Eine gesunde Dosis KI: Maschinelles Lernen beschleunigt die Forschung zur Schilddrüsengesundheit
Ein gemeinsames Team von Forscher:innen der Constructor University und
Constructor Technology hat die Möglichkeiten des maschinellen Lernens
genutzt, um neue Erkenntnisse zur menschlichen Schilddrüsengesundheit zu
gewinnen. In einer kürzlich in der Frontiers in Endocrinology erschienenen
Studie entwickelte das Team um Klaudia Brix, Professorin für Zellbiologie
an der Constructor University, die neue Bildanalyse-App „CU Cilia“. Die
App nutzt Algorithmen des maschinellen Lernens, um Primärzilien in
menschlichen Schilddrüsenzellen zu erkennen und zu vermessen.
Neben der im Vergleich zu herkömmlichen Verfahren deutlich höheren
Geschwindigkeit, Präzision und Zugänglichkeit von CU Cilia bestätigte die
Studie einen Zusammenhang zwischen bestimmten Enzymen und der Länge der
Primärzilien in Schilddrüsenzellen – ein Befund mit potenziell wichtigen
Folgen für die Schilddrüsengesundheit.
Primärzilien sind winzige, haarähnliche Fortsätze, die aus der Zellmembran
ragen. Die in der Studie untersuchten Schilddrüsenepithelzellen versorgen
den Körper mit lebenswichtigen Schilddrüsenhormonen und nutzen
Primärzilien als eine Art Antenne, um Umweltsignale wahrzunehmen und diese
zentralen Prozesse zu steuern. Das Forschungsteam ging der Frage nach, ob
Primärzilien in menschlichen Schilddrüsenzellen von sogenannten
Kathepsinen beeinflusst werden. Dabei handelt es sich um Enzyme, die
frühere Studien an Mäusen mit der Zilienentwicklung und der
Schilddrüsengesundheit in Verbindung gebracht haben. Wie Professorin Brix
erklärt: „Mit dieser Studie wollten wir untersuchen, ob die Struktur von
Primärzilien von Proteasen abhängt“ – einer Enzymklasse, zu der auch
Kathepsine gehören und die Proteine und Peptide abbauen. „Das ist eine
wichtige Frage der Grundlagenforschung, denn diese empfindlichen
zellulären Antennen dienen als Biomarker für Gesundheit und Krankheit.“
Für das Projekt mussten große Mengen hochaufgelöster Aufnahmen aus der
Laser-Scanning-Mikroskopie von Primärzilien ausgewertet werden. Für Brix
war das die Chance, gemeinsam mit den Machine-Learning-Expert:innen von
Constructor Technology neue, innovative Ansätze zu entwickeln: „Kurz
gesagt: CU Cilia ermöglicht uns, Hunderte von Bildern zu analysieren. So
können wir den Ansatz, strukturelle Veränderungen von Primärzilien als
Biomarker für Gesundheit und Krankheit zu nutzen, für Forscher:innen in
der Grundlagen- wie auch in der medizinischen Forschung zugänglich
machen.“
Auf Basis der interdisziplinären Expertise der beiden Organisationen der
Constructor Group testete das Team CU Cilia parallel zu herkömmlichen
regelbasierten Bildanalyseprogrammen. Das Ergebnis war eine schnellere und
leichter zugängliche Analyse sowohl zur Erkennung von Primärzilien als
auch zur Segmentierung von Zellkernen. „Nachdem wir gelernt hatten, uns
über die zugrunde liegende Zellbiologie und die rechnerischen
Herausforderungen der High-Content-Bildanalyse auszutauschen, war es eine
tolle Erfahrung, an der Umsetzung dieser ML-basierten App zu arbeiten“,
resümiert die wissenschaftliche Mitarbeiterin Maren Rehders.
Die Auswertungen mit CU Cilia bestätigten einen Zusammenhang zwischen
Kathepsinen und der Länge von Primärzilien. Das deutet auf eine
strukturelle Rolle dieser Enzyme in Schilddrüsenzellen hin, beim Menschen
ebenso wie bei Mäusen, und eröffnet neue Ansatzpunkte für weitere
Untersuchungen. Durch die Kombination der Präzision des maschinellen
Lernens mit den biologischen Einblicken der hochauflösenden Mikroskopie
zeigt die Studie, wie sehr ML-Entdeckungen beschleunigen kann, selbst im
kleinsten Maßstab des Lebens. „Diese Arbeit macht die Stärke
interdisziplinärer Zusammenarbeit deutlich: Wenn Machine-Learning-
Ingenieur:innen und Molekularbiolog:innen ihre Kräfte bündeln, treiben sie
wissenschaftliche Entdeckungen voran und schaffen wirkungsvolle
Werkzeuge“, ergänzt Professor Peter Popov, Machine-Learning-Experte der
Constructor Group.
