Räumlich-zeitliche Erkennung von Apoptose in der Bildgebung lebender Zellen

Der apoptotische Zelltod ist ein entscheidender Mechanismus, der zur Gewebehomöostase beiträgt und den Ausbruch verschiedener Krankheiten verhindert. Dieses Phänomen ist jedoch bei mikroskopischen Aufnahmen, die Tausende von Zellen gleichzeitig umfassen können, schwer zu erkennen. In der jüngsten Studie, die unter der Leitung von Santiago Gonzalez am Istituto di Ricerche Biomediche di Bellinzona (IRB) durchgeführt wurde, wird ADeS vorgestellt, ein innovativer, auf künstlicher Intelligenz basierender Ansatz zur automatischen Erkennung apoptotischer Zellen in mikroskopischen Aufnahmen. ADeS gewährleistet nicht nur eine genaue Quantifizierung des Zelltods, sondern reduziert auch die Bearbeitungszeit und liefert Ergebnisse, die mit denen von Mikroskopieexperten vergleichbar sind. Das von Alain Pulfer und Diego Pizzagalli entwickelte ADeS wurde kürzlich in der Zeitschrift eLife veröffentlicht und eröffnet neue Wege in der Zelltodforschung.

Die In-vivo-Mikroskopie hat die Untersuchung der Zelldynamik in einem physiologischen Kontext revolutioniert. Die Komplexität der erzeugten Daten hat jedoch die Entwicklung wirksamer computergestützter Werkzeuge zur Identifizierung und Quantifizierung zellulärer Prozesse eingeschränkt. Zu diesen Prozessen gehört die Apoptose, eine Form des programmierten Zelltods, die an der Gewebehomöostase und der Verteidigung des Organismus beteiligt ist. Die In-vivo-Mikroskopie hat die Untersuchung dieses Phänomens in Echtzeit ermöglicht und unser Verständnis für seine räumlich-zeitliche Regulierung verbessert. Dennoch gibt es derzeit keine computergestützte Methode, die eine robuste Erkennung von Apoptose in Mikroskopie-Filmen ermöglicht.

Um diese Einschränkung zu überwinden, entwickelte das IRB ADeS, ein System zur Erkennung von Apoptose, das auf Deep Learning und Aktivitätserkennung basiert. ADeS wurde anhand von Datensätzen mit mehr als 10.000 apoptotischen Ereignissen trainiert, die sowohl in vitro als auch in vivo gesammelt wurden, und erreichte eine Klassifizierungsgenauigkeit von über 98 %. ADeS ist die erste computergestützte Methode, die in der Lage ist, den Ort und die Dauer mehrerer apoptotischer Ereignisse zu erkennen, und übertrifft damit die Leistung manueller Annotatoren bei derselben Aufgabe. Darüber hinaus wurde die Wirksamkeit und Robustheit von ADeS in verschiedenen Mikroskopiemodalitäten und Zelltypen nachgewiesen. Schließlich wurde ADeS zur Quantifizierung des Zellüberlebens in vitro und von Gewebeschäden in vivo eingesetzt, was seine potenzielle Anwendung bei Toxizitätstests und therapeutischen Behandlungen zeigt. Die Ergebnisse bestätigen, dass ADeS ein wertvolles Instrument ist, mit dem sich die komplexe räumlich-zeitliche Regulierung des Zelltods charakterisieren lässt.