Vor zwei Jahren hatten wir über das Computerprogramm „QuantVessel“ von Privatdozent Dr. Karl Rohr und seinen Mitarbeitern am BioQuant-Zentrum der Universität Heidelberg berichtet, das wegen seiner Bedeutung für die Diagnose und Behandlung von Gefäßkrankheiten Aufsehen erregte. Mit dieser Software können beispielsweise Größe und Form beliebig gekrümmter und verzweigter Blutgefäße, die sich im Rhythmus des Herzschlags bewegen, in zeitlicher Auflösung dreidimensional dargestellt und automatisch ausgewertet werden (siehe Artikel vom 19.03.2012: Dreidimensionale Quantifizierung von Blutgefäßen, Link rechts). Um zeitaufgelöste Quantifizierung in zwei und drei Dimensionen geht es auch bei dem Partikel-Tracking-Verfahren, für das die Heidelberger Wissenschaftler bei einem internationalen Wettbewerb im Rahmen des „IEEE International Symposium on Biomedical Imaging 2012“ in Barcelona ausgezeichnet worden sind. Mit ihrem leistungsfähigen Analyseverfahren können die Bewegungspfade (Trajektorien) kleinster biologischer Partikel in mikroskopischen Bildern lebender Zellen vor einem stark rauschenden Hintergrund verfolgt und automatisch ausgewertet werden.

Die Ergebnisse dieses Wettbewerbs (der sogenannten „Particle tracking challenge“), an dem sich vierzehn Bioinformatikgruppen der renommiertesten Universitäten wie Yale und Stanford beteiligten, wurden in der hochrangigen Fachzeitschrift Nature Methods publiziert. Die Herausforderung bestand darin, dass jede Forschungsgruppe ihr Verfahren auf ein breites Spektrum sehr verschiedener biologischer Objekte, darunter Viruspartikel, Membranvesikel und Rezeptormoleküle, unter teilweise ungünstigen zwei- und dreidimensionalen Abbildungsverhältnissen automatisiert anzuwenden hatten. Die Leistungsfähigkeit der präsentierten Verfahren wurde für alle Analysen über ein objektives Rankingsystem ermittelt. Das von PD Dr. Karl Rohr und seinem Mitarbeiter Dr. William J. Godinez vorgestellte Verfahren errang mit 150 „Top-3-Rängen“ das mit Abstand beste Ergebnis - gegenüber 124 bzw. 103 Top-3-Rängen der nächstbesten Mitbewerber.

Im Unterschied zu bisher üblichen „deterministischen“ Verfahren hat das Heidelberger Verfahren den Vorteil, dass die Unsicherheiten in den Bilddaten (z.B. aufgrund von Bildrauschen) und das Wissen über den Anwendungsbereich „probabilistisch“, das heißt durch eine mathematisch fundierte Methode der Wahrscheinlichkeitstheorie berücksichtigt werden. „Besonders bei schwierigen Bilddaten mit einer großen Objektanzahl, einer hohen Objektdichte und einem starken Rauschen lässt sich mit unserem neuen probabilistischen Partikel-Tracking-Verfahren im Vergleich zu deterministischen Methoden eine hohe Genauigkeit erzielen“, erklärte Rohr. Es eignet sich für mehrkanalige, zeitaufgelöste, zweidimensionale und dreidimensionale mikroskopische Bilddaten und ermöglicht die Bestimmung der Trajektorien von Objekten, mitsamt der Quantifizierung der relevanten Parameter wie Geschwindigkeit, Wegelänge, Bewegungstyp und Objektgröße. Darüber hinaus werden mit der probabilistischen Methode wichtige dynamische Ereignisse, wie zum Beispiel die Verschmelzung von Vesikeln oder die Fusion von Viren mit der Zellmembran, automatisch erkannt.

Das Tracking von Partikeln, wie zum Beispiel Viren, Vesikel und Granula oder internalisierte Rezeptoren, in Lebendzell-Mikroskopiebildern ist für das Verständnis intrazellulärer dynamischer Prozesse von großer Bedeutung. Es liegt auf der Hand, dass für eine quantitative Analyse, die hunderte oder sogar tausende von sich bewegenden Einzelpartikeln umfasst, eine manuelle Auswertung von zeitaufgelösten Bilddaten nicht durchführbar ist. Deswegen wurden vor allem in den letzten Jahren zur Nachverfolgung bewegter mikroskopischer Objekte verschiedene automatische, computergestützte Bildanalyseverfahren erarbeitet.

Unter ihnen stellt die von Godinez und Rohr entwickelte probabilistische Partikel-Tracking-Methode wegen ihrer Genauigkeit und Zuverlässigkeit im Erkennen der biologischen Objekte einen beträchtlichen Fortschritt dar. Sie wird daher in Zusammenarbeit mit Forschungsgruppen in Heidelberg und darüber hinaus bereits angewendet. Hervorzuheben sind hier vor allem am Department für Infektiologie des Universitätsklinikums Heidelberg die mit der Erforschung der Hepatitis-C-Virus-Infektion befassten Arbeitsgruppen um Prof. Dr. Ralf Bartenschlager und Dr. Alessia Ruggieri sowie die Gruppen um Prof. Dr. Hans-Georg Kräusslich, PD Dr. Barbara Müller und Prof. Dr. Oliver Fackler, die das AIDS-Virus HIV erforschen. Auch der renommierte Mikrobiologe Prof. David Knipe von der Harvard Medical School in Boston und der Zellbiologe David L. Spector vom Cold Spring Harbor Laboratory, New York, kooperieren mit den Heidelberger Bioinformatikern.

Die Forschungsgruppe „Biomedical Computer Vision“ (BMCV) unter Leitung von PD Dr. Karl Rohr entwickelt Informatikmethoden zur automatischen Analyse mikroskopischer Bilder für zellbiologische Grundlagenforschung ebenso wie auch radiologischer Bilder für medizinische Anwendungen. Die BMCV ist sowohl der Universität Heidelberg als auch dem Deutschen Krebsforschungszentrum (DKFZ) zugeordnet - an der Universität der Abteilung Bioinformatik und Funktionelle Genomik am Institut für Pharmazie und Molekulare Biotechnologie und am DKFZ der Abteilung Theoretische Bioinformatik. Beide werden von Prof. Dr. Roland Eils geleitet. Angesiedelt ist die Gruppe am BioQuant-Zentrum der Universität. Die Entwicklung des bei der “Particle tracking challenge“ in Barcelona ausgezeichneten Verfahrens ist in besonderem Maße das Verdienst von Dr. William J. Godinez, der als Postdoktorand am BMCV arbeitet.

Originalpublikation:
Chenouard N, Smal I, de Chaumont F, Maška M, Sbalzarini IF, Gong Y, Cardinale J, Carthel C, Coraluppi S, Winter M, Cohen AR, Godinez WJ, Rohr K, Kalaidzidis Y, Liang L, Duncan J, Shen H, Xu Y, Magnusson KEG, Jaldén J, Blau HM, Paul-Gilloteaux P, Roudot P, Kervrann C, Waharte F, Tinevez J-Y, Shorte SL, Willemse J, Celler K, van Wezel GP, Dan H-W, Tsai Y-S, Ortiz de Solórzano C, Olivo-Marin J-C, Meijering E. Objective comparison of particle tracking methods. Nature Methods, March 2014, Volume 11, Issue 3, 281–289; DOI: 10.1038/nmeth.2808