English China
Suchen

Algorithmus für virtuelles Gewebemodell Ein Puzzle der Genaktivität – Aktivitätstracker verortet Gene

Autor / Redakteur: Anke Brodmerkel / Christian Lüttmann

Fitnesstracker zeichnen nicht nur auf, wie aktiv wir waren, sondern auch wo. Ähnliches leistet ein neuer Algorithmus von Forschern des Max-Delbrück-Centrums für Molekulare Medizin. Mit ihm lässt sich zuordnen, wo in einem Organ einzelne Gene aktiv werden. Damit lassen sich dreidimensionale Karten der Genaktivität erstellen, die zur Erforschung von Krankheiten relevant sind.

Firmen zum Thema

Wo im Mäuse-Kleinhirn wird gerade das Gen Neurod1 abgelesen? Der Längsschnitt zeigt, dass der Algorithmus (rechts) diese Frage anhand vorliegender Einzelzell-Sequenzierdaten sehr zuverlässig beantworten kann. Links zum Vergleich das Ergebnis aus Experimenten.
Wo im Mäuse-Kleinhirn wird gerade das Gen Neurod1 abgelesen? Der Längsschnitt zeigt, dass der Algorithmus (rechts) diese Frage anhand vorliegender Einzelzell-Sequenzierdaten sehr zuverlässig beantworten kann. Links zum Vergleich das Ergebnis aus Experimenten.
(Bild: AG N. Rajewsky, MDC)

Berlin – Welche Gene werden an welcher Stelle eines Organs aktiv? Diese Frage ist nicht bloß von akademischem Interesse, sondern auch für das bessere Verständnis von Erkrankungen relevant. „Dazu müssen wir nicht nur die Aktivität des Genoms in einzelnen Zellen entschlüsseln, sondern sie vor allem auch räumlich innerhalb eines Organs verfolgen“, sagt Professor Nikolaus Rajewsky, Wissenschaftlicher Direktor des Berliner Instituts für Medizinische Systembiologie am Max-Delbrück-Centrum für Molekulare Medizin (MDC). Zum Beispiel sei die räumliche Anordnung von Immunzellen bei einer Krebserkrankung wichtig, um die beste Therapie zu wählen.

Mithilfe eines speziellen Algorithmus ist es Rajewsky und seinem Team nun gelungen, eine Art räumliche Landkarte der Genexpression für einzelne Zellen in ganz verschiedenen Gewebetypen zu erstellen. Damit können sie nun genau verfolgen, ob ein bestimmtes Gen in den Zellen eines Gewebeteils aktiv ist oder nicht. In ihrer Studie demonstrierten die Wissenschaftler dies für Zellen in der Leber und dem Darmepithel von Säugetieren, in Embryonen von Taufliegen und Zebrafischen sowie in Teilen des Kleinhirns und der Niere.

Bildergalerie

Ortung der Genaktivität fehlte bisher

Erst seit wenigen Jahren können Forscher überhaupt in großem Maßstab und mit hoher Präzision nachvollziehen, welche Informationen einzelne Zellen in einem Organ oder Gewebe gerade aus dem Erbgut abrufen. Ermöglicht haben das neue Sequenziermethoden wie die Multiplex-RNA-Sequenzierung, mit deren Hilfe sich eine Vielzahl von RNA-Molekülen gleichzeitig untersuchen lässt. RNA wird in der Zelle gebildet, wenn Gene aktiv werden und anhand ihres Bauplans Proteine entstehen.

„Eine Voraussetzung für die Technologie ist allerdings, dass das untersuchte Gewebe in einzelne Zellen zerlegt werden muss“, sagt Rajewsky. Dadurch gehen jedoch wertvolle Informationen verloren: Niemand weiß mehr, wo im Gewebe die Zelle saß, deren Genaktivität man ermittelt hat. Der MDC-Forscher suchte daher nach einer Möglichkeit, um anhand von Daten aus Einzelzell-Sequenzierungen den Ursprungsort der Genaktivität zu rekonstruieren. Das Ziel war es, ein mathematisches Modell zu entwickeln, mit dessen Hilfe sich das räumliche Muster der Genexpression für das gesamte Erbgut auch in komplex aufgebauten Geweben errechnen lässt.

