Forschende des Paul Scherrer Instituts (PSI) und Partnerinstitute haben eine künstliche Intelligenz namens Image2Reg entwickelt, die genetische Störungsmuster in Zellbildern erkennt. Die in Cell Systems veröffentlichte Studie unter Leitung von G.V. Shivashankar (PSI/ETH Zürich) und Caroline Uhler (MIT/Broad Institute) zeigt einen kostengünstigen Ansatz, der die Medikamentenentwicklung für Krankheiten wie Krebs oder Alzheimer vorantreiben könnte.
Image2Reg analysiert mikroskopische Zellkernbilder nach Hoechst-Färbung, um Veränderungen in der Chromatinstruktur – der DNA-Verpackung – zu erkennen. Ein Convolutional Neural Network (CNN) wurde mit fast einer Million Einzelzellbildern trainiert, um subtile Muster zu identifizieren, die auf Genaktivitäten hinweisen. Parallel erstellt die KI ein zelltypspezifisches Netzwerk aus Proteininteraktionen und Genexpressionsdaten, das die Beziehungen zwischen Genen beschreibt. Beide Ebenen werden mittels eines Neural Tangent Kernel (NTK) verknüpft, um Genveränderungen sichtbar zu machen.
Im Test erkannte die KI mit 26 Prozent Genauigkeit, welches von 41 Genen verändert war – weit über dem Zufallsniveau von zwei Prozent. Dieser Ansatz könnte teure Sequenzierungsverfahren ersetzen und die frühe Diagnose von Krankheiten wie Krebs oder Autoimmunerkrankungen ermöglichen. Ein Start-up plant, die Technologie für die Therapie von Fibrosen einzusetzen, bei denen Organe durch Narbengewebe geschädigt werden.
Image2Reg verbindet Bildanalyse mit molekularer Biologie und eröffnet neue Wege für Diagnostik und Therapieentwicklung.
