Bisher gab es nur eingeschränkte Kenntnisse darüber, wie sich Zellen in der natürlichen Umgebung entwickeln und zum Beispiel ein Embryo Organe bildet. Momentaufnahmen existieren, doch die Verbindung der dynamischen Prozesse fehlt. Ein Team des Institute of Computational Biology bei Helmholtz Munich nutzte die Theorie des optimalen Transports, um diese Wissenslücke zu schließen. Dank künstlicher Intelligenz konnten nun die hierfür notwendigen enorm hohen Datensätze ausgewertet werden.
Theorie des optimalen Transports
Die Theorie des optimalen Transports stammt aus dem 18. Jahrhundert und beschreibt, wie sich Dinge möglichst effizient von einem Ort zum anderen bewegen (lassen), um Zeit, Energie oder Kosten zu minimieren. Vor allem in Bezug auf die biologische Entwicklung bedeutet dies eine extrem hohe Datenmenge. Doch mithilfe mathematischer Modelle, die so angepasst wurden, dass sie die molekularen Informationen und die Position der Zellen im Körper während ihrer Entwicklung nachverfolgen können, können diese Datenmengen nun analysiert werden. „Die Theorie des optimalen Transports hilft uns zu verstehen, wie sich Zellen bewegen, sich verändern und von einem Zustand in den nächsten übergehen“, so Dominik Klein, Erstautor der Studie. Co-Autor ist unter anderem Marco Cuturi (Apple).
Präzise Beobachtungen der Zellentwicklung
Damit können Millionen von Zellen möglichst genau beobachtet werden. Moscot, Multi-Omics Sincle-Cell Optimal Transport, zeigt die Zuordnung von Einzelzellen im räumlichen Gewebe und ermöglicht die zeitliche Verknüpfung von Millionen von Zellen. Damit können Veränderungen in der Genexpression mit Zellentscheidungen direkt in Verbindung gesetzt werden. Moscot erfasst den molekularen Zustand von Zellen und beschreibt simultan die Entwicklung in Zeit und Raum. Komplexe zelluläre Prozesse können dadurch in noch nie dagewesener Präzision dargestellt und analysiert werden.
Neue Erkenntnisse in der Pankreasforschung
Dank Moscot konnten die Forschenden bereits neue Erkenntnisse in der Pankreasforschung erlangen und die Entwicklung hormonproduzierender Zellen der Bauchspeicheldrüse zu beschreiben. Damit können die zugrundeliegenden Mechanismen von Diabetes entschlüsselt werden, neue Therapien entwickelt und Ursachen aufgedeckt werden.
„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“, fasst Fabian Theis, Direktor des Institute of Computational Biology den Nutzen der neuen Technologie zusammen.
Quelle: Helmholtz Munich
Artikel teilen
