Um biologische Partikel in einer Zelle in ihrer Bewegung verfolgen zu können, haben Wissenschaftler der Universität Heidelberg und des Deutschen Krebsforschungszentrums ein hochleistungsfähiges Analyseverfahren für Lebendzell-Mikroskopiebilder entwickelt. Dieses sogenannte probabilistische Partikel Tracking-Verfahren, das automatisch und computergestützt arbeitet, kann für zeitaufgelöste zwei- und dreidimensionale Mikroskopiebilddaten eingesetzt werden. In einem internationalen Leistungsvergleich unterschiedlicher Bildanalysemethoden konnte das Heidelberger Verfahren das beste Gesamtergebnis erzielen. Die Wettbewerbsergebnisse wurden jetzt in der Fachzeitschrift „Nature Methods“ publiziert.

Die Frage, wie sich die Bewegung von biologischen Partikeln, etwa Viren, Zellvesikeln oder Zellrezeptoren, automatisch verfolgen lässt, ist von zentraler Bedeutung in biomedizinischen Anwendungen für die quantitative Analyse von intrazellulären dynamischen Prozessen. Eine manuelle Auswertung von zeitaufgelösten Mikroskopiebildern, die hunderte oder tausende sich bewegender Objekte zeigen, ist dabei nicht durchführbar. Daher wurden in den vergangenen Jahren verstärkt automatische Bildanalyseverfahren zum sogenannten Partikel Tracking entwickelt. Sie ermitteln computergestützt die Partikelpositionen über die Zeit hinweg. Um die Leistungsfähigkeit dieser Methoden objektiv vergleichend zu untersuchen, wurde 2012 erstmals ein internationaler Wettbewerb durchgeführt.

Unter den insgesamt 14 teilnehmenden Forschungsgruppen dieser „Partikel Tracking Challenge“ waren mit Dr. William J. Godinez und Privatdozent Dr. Karl Rohr auch Wissenschaftler der Universität Heidelberg und des Deutschen Krebsforschungszentrums (DKFZ) vertreten. Im Rahmen des Wettbewerbs wurden die unterschiedlichen Bildanalyseverfahren auf ein großes Spektrum an zwei- und dreidimensionalen Bilddaten angewendet, wobei die Leistungsfähigkeit durch verschiedene Maße quantifiziert wurde. Für jede Kategorie der verwendeten Daten wurden die jeweils drei besten Verfahren ermittelt. Die Heidelberger Wissenschaftler konnten mit insgesamt 150 „Top 3-Rängen“ das beste Gesamtergebnis erzielen.

Das von Dr. Godinez und Dr. Rohr entwickelte Partikel Tracking-Verfahren zeichnet sich dadurch aus, dass Unsicherheiten in den Bilddaten, beispielsweise aufgrund von Bildrauschen, und Wissen über den Anwendungsbereich durch eine mathematisch fundierte Methode der Wahrscheinlichkeitstheorie berücksichtigt werden. „Im Vergleich zu deterministischen Methoden lässt sich mit unserem probabilistischen Verfahren eine hohe Genauigkeit insbesondere bei schwierigen Bilddaten mit einer großen Objektanzahl, einer hohen Objektdichte und starkem Rauschen erzielen“, sagt Dr. Rohr. Dabei ist es möglich, Bewegungspfade von Objekten zu bestimmen und relevante Parameter, etwa Geschwindigkeit, Weglänge, Bewegungstyp oder Objektgröße, zu quantifizieren. Zusätzlich werden wichtige dynamische Ereignisse wie beispielsweise Virus-Zell-Fusionen automatisch erkannt.

Karl Rohr leitet die Forschungsgruppe „Biomedical Computer Vision“ (BMCV), die Informatik-Methoden zur automatischen Analyse von Zellmikroskopiebildern sowie radiologischen Bildern entwickelt. Diese Gruppe ist am BioQuant-Zentrum der Ruperto Carola angesiedelt. Sie ist Teil der Abteilung Bioinformatik und funktionelle Genomik am Institut für Pharmazie und Molekulare Biotechnologie der Universität Heidelberg ebenso wie der Abteilung Theoretische Bioinformatik des DKFZ, die beide von Prof. Dr. Roland Eils geleitet werden. William J. Godinez arbeitet in der BMCV-Gruppe als Postdoktorand an der Entwicklung von computergestützten Partikel Tracking-Verfahren.


Den Artikel finden Sie unter:

http://www.uni-heidelberg.de/presse/news2014/pm20140325_zellmikroskopiebilder.html

Quelle: Ruhr-Universität Bochum  (03/2014)


Originalveröffentlichung:
N. Chenouard, I. Smal, F. de Chaumont, M. Maška, I.F. Sbalzarini, Y. Gong, J. Cardinale, C. Carthel, S. Coraluppi, M. Winter, A.R. Cohen, W.J. Godinez, K. Rohr, Y. Kalaidzidis, L. Liang, J. Duncan, H. Shen, Y. Xu, K.E.G. Magnusson, J. Jaldén, H.M. Blau, P. Paul-Gilloteaux, P. Roudot, C. Kervrann, F. Waharte, J.Y. Tinevez, S.L. Shorte, J. Willemse, K. Celler, G.P. van Wezel, H.W. Dan, Y.S. Tsai, C. Ortiz de Solórzano, J.C. Olivo-Marin, E. Meijering: Objective comparison of particle tracking methods. Nature Methods (March 2014), Volume 11, Issue 3, 281-289, doi: 10.1038/nmeth.2808