Pressemitteilung der Universität Tübingen vom 09.09.2021

Internationales Forschungsteam entwickelt Algorithmus, der die superauflösende Mikroskopie beschleunigt

Mit der superauflösenden Mikroskopie gewinnen Wissenschaftlerinnen und Wissenschaftler neue Einblicke in die Welt der Zellen und können nanometerkleine Strukturen im Zellinneren erkunden. Das Verfahren hat die Lichtmikroskopie revolutioniert und seinen Erfindern 2014 den Nobelpreis für Chemie eingebracht. Tübinger KI-Forscher haben in einem internationalen Projekt einen Algorithmus entwickelt, der diese Technologie wesentlich beschleunigt.

Eine Art der superauflösenden Mikroskopie ist die sogenannte Einzelmolekül-Lokalisationsmikroskopie (single-molecule localisation microscopy, SMLM). Dabei werden die zu erforschenden Strukturen mit fluoreszierenden Molekülen markiert, von denen zu jedem Zeitpunkt nur eine begrenzte Anzahl mit Licht aktiviert wird. Diese lassen sich dann sehr präzise lokalisieren. Mit diesem Trick werden mehrere Bilder einer einzelnen Probe generiert. Diese Rohdaten werden von einem Computerprogramm ausgewertet und zu einem einzigen aussagekräftigen Bild zusammengesetzt. Mit dieser Technik lassen sich viel höhere Auflösungen erreichen als mit der klassischen Lichtmikroskopie. Doch sie hat einen Nachteil: Es braucht eine große Menge an Bildern, was das Verfahren sehr zeitaufwändig macht.

Das Team von Jakob Macke, Professor für Maschinelles Lernen in der Wissenschaft an der Universität Tübingen, hat in einer internationalen Zusammenarbeit einen neuen Algorithmus entwickelt, der diese Einschränkung der SMLM überwindet. Die gemeinsame Arbeit mit der Ries Gruppe des Europäischen Laboratoriums für Molekularbiologie (EMBL) Heidelberg und dem Team von Dr. Srinivas Turaga vom Janelia Research Campus (Virginia, USA) wurde in der Fachzeitschrift Nature Methods veröffentlicht.

Mit Deep Learning zur hochpräzisen Lokalisierung einzelner Moleküle

Der Algorithmus DECODE (DEep COntext DEpendent) basiert auf Deep Learning: Er nutzt ein künstliches neuronales Netz, das durch Trainingsdaten lernt. Statt mit echten Bildern wird das Netz in diesem Fall jedoch mit synthetischen Daten aus Computersimulationen trainiert. Unter Einbeziehung von Informationen über den Aufbau des Mikroskops und der Physik der Bildgebung erzielten die Forschenden Simulationen, die den realen Aufnahmen sehr ähnlich sind. „Das neuronale Netz, das wir mit Simulationsdaten trainiert haben, ist so in der Lage, fluoreszierende Moleküle auch in echten Bildern zu erkennen und zu lokalisieren“, erklärt Artur Speiser, zusammen mit Lucas-Raphael Müller federführender Autor der Arbeit.

Einer der Vorteile des Algorithmus DECODE: Er kann Fluoreszenzträger bei höheren Dichten lokalisieren, als bislang möglich, sodass weniger Bilder je Probe benötigt werden. Auf diese Weise kann die Bildgebungsgeschwindigkeit ohne nennenswerten Verlust an Auflösung um das bis zu Zehnfache gesteigert werden. Darüber hinaus kann DECODE die Unsicherheiten quantifizieren ‒ das Netzwerk kann also selbst erkennen, wenn es sich in seiner Lokalisierung nicht sicher ist.

Interdisziplinarität erweitert die Perspektiven der Forschung

„Diese Arbeit ist beispielhaft für den Ansatz unseres Exzellenzclusters ‚Maschinelles Lernen: Neue Perspektiven für die Wissenschaft‘“, sagt Macke, dessen Lehrstuhl Teil des Tübinger Clusters ist. „Die Ideen, die diesem Ansatz zugrunde liegen, haben wir ursprünglich in einem ganz anderen Kontext entwickelt. Aber in enger Zusammenarbeit mit Experten für computergestützte Mikroskopie entstanden daraus leistungsstarke Methoden für die Analyse von SMLM-Daten.“ Das Team entwickelte zudem ein Softwarepaket, das den DECODE-Algorithmus verwendet. „Die Software lässt sich einfach installieren und ist kostenlos verfügbar, sodass wir hoffen, dass sie in Zukunft vielen Wissenschaftlern von Nutzen sein wird“, sagt Dr. Jonas Ries vom EMBL.

Originalpublikation:
Artur Speiser, Lucas-Raphael Müller, Philipp Hoess, Ulf Matti, Christopher J. Obara, Wesley R. Legant, Anna Kreshuk, Jakob H. Macke, Jonas Ries & Srinivas C. Turaga: Deep learning enables fast and dense single-molecule localization with high accuracy. Nature Methods.

