PDF Download - Laborwelt

Zellbiologie Imaging
wickelt. Sie kommt besonders gut mit großen
Datenmengen zurecht, wie sie bei präklinischen
Wirkstoffuntersuchungen anfallen. Ziel
ist es, die Teilung von lebenden Krebszellen
zu beobachten und zu quantifizieren. Eine
besondere Herausforderung an die Bildanalyse
besteht darin, die einzelnen Phasen der
Teilung zu differenzieren und sie miteinander
in zeitlichen Bezug setzen zu können. Die Zel-
Daten sich teilender Zellen optimiert. Der
Benutzer kann sich während der Arbeit mit
der Anwendung nacheinander durch die
Plug-Ins klicken.
Bewegungsartefakte, die durch kleine Verwackelungen
des Mikroskoptisches während
der Bildaufnahme entstehen, werden durch
das Registrierungs-Plug-In eliminiert. Dieses
richtet die einzelnen Bilder einer Zeitserie neu
zueinander aus. Der Prozess der Registrierung
ist für jede Art von Live-Cell-Imaging-Daten
erforderlich.
Mit dem Vordergrund-Hintergrund-Plug-
In werden die Zellobjekte vom Hintergrund
getrennt. An dieser Stelle bietet Zeta ein
interaktives Verfahren an. Der Benutzer
markiert mit der Maus einige Zellen und
Hintergrundregionen.
Die Software lernt anhand dieser Beispiele,
wie Zellen vom Hintergrund unterschieden
werden können und gibt direkt ein visuelles
Feedback. Der Anwender sieht, welche Regionen
Zeta als Vordergrund und welche als
Hintergrund klassifiziert hat, und kann diese
Erkennung verbessern, indem er Beispiele
hinzufügt oder entfernt. Die Software wird
auf diese Weise trainiert, die Zellen vom
Hintergrund bestmöglich zu trennen. Diese
Trainierbarkeit ist ein Schlüsselkonzept
der Software, weil dadurch die Flexibilität
erhöht wird.
Das Segmentierungs-Plug-In, ermöglicht
die Trennung von Zellclustern in einzelne
Zellobjekte. Dadurch ergibt sich die Möglichkeit,
jede einzelne Zelle morphologisch zu
beschreiben.
Das Klassifikations-Plug-In ist für die Sortierung
sich teilender Zellen besonders wichtig.
Mit diesem Plug-In wird jede einzelne Zelle einer
bestimmten Zellzyklusphase zugeordnet.
Durch die integrierte Trainierbarkeit genügt
es, einige Zellen beispielhaft mit einem Label
zu versehen. Diese werden anschließend auf
alle entsprechenden Zellen der Bildserien
übertragen.
Mit dem Tracking-Plug-In wird ein Zelltracking
innerhalb der aufgenommenen Zeitserie
durchgeführt. Hierbei wird für jede Zelle eine
Historie angelegt, der zu entnehmen ist, wie
lange sich eine Zelle in einer Zellzyklusphase
befindet.
Zudem bietet Zeta ein Evaluationsmodul
an, mit dem die Informationen der einzelnen
Analyse-Plug-Ins integriert werden und in
Form einer csv-Datei exportiert werden
können.
Ausblick
Abb. 2: Objekterkennung in Zeta (Konturen) und Klassifizierung nach den Zellteilungsphasen
(Farben)
len müssen nicht nur als Objekte erkannt und
den einzelnen Zellteilungsphasen zugeordnet
werden, auch das Erkennen der zeitlichen
Abfolge ist wichtig. Für jede Zelle wird also
eine Historie angelegt.
Besonders großen Wert ist bei der Entwicklung
von Zeta auf die einfache Bedienbarkeit,
die Integrierbarkeit in bestehende Datenmanagementsysteme
und die Performance
gelegt worden. Mit wenigen Mausklicks wird
die Software darauf trainiert, bestimmte
Zellmuster zu erkennen und zu klassifizieren.
Dadurch wird sie sehr flexibel und kann auch
für andere biologische Fragestellungen eingesetzt
werden.
Der Zeta-Workflow
Eine Besonderheit von Zeta ist seine Plug-
In-Struktur. Bei Arbeitsbeginn werden über
eine Konfigurationsdatei bestimmte, für die
Analyse notwendige Module in die Benutzeroberfläche
geladen.
Im Falle der Krebszellen sind folgende
Plug-Ins sinnvoll: Registrierung, Vordergrund-
Hintergrund-Erkennun, Segmentierung,
Klassifikation, Zelltracking und Evaluation.
Auswahl und Reihenfolge dieser Plug-Ins
sind für die Analyse von Live-Cell-Imaging-
Automatisierte, bildgebende Verfahren sind
etablierte Hilfsmittel für die Suche nach
neuen Wirkstoffen gegen Krebs. Oft ist dabei
die Auswertung der generierten Daten
ein Engpass innerhalb des Arbeitsprozesses.
Die hier vorgestellte Software soll den
Analyse-Workflow deutlich vereinfachen und
beschleunigen.
Während eines automatisierten Screenings
können derzeit etwa bis zu 50.000 Bilder pro
Tag anfallen. Idealerweise ist der Algorithmus
für die Bilderkennung so schnell, dass er in der
gleichen Zeit fertig ist. Rechnerisch bleiben
also weniger als zwei Sekunden pro Bild für
die Analyse.
In ersten Tests konnte Zeta diesen Wert
mit einem Server mit 20 Prozessoren
und 20 GB Arbeitsspeicher erreichen. Die
Software-Architektur ist so angelegt, dass
mit größeren Rechnern auch noch höhere
Geschwindigkeiten erzielt werden können.
Gegenstand der Forschung bleibt die Integration
der Daten.
Literatur
[1] Malthan D, Huchler R, Brandenburg A, Thielecke H, Hildebrandt
C, Zühlke D (2008). Association for Laboratory
Automation, Abstracts: pp.74
[2] Scheede S, Herpens A, Burmeister F, Oltrogge B Saenger
K, Schmidt-Rose T, Schreiner V, Wenck H, Knieps T, Berlage
T (2011) Skin Research and Technology: 17(2):186-195
Korrespondenzadresse
Dr. Andreas Pippow
Fraunhofer-Institut für Angewandte
Informationstechnik FIT
Schloss Birlinghoven,
53754 Sankt Augustin
Tel.: +49-(0)2241-14-1524
Fax: +49-(0)2241-144-1524
andreas.pippow@fit.fraunhofer.de
www.fit.fraunhofer.de
34 | 13. Jahrgang | Nr. 1/2012 LABORWELT