Analyse-Pipelines und Datenfusion für zerebrale Organoide (HIDSS4Health-Projekt)

Im Rahmen von HIDSS4Health (Helmholtz Information and Data Science School for Health) gibt es ein Projekt zum Thema „Analyse-Pipelines und Datenfusion für zerebrale Organoide“, das gemeinsam vom Institut für Automation und angewandte Informatik (IAI) des Karlsruher Instituts für Technologie (KIT) sowie der Universität Heidelberg bearbeitet wird.

Organoide sind selbstorganisierende dreidimensionale Strukturen, die aus humanen pluripotenten Stammzellen (hPSCs) gewonnen werden und verschiedene Zelltypen sowie eine Gewebearchitektur aufweisen, die menschlichen Organen und Geweben ähnelt. Insbesondere Gehirnorganoide haben sich als vielversprechendes Modellsystem zur Erforschung der menschlichen Gehirnentwicklung etabliert und bieten wertvolle Einblicke in sowohl normale physiologische Prozesse als auch Krankheitsmechanismen, einschließlich häufiger und seltener erblicher Erkrankungen.

Die Forschung an Gehirnorganoiden umfasst heterogene Datenquellen, darunter longitudinale Magnetresonanztomographie (MRI), Immunfluoreszenzanalysen sowie Multi-Omics-Daten wie Metabolomik und bulk- oder einzelzellbasierte Transkriptomik. Ein zentrales Problem in diesem Bereich ist jedoch das Fehlen standardisierter Analyse-Pipelines, die diese vielfältigen Datensätze integrieren und systematisch auswerten können.

Dieses Projekt zielt darauf ab, eine umfassende Analyse-Pipeline für Gehirnorganoide zu entwickeln, die eine standardisierte Verarbeitung und Interpretation der Daten ermöglicht. Durch den Nachweis ihres Potenzials zur Charakterisierung menschlicher Erkrankungen, insbesondere angeborener Defekte im Neurotransmitterstoffwechsel, wird diese Pipeline dazu beitragen, Gehirnorganoide in der biomedizinischen Forschung und personalisierten Medizin weiter voranzubringen.

Publikationen


2024
A large and diverse brain organoid dataset of 1,400 cross-laboratory images of 64 trackable brain organoids
Schröter, J.; Deininger, L.; Lupse, B.; Richter, P.; Syrbe, S.; Mikut, R.; Jung-Klawitter, S.
2024. Scientific Data, 11 (1), 514. doi:10.1038/s41597-024-03330-z
2023
An AI-based segmentation and analysis pipeline for high-field MR monitoring of cerebral organoids
Deininger, L.; Jung-Klawitter, S.; Mikut, R.; Richter, P.; Fischer, M.; Karimian-Jazi, K.; Breckwoldt, M. O.; Bendszus, M.; Heiland, S.; Kleesiek, J.; Opladen, T.; Hübschmann, O. K.; Hübschmann, D.; Schwarz, D.
2023. Scientific Reports, 13, Art.-Nr.: 21231. doi:10.1038/s41598-023-48343-7
Imaging Mini Brains: Artificial Intelligence for High Field MRI of Cerebral Organoids
Deininger, L.; Jung-Klawitter, S.; Richter, P.; Fischer, M.; Karimian-Jazi, K.; Breckwoldt, M.; Bendszus, M.; Heiland, S.; Kleesiek, J.; Kuseyri Huebschmann, O.; Opladen, T.; Huebschmann, D.; Mikut, R.
2023, September 8. 14th Annual Scientific Symposium on Ultrahigh Field Magnetic Resonance: Clinical Needs, Research Promises and Technical Solutions (2023), Berlin, Deutschland, 8. September 2023