projekt zeigt eindrucksvoll, wie entscheidend die Kooperation verschiedener Disziplinen für echte wissenschaftliche Durchbrüche ist. Dank der engen Kollaboration mit dem Team um Heiko Lickert vom Helmholtz Diabetes Center war es uns möglich, die durch Moscot getroffenen Vorhersagen mit Experimenten im Labor zu validieren.“

(ID:50296895)