Lebendzell-Mikroskopie Automatisches Tracking von biologischen Partikeln in Zellen

Dem automatischen Tracking von biologischen Partikeln in Lebendzell-Mikroskopiebildern kommt für die quantitative Analyse von intrazellulären dynamischen Prozessen eine hohe Bedeutung zu. Ein neues hochleistungsfähiges Partikel-Tracking-Verfahren bietet entscheidende Vorteile.

Anbieter zum Thema

i3 Membrane GmbH

Universität Heidelberg

Die Bewegungsverfolgung von biologischen Partikeln wie Viruspartikel, Zellkernpartikel oder Zellrezeptoren ist von zentraler Bedeutung für die quantitative Analyse von intrazellulären dynamischen Prozessen in Lebendzell-Mikroskopiebildern. Da eine manuelle Auswertung von zeitaufgelösten Bilddaten, die hunderte oder tausende sich bewegender individueller Partikel zeigen, im Allgemeinen nicht durchführbar ist, sind automatische Bildanalyseverfahren zum Partikel-Tracking notwendig. Diese computergestützten Verfahren ermitteln die Positionen von Partikeln über die Zeit hinweg. Dabei müssen Partikel in einzelnen Bildern einer zeitaufgelösten Bildsequenz gefunden und die Korrespondenzen der Partikel in aufeinander folgenden Bildern ermittelt werden. Die Bestimmung der Korrespondenzen ist insbesondere dann schwierig, wenn die Anzahl der Partikel in den Bildern groß ist und die Partikel örtlich nah beieinander sind, d.h. wenn die Partikeldichte relativ hoch ist.

Weitere Herausforderungen sind die geringe Größe der Partikel in den Bildern und das häufig starke Bildrauschen (bzw. das geringe Signal-zu-Rauschverhältnis) sowie andere Bildartefakte wie Photobleaching. Außerdem ist die Vielfalt an Mikroskopiebilddaten aufgrund unterschiedlicher Bildgebungstechniken und Fluoreszenzfärbungsmethoden sehr groß.

Probabilistisches Verfahren für Partikel-Tracking

Um mit den genannten Herausforderungen zurechtzukommen, wurde von den Autoren ein neues Verfahren zum automatischen Tracking von biologischen Partikeln entwickelt. Das Verfahren zeichnet sich dadurch aus, dass im Unterschied zu bisherigen deterministischen Verfahren die Unsicherheiten in den Bilddaten (z.B. durch Bildrauschen) und Wissen über die Anwendungsdomäne (z.B. Objektform und Bewegung) durch eine mathematisch fundierte probabilistische Methode berücksichtigt werden. Dadurch lässt sich eine hohe Genauigkeit insbesondere bei schwierigen Bilddaten mit einer großen Objektanzahl, hoher Objektdichte und starkem Rauschen erzielen.

Ausgehend von der Beobachtung, dass sich biologische Partikel in Mikroskopiebildern i.A. durch spotförmige Strukturen darstellen, werden bei diesem probabilistischen Tracking-Verfahren die Form, Signalstruktur und Bewegung von einzelnen Partikeln durch Wahrscheinlichkeitsverteilungen repräsentiert. Biologische Partikel werden in den Bilddaten automatisch gefunden (detektiert) und über die Zeit hinweg verfolgt, d.h. es werden die Korrespondenzen in aufeinanderfolgenden Bildern eines Videos automatisch bestimmt. Für örtlich-zeitliche Filterung werden Kalman-Filter und Partikel-Filter (sequenzielle Monte-Carlo-Methoden) verwendet.

(ID:42648922)