Das könnte Sie auch interessieren:

Erste Bilder des neuen Ford Focus ST Turnier

Köln (ots) - - Neues, bis zu 206 kW (280 PS) starkes Sportmodell der Ford Focus-Baureihe debütiert auch ...

#GNTM 2019: Das sind die Finalistinnen

Unterföhring (ots) - Sie haben 15 Wochen vor den Kameras gestrahlt, sie haben bei den herausfordernden Walks ...

Christine Neubauer: Ab jetzt ist sie blond

Hamburg (ots) - Als brünette Ur-Bayerin war Schauspielerin Christine Neubauer, 56, einst die Quoten-Queen im ...

Alle Meldungen
Abonnieren Sie alle Meldungen von Helmholtz Zentrum München

12.04.2019 – 08:02

Helmholtz Zentrum München

Mit PAGA klare Sicht im Big-Data-Nebel

Mit PAGA klare Sicht im Big-Data-Nebel
  • Bild-Infos
  • Download

Bei der Analyse molekularer Prozesse auf Basis einzelner Zellen entstehen schnell große Datenmengen. Forschende des Helmholtz Zentrums München und der Technischen Universität München zeigen jetzt, welche Möglichkeiten ihr Computer-Algorithmus PAGA* bietet. Auf der Basis von Big Data erstellen sie eine graphische, leicht interpretierbare Karte, die zelluläre Prozesse und Schicksale in komplexen Zusammenhängen aufzeigt. Ihre Veröffentlichung ist in Genome Biology erschienen.

Das Schicksal einzelner Zellen im Körper ist in vielerlei Hinsicht relevant. Forscher wollen Entwicklungsprozesse untersuchen, aber auch verstehen, wie es zur Entstehung von Krankheiten kommt. "Bei Experimenten entstehen große Datensätze, sprich Big Data", erklärt 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). Forscher erfassen nicht nur Informationen über die Zelle selbst**, sondern auch über Wechselwirkungen mit anderen Zellen oder anderen Gewebetypen. Theis: "Bislang gab es jedoch keine Möglichkeiten, um komplexe Prozesse auf zellulärer Ebene verständlich abzubilden."

PAGA interpretiert Big Data

Forscher arbeiteten dabei bislang mit zwei Ansätzen zur Datenanalyse. Entweder suchten sie nach Zellen mit ähnlichen Eigenschaften und gruppierten diese ("Clustering"). Oder sie beschrieben den zeitlichen Ablauf von Zellen auf ihren Entwicklungspfaden ("Trajektorieninferenz"). "Wenn man diese sehr unterschiedlichen "Brillen" nimmt, um auf die Daten zu sehen, entstehen natürlich abweichende und unklare Interpretationen", ergänzt Dr. Dr. Alex Wolf. Er leitete bis vor kurzem ein Machine Learning Team am ICB. "PAGA leistet alles, was Clustering und Trajektorieninferenz kann, in einer einzigen Analyse, mit einer einzigen Methode und einem einzigen schlüssigen Ansatz zur Modellierung." Je nach gewünschter Auflösung gruppiert das Tool Zellen beispielsweise anhand ihres Zelltyps (etwa Hautzellen), ihres biologischen Zustands (beispielsweise in Teilung) und zeigt die dabei zelluläre Übergänge zwischen Typen und Zuständen auf.

Anwendung in der Forschung

In den letzten Monaten sind mehrere Fachartikel erschienen, die zeigen, welche Möglichkeiten PAGA bietet. Mireya Plass vom Max-Delbrück-Centrum für Molekulare Medizin in der Helmholtz-Gemeinschaft rekonstruierte zusammen mit Wolf und Kollegen den vollständigen zellulären Stammbaum eines Plattwurms*** - einer der von Science kuratierten wissenschaftlichen Durchbrüche des Jahres 2018****. Vor kurzem hat ein Team um Blanca Pijuan-Sala von der University of Cambridge mit Hilfe von PAGA zum ersten Mal die Entwicklungsprozesse eines Mausembryos rekonstruiert*****. Weitere Fachartikel zeigen, dass PAGA auch im klinischen Kontext wichtige Ergebnisse liefert. Forschende vom Broad Institute of MIT and Harvard untersuchten chronisch-entzündliche Darmerkrankungen******. Sie konnten nachweisen, dass Störungen der Zellentwicklung das Krankheitsbild erklären, die Abstammungslinien der Zellen im Darm erhielten sie mit PAGA. Theis sieht im Tool auch künftig große Potenziale: "Im Grunde kann jedes biologische Phänomen, das sich auf einen zellulären Prozess zurückführen lässt, mit PAGA analysiert werden, sobald auch Daten vorhanden sind."

Weitere Informationen:

Originalpublikation: Wolf FA et al (2019): PAGA: graph abstraction reconciles clustering with trajectory inference through a topology preserving map of single cells, doi: 10.1186/s13059-019-1663-x, Link: https://genomebiology.biomedcentral.com/articles/10.1186/s13059-019-1663-x

* PAGA steht für partition-based graph abstraction (PAGA): ein Verfahren, bei dem verschiedene Ansätze wie die Gruppierung von Zellen nach Eigenschaften und die zeitliche Entwicklung gemeinsam betrachtet werden.

** Dazu gehören u.a. das Transkriptom (die Gesamtheit aller aktiven Gene), das Proteom (die Gesamtheit aller gebildeten Proteine), die Morphologie (das Erscheinungsbild einer Zelle) bzw. das Epigenom (die Gesamtheit aller Veränderungen an der DNA und an speziellen Proteinen im Zellkern, den Histonen).

*** Plass M et al (2018): Cell type atlas and lineage tree of a whole complex animal by single-cell transcriptomics, doi: 10.1126/science.aaq1723

**** Link: https://vis.sciencemag.org/breakthrough2018/

***** Pijuan-Sala B et al (2019): A single-cell molecular map of mouse gastrulation and early organogenesis, doi: 10.1038/s41586-019-0933-9

****** Smillie CS et al, Rewiring of the cellular and inter-cellular landscape of the human colon during ulcerative colitis, doi: https://doi.org/10.1101/455451

Weitere Artikel

01.04.19 Neues Machine Learning Modell erklärt Dynamik der Zellentwicklung

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.

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.

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.

Abteilung Kommunikation
Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und
Umwelt (GmbH)
Ingolstädter Landstr. 1
85764 Neuherberg 
Tel.: 089-3187-2238 
Fax: 089-3187-3324 

Alle Meldungen
Abonnieren Sie alle Meldungen von Helmholtz Zentrum München
  • Druckversion
  • PDF-Version