Neues Machine Learning Modell erklärt Dynamik der Zellentwicklung

idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
idw-Abo


Share on: 
04/02/2019 11:28

Neues Machine Learning Modell erklärt Dynamik der Zellentwicklung

Sonja Opitz Kommunikation
Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt

    Zellen durchlaufen von ihrer Geburt bis zum Tod ein wechselvolles Schicksal, das man mittlerweile durch Einzelzellgenomik in großen Populationen erfassen kann. Doch dadurch wird die Zelle zerstört und Rückschlüsse auf ihre Dynamik in der Entwicklung sind schwer. Forschende des Helmholtz Zentrums München und der University of Massachusetts adressieren diese Herausforderung durch Pseudodynamics: einem mathematischen Modell, welches aus Zeitreihen von Einzelzellbeobachtungen die Entwicklungsprozesse der Zellen abschätzt. Ihre Publikation ist in ‚Nature Biotechnology‘ erschienen.

    Stammzellen* tragen im Kern die DNA als Bauplan aller Organe oder Gewebe. Aus ihnen können sich beispielsweise Zellen der Haut oder des blutbildenden Systems entwickeln. Die neu entstandenen Zellen erfüllen im Körper je nach Art spezifische Aufgaben. Sie teilen sich weiter (Proliferation), reifen, altern und gehen schließlich per Apoptose** zugrunde. „Wir haben uns in dem Zusammenhang zwei Fragen gestellt“, so Prof. Dr. Dr. Fabian Theis, Direktor des Institute of Computational Biology (ICB) am Helmholtz Zentrum München und Professor für Mathematische Modellierung biologischer Systeme an der Technischen Universität München (TUM): „Welche Faktoren bestimmen den endgültigen Zelltyp, so dass sich beispielsweise eine Hautzelle bildet? Und wie entwickelt sich die Anzahl der Zellen eines Typs in einem Organ, damit zum Beispiel unser Immunsystem die richtige Anzahl an T-Zellen hat? Diese beiden Fragen hängen direkt zusammen. Wir wollten Sie deshalb innerhalb eines globalen Modells beantworten.“

    Überlegungen dieser Art sind am ICB nicht neu. Schon früher haben die Forscherinnen und Forscher mit Hilfe von Transkriptom-Daten aufgedeckt, wie die Bildung verschiedener Typen von Blutzellen aus Blutstammzellen reguliert wird.*** Sie entwickelten einen Algorithmus namens „Diffusion Pseudotime“, mit dem sie rekonstruieren konnten, welche Gene nacheinander abgelesen werden und wie sich die Entwicklungspfade der unterschiedlichen Zelltypen verzweigen. Dank dem neuen mathematischen Modell Pseudodynamics wird in Zukunft die Interpretation solcher Ergebnisse vereinfacht.

    Einblicke in experimentell kaum fassbare Zeitpunkte

    „Wir haben Pseudodynamics als neues mathematisches Modell entwickelt, um das Schicksal von Zellen zu simulieren“, berichtet David Fischer vom ICB, der gemeinsam mit Anna Fiedler Erstautor der Studie ist. „Dabei werden auch Faktoren wie die Größe einer Zellpopulation und deren Veränderung innerhalb einer Zeitreihe berücksichtigt. So können wir Selektionsdruck und die Neubildung von Zellen als Parameter schätzen und den Entwicklungszustand an neuen Zeitpunkten vorhersagen.“ Fischer: „Mit unserem Modell können wir entscheiden, wie Zellproliferation und -tod über verschiedene Stadien des gesamten Entwicklungszyklus reguliert werden und wie stark diese Steuerung tatsächlich ist.“

    Das Forscherteam, zu dem neben Prof. Theis und den beiden Erstautoren auch Dr. Jan Hasenauer (ICB) sowie Prof. Heiko Lickert vom Institut für Diabetes- und Regenerationsforschung (IDR) am Helmholtz Zentrum München und PhD Rene Maehr, UMASS Medical School, University of Massachusetts, gehörten, testeten Pseudodynamics bei T-Zellen (Zellen des Immunsystems) und Betazellen (Zellen der Bauchspeicheldrüse). Ihr Tool beschrieb sowohl die Proliferations- als auch die Apoptoserate dieser Zellen. Sterben viele Betazellen ab, führt dies zu Typ-1-Diabetes. „Mechanismen, die zu Proliferation und Tod führen, sind, basierend auf den derzeitigen Daten, oft schwer auseinanderzuhalten“, erklärt Theis. Er sieht Pseudodynamics als „erstes Tool der Grundlagenforschung, um entscheidende Fragen der Biologie auf Ebene einzelner Zellen zu untersuchen“.
    Weitere Informationen

    Originalpublikation:
    Fischer DS, Fiedler AK et al (2019): Inferring population dynamics from single-cell RNA-sequencing time series data. Nature Biotech, DOI: 10.1038/s41587-019-0088-0 https://www.nature.com/articles/s41587-019-0088-0

    Hintergrund

    *Aus Stammzellen können alle Zellen des Körpers entstehen. Es gibt u.a. embryonale Stammzellen bei der Entwicklung neuen Lebens, adulte Stammzellen aus Organsystemen sowie induzierte pluripotente Stammzellen durch Umprogrammierung adulter Körperzellen.

