Mit KI und Mikroskopie zellulären Genen auf der Spur

Die systematische Dekodierung der Zusammenhänge zwischen spezifischen Genen und komplexen zellulären Phänotypen erhält eine neue methodische Grundlage. Forschende um Prof. Veit Hornung (Genzentrum der LMU), Prof. Matthias Mann (MPI für Biochemie, Martinsried) und Prof. Fabian Theis (Helmholtz Munich) haben mit SPARCS (Spatial ARrayed Cytometry by Sorting) eine Plattform entwickelt, die Hochdurchsatz-Mikroskopie, künstliche Intelligenz und genetische Screening-Verfahren integriert. Das System ermöglicht das automatisierte Screening von Millionen genetisch modifizierter Einzelzellen nach phänotypischen Merkmalen. Außerdem erlaubt es die anschließende präzise Isolierung zielrelevanter Zellen für molekulare Folgeanalysen.

Anwendung im genomweiten Screening: Autophagie und Innate Immunity

Zur Validierung analysierten die Forschenden mittels computergestützter Bildverarbeitung Mikroskopieaufnahmen von rund 70 Millionen Zellen auf genetisch induzierte Phänotypveränderungen:

• Autophagie-Netzwerke: In einem genomweiten Proof-of-Concept-Experiment wurde die Regulation des zellulären Autophagosomen-Aufbaus untersucht. „SPARCS identifizierte einen Großteil der bereits bekannten Gene, die die Bildung von Autophagosomen regulieren, und fand zugleich weitere beteiligte Gene“, sagt Dr. Niklas Schmacke.
• STING-Signalweg: Bei der Analyse des immunologischen Key-Sensors STING zeigte sich eine direkte Abhängigkeit des frühen intrazellulären Transports vom luminalen pH-Wert des Golgi-Apparats. Das Transportprotein GPHR steuert diesen Säuregrad und moduliert somit die nachgelagerte Aktivierung der STING-Kaskade.

Multiparametrische Kopplung an die Massenspektrometrie

Ein zentraler Vorteil der SPARCS-Methodik liegt in der zerstörungsfreien, intakten Zellisolation. Die isolierten Zielzellen stehen unmittelbar für weiterführende Proteom-Analysen mittels Massenspektrometrie (MS) zur Verfügung, was eine hochauflösende Charakterisierung genetischer Perturbationen auf Proteinebene erlaubt.

Die Kombination aus skalierbarem, bildbasiertem genetischen Screening und Deep-Learning-basierten Bildverarbeitung-Pipelines schafft damit neue Synergien für die funktionelle Genomik und die molekulare Zellbiologie.

Quelle

Ludwig-Maximilians-Universität München (10/2026)