Um biologische Partikel in einer Zelle in ihrer Bewegung verfolgen zu können, haben Wissenschaftler nun ein hochleistungsfähiges Analyseverfahren für Lebendzell-Mikroskopiebilder entwickelt.
Forscher der Universität Heidelberg und des Deutschen Krebsforschungszentrums entwickelten dieses sogenannte probabilistische Partikel Tracking-Verfahren, das automatisch und computergestützt arbeitet und für zeitaufgelöste zwei- und dreidimensionale Mikroskopiebilddaten eingesetzt werden kann. In einem internationalen Leistungsvergleich unterschiedlicher Bildanalysemethoden konnte das Heidelberger Verfahren das beste Gesamtergebnis erzielen. Die Wettbewerbsergebnisse wurden nun 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. Tracking-Ergebnis für Virus-Partikel. Mikroskopiebild von zeitaufgelösten Daten überlagert mit automatisch ermittelten Bewegungspfaden von HIV-1-Partikeln, die in verschiedenen Farben dargestellt sind. Die „Kästchen“ geben die gefundenen Positionen zum aktuellen Zeitpunkt an. © Abbildungsnachweis: W. J. Godinez, K. Rohr 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. Originalpublikation: Objective comparison of particle tracking methods W. J. Godinez et al.; Nature Methods, doi: 10.1038/nmeth.2808; 2014