Das Vorläufermodell des aktuellen Algorithmus

Bereits vor zwei Jahren hatten die Forscher um Professor Nikolaus Rajewsky vom MDC ein virtuelles Modell eines Taufliegen-Embryos erstellt. Es zeigte in bis dahin ungekannter räumlicher Auflösung, in welchen Zellen welche Gene jeweils aktiv sind. Gelungen war die Genkartierung mithilfe von 84 Markergenen, von denen man durch in-situ-Experimente wusste, wo in dem eiförmigen Embryo die Gene zu einem bestimmten Zeitpunkt jeweils aktiv sind. Diese Markergene nutzten die Forscher wie Sonden, um auch die Aktivität anderer Gene in den Zellen zu lokalisieren.

Bei dem zwei Jahre alten Taufliegenmodell haben die Forscher allerdings noch für jede Zelle einzeln rekonstruiert, wo sie verortet war. „Das war damals möglich, weil wir es mit einer deutlich geringeren Zahl von Zellen und Genen zu tun hatten“, sagt Dr. Nikos Karaiskos aus Rajewskys Arbeitsgruppe. Mit der nun erweiterten Version der Methode lassen sich jetzt selbst komplexe Gewebe rekonstruieren, auch wenn vorab kaum Informationen vorliegen

Tausende Einzelteile zu einem Bild zusammensetzen

Die Grundannahme für den aktuellen Algorithmus war: Wenn Zellen benachbart sind, ähnelt sich ihre Genaktivität. Sie lesen also ähnlichere Informationen aus ihrem Erbgut ab, als Zellen, die weiter voneinander entfernt sind. Um diese Hypothese zu prüfen, haben die Forscher auf vorhandene Daten zurückgegriffen. Für die Leber, Niere und das Darmepithel gab es keine zusätzlichen Informationen. Einige wenige Markergene hatte die Gruppe zuvor mithilfe rekonstruierter Gewebeproben gewonnen. In einem Fall waren es gerade einmal zwei Markergene gewesen.

„Es war wie ein sehr großes Puzzle mit einer riesigen Anzahl – vielleicht 10.000 – verschiedener Farben“, versucht Karaiskos die kniffelige Aufgabe zu beschreiben, vor die er bei der Berechnung des Modells gestellt war. „Wenn das Puzzle richtig gelöst ist, ergeben all diese Farben jeweils für sich genommen eine ganz bestimmte Form oder ein spezielles Muster.“ Jedes Puzzleteil steht dabei für eine einzelne Zelle des untersuchten Gewebes und jede Farbe für ein aktives Gen, das gerade mit einem RNA-Molekül abgelesen wird.

Virtuelles Gewebemodell

„Wir verfügen jetzt über eine Methode, mit der man anhand der Daten einer Einzelzell-Sequenzierung im Computer ein virtuelles Modell des untersuchten Gewebes erstellen kann – und zwar unabhängig davon, welches Sequenzierverfahren genutzt wurde“, sagt Karaiskos. Damit lasse sich dann für jedes bekannte Gen erfragen, wo genau im Gewebe die Erbanlage aktiv ist und in ein Protein übersetzt wird. „Bereits vorhandene Informationen über die räumliche Lage einzelner Zellen lassen sich in das Modell einspeisen und können es so weiter verfeinern.“

Derzeit versuchen Karaiskos und seine Kollegen am Berliner Institut für Medizinische Systembiologie, mit dem Modell bestimmte Entwicklungsvorgänge in Geweben oder ganzen Organismen zurückzuverfolgen und auch vorhersagen zu können. Allerdings, so räumt der Wissenschaftler ein, bleibe noch abzuwarten, ob es womöglich bestimmte Gewebe gebe, auf die sich der Algorithmus nicht anwenden lässt. In so einem Fall hätten die Forscher ein neues herausforderndes Puzzle zu lösen.

Originalpublikation: Mor Nitzan, Nikos Karaiskos et al.: Gene expression cartography, Nature (2019); DOI: 10.1038/s41586-019-1773-3

* A. Brodmerkel, Max-Delbrück-Centrum für molekulare Medizin, 13125 Berlin

(ID:46251940)