Lead
Kryo-Elektronentomographie erlaubt es, mehrere Proteine in ihrem zellulären Kontext zu visualisieren und liefert so entscheidende Hinweise für die Beschreibung ihrer Funktion.Das Aufkommen neuer hochentwickelter Instrumente hat die automatisierte Erfassung tomographischer Datensätze in einem noch nie dagewesenen Umfang ermöglicht. Während diese gewaltige Zunahme an Informationen die Möglichkeit eröffnet, einen noch tieferen Einblick in die Zellstruktur und -funktion zu gewinnen, bringt sie gleichzeitig auch die heutigen Werkzeuge der Datenanalyse an ihre Grenzen.

Lay summary

Inhalt und Ziel des Forschungsprojekts

 

Unser Vorgehen baut auf moderner Methoden der rechnerbasierten Interpretation von Bildern (Computer Vision) auf, womit spezifische Merkmale in den Rohdaten automatisch erkannt und interpretiert werden können.  Langfristiges Ziel ist es, den Einsatz der Künstlichen Intelligenz (insbesondere der so genannten Deep Learning Methode) zu erforschen, um die Segmentierung der Inhalte von Tomogrammsätzen, d.h. die Identifizierung und Lokalisierung der verschiedenen morphologischen Elemente in der Zelllandschaft, wie z.B. Membranen, Filamente oder charakteristische Makrokomplexe, zu automatisieren.

 

 

Wissenschaftlicher und sozialer Kontext des Forschungsprojekts

 

Mit der durch moderner Kryo-Elektronenmikroskopie erreichbaren hohen Auflösung wird es für Forschungsgruppen zunehmend möglich, sich mit Fragen zu Proteinen mit unmittelbarer pharmakologischer Relevanz zu befassen. Die in unserem Projekt zu entwickelnden Tools zielen auf die Charakterisierung solcher Proteine unter realistischen, physiologischen Bedingungen ab und tragen so dazu bei, die Lücke zwischen Grundlagenforschung und medizinischen Anwendungen zu schließen.