    **Bei der Apoptose sorgen biochemische Regulationswege für den gezielten Tod von Zellen. Das kann erforderlich sein, um die Zahl an Zellen in einem Gewebe zu reduzieren oder um stark beschädigte Zellen zu entfernen.

    *** Algorithmen eröffnen Einblicke in die Zellentwicklung

    Weitere Artikel
    24.01.19
    Künstliche Intelligenz gegen den Fehlerteufel: https://www.helmholtz-muenchen.de/aktuelles/uebersicht/pressemitteilungnews/arti...

    19.12.18
    Konfetti im Kopf - Warum wir im Alter schlechter riechen: https://www.helmholtz-muenchen.de/aktuelles/uebersicht/pressemitteilungnews/arti...
    12.02.18
    Die Software Scanpy verarbeitet riesige Mengen an Einzelzelldaten: https://www.helmholtz-muenchen.de/aktuelles/uebersicht/pressemitteilungnews/arti...

    Das Helmholtz Zentrum München verfolgt als Deutsches Forschungszentrum für Gesundheit und Umwelt das Ziel, personalisierte Medizin für die Diagnose, Therapie und Prävention weit verbreiteter Volkskrankheiten wie Diabetes mellitus, Allergien und Lungenerkrankungen zu entwickeln. Dafür untersucht es das Zusammenwirken von Genetik, Umweltfaktoren und Lebensstil. Der Hauptsitz des Zentrums liegt in Neuherberg im Norden Münchens. Das Helmholtz Zentrum München beschäftigt rund 2.300 Mitarbeiter und ist Mitglied der Helmholtz-Gemeinschaft, der 19 naturwissenschaftlich-technische und medizinisch-biologische Forschungszentren mit rund 37.000 Beschäftigten angehören: https://www.helmholtz-muenchen.de/index.html

    Das Institut für Computational Biology (ICB) führt datenbasierte Analysen biologischer Systeme durch. Durch die Entwicklung und Anwendung bioinformatischer Methoden werden Modelle zur Beschreibung molekularer Prozesse in biologischen Systemen erarbeitet. Ziel ist es, innovative Konzepte bereitzustellen, um das Verständnis und die Behandlung von Volkskrankheiten zu verbessern: https://www.helmholtz-muenchen.de/icb

    Die Technische Universität München (TUM) ist mit rund 550 Professorinnen und Professoren, 41.000 Studierenden sowie 10.000 Mitarbeiterinnen und Mitarbeitern eine der forschungsstärksten Technischen Universitäten Europas. Ihre Schwerpunkte sind die Ingenieurwissenschaften, Naturwissenschaften, Lebenswissenschaften und Medizin, verknüpft mit den Wirtschafts- und Sozialwissenschaften. Die TUM handelt als unternehmerische Universität, die Talente fördert und Mehrwert für die Gesellschaft schafft. Dabei profitiert sie von starken Partnern in Wissenschaft und Wirtschaft. Weltweit ist sie mit dem Campus TUM Asia in Singapur sowie Verbindungsbüros in Brüssel, Kairo, Mumbai, Peking, San Francisco und São Paulo vertreten. An der TUM haben Nobelpreisträger und Erfinder wie Rudolf Diesel, Carl von Linde und Rudolf Mößbauer geforscht. 2006 und 2012 wurde sie als Exzellenzuniversität ausgezeichnet. In internationalen Rankings gehört sie regelmäßig zu den besten Universitäten Deutschlands: https://www.tum.de/


    Contact for scientific information:

    Prof. Dr. Dr. Fabian Theis
    Helmholtz Zentrum München
    Institut für Computational Biology
    Ingolstädter Landstr. 1
    85764 Neuherberg, Germany
    Tel. +49 89 3187-4030
    E-Mail: fabian.theis@helmholtz-muenchen.de


    Original publication:

    Inferring population dynamics from single-cell RNA-sequencing time series data:
    DOI: 10.1038/s41587-019-0088-0
    https://www.nature.com/articles/s41587-019-0088-0


    More information:

    https://www.helmholtz-muenchen.de/aktuelles/uebersicht/pressemitteilungnews/arti...


    Attachment
    attachment icon Neues Machine Learning Modell erklärt Dynamik der Zellentwicklung

    Criteria of this press release:
    Journalists
    Biology, Mathematics
    transregional, national
    Research results, Scientific Publications
    German


    Help

    Search / advanced search of the idw archives
    Combination of search terms

    You can combine search terms with and, or and/or not, e.g. Philo not logy.

    Brackets

    You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

    Phrases

    Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

    Selection criteria

    You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

    If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).

    Cookies optimize the use of our services. By surfing on idw-online.de you agree to the use of cookies. Data Confidentiality Statement
    Okay