Externer Link: www.uni-tuebingen.de

Medienmitteilung der Universität Basel vom 20.09.2021

Forschende der Universität Basel haben eine Augmented-Reality-App für Smartphones entwickelt, um Angst vor Spinnen zu reduzieren. Die App hat sich in einer klinischen Studie bereits bewährt: Schon nach wenigen Trainingseinheiten zuhause empfanden die Probanden weniger Angst vor realen Spinnen.

Die Angst vor Spinnen gehört zu den häufigsten Phobien. Betroffene versuchen, Situationen mit Spinnen zu vermeiden und leben deshalb mit einer Vielzahl von Einschränkungen. Sie verzichten etwa auf soziale Anlässe in der Natur, Zoobesuche oder bestimmte Reiseziele; sie kontrollieren Räume exzessiv auf Spinnen, oder meiden bestimmte Räume wie Keller oder Estrich komplett. Eine wirksame Behandlung gegen Spinnenangst stellt beispielsweise die Expositionstherapie dar, bei der sich Betroffene therapeutisch angeleitet den gefürchteten Situationen aussetzen. Dabei wird die Angst schrittweise abgebaut. Diese Therapie wird jedoch selten in Anspruch genommen, weil Betroffene sich nur ungern echten Spinnen aussetzen.

Das interdisziplinäre Forschungsteam um Prof. Dr. Dominique de Quervain hat Abhilfe geschaffen und die Smartphone-basierte Augmented-Reality-App Phobys entwickelt. Im Fachmagazin «Journal of Anxiety Disorders» berichten die Forschenden von vielversprechenden Ergebnissen mit dieser App gegen Spinnenphobie.

Phobys basiert auf der Expositionstherapie und verwendet ein realistisches 3D-Spinnenmodell, welches in die reale Welt projiziert wird. «Für Menschen, die Angst vor Spinnen haben, ist es leichter, sich einer virtuellen Spinne auszusetzten als einer echten», erklärt Anja Zimmer, Erstautorin der Studie.

Wirksamkeit in Studie überprüft

Zimmer und ihre Kollegen untersuchten die Wirksamkeit von Phobys in einer klinischen Studie mit 66 Probanden. Die an Spinnenangst leidenden Studienteilnehmenden absolvierten während zwei Wochen entweder sechs halbstündige Trainingseinheiten mit Phobys oder bekamen als Kontrollgruppe keine Intervention angeboten. Vor und nach der Behandlung näherten sich die Studienteilnehmenden einer echten Spinne in einer durchsichtigen Box so weit, wie es ihre Spinnenangst zuliess. Die Gruppe, die mit Phobys trainiert hatte, zeigte deutlich weniger Angst und Ekel in der realen Spinnensituation und war in der Lage, näher an die Spinne zu gelangen als die Kontrollgruppe.

Die App Phobys bietet neun verschiedene Levels, um der virtuellen Spinne näher zu kommen und mit ihr zu interagieren. Mit jedem Level werden die Aufgaben intensiver und damit schwieriger. Jedes Level endet mit einer Bewertung der eigenen Angst und des Ekels, und die App entscheidet, ob das Level wiederholt werden sollte oder zum nächsten fortgeschritten werden kann. Die App verwendet zudem spielerische Elemente, wie belohnende Feedbacks, Animationen und Soundeffekte, um die Motivation hoch zu halten.

Phobys gibt’s in den App Stores

Mithilfe der GeneGuide AG (Division MindGuide), einem Spin-off-Unternehmen der Universität Basel, wurde die App weiterentwickelt und ist nun in den App Stores für iPhones und Android-Smartphones erhältlich. Betroffene mit leichten Formen der Spinnenangst können die App in Eigenregie benutzen. Bei Menschen mit einer ausgeprägten Spinnenangst empfehlen die Forschenden die Nutzung der App nur in Begleitung einer Fachperson. Ob man Angst vor einer virtuellen Spinne hat, kann in der App gratis getestet werden. Das Training zur Reduktion der Spinnenangst ist in der App erwerbbar.

Die aktuelle Studie gehört zu einer Reihe von Projekten der Transfakultären Forschungsplattform Molecular and Cognitive Neurosciences, welche von Prof. Dr. Andreas Papassotiropoulos und Prof. Dr. Dominique de Quervain geleitet wird, die das Ziel verfolgen, die Behandlung von psychischen Störungen durch den Einsatz neuer Technologien zu verbessern und diese breit verfügbar zu machen.

Originalpublikation:
Anja Zimmer, Nan Wang, Merle K Ibach, Bernhard Fehlmann, Nathalie S Schicktanz, Dorothée Bentz, Tanja Michael, Andreas Papassotiropoulos, Dominique JF de Quervain
Effectiveness of a smartphone-based, augmented reality exposure app to reduce fear of spiders in real-life: A randomized controlled trial
Journal of Anxiety Disorders (2021)

Externer Link: www.unibas.ch