Imageomics ist bereit, ein neues Verständnis des Lebens zu ermöglichen

Imageomics, ein neues Wissenschaftsgebiet, habe im vergangenen Jahr erstaunliche Fortschritte gemacht und stehe kurz vor großen Entdeckungen über das Leben auf der Erde, so einer der Begründer der Disziplin.

Tanya Berger-Wolf, Fakultätsleiterin des Translational Data Analytics Institute an der Ohio State University, erläuterte den Stand der Imageomik in einer Präsentation am 17. Februar 2024 im Jahrestagung der American Association for the Advancement of Science.

„Imageomics wird erwachsen und ist bereit für die ersten großen Entdeckungen“, sagte Berger-Wolf in einem Interview vor dem Treffen.

Imageomics ist ein neues interdisziplinäres wissenschaftliches Gebiet, das sich auf die Verwendung von Werkzeugen des maschinellen Lernens konzentriert, um die Biologie von Organismen, insbesondere biologische Merkmale, anhand von Bildern zu verstehen.

Diese Bilder können von Kamerafallen, Satelliten, Drohnen stammen – sogar von Urlaubsfotos, die Touristen von Tieren wie Zebras und Walen machen, sagte Berger-Wolf, Direktorin des Imageomics Institute an der Ohio State.

Diese Bilder enthalten eine Fülle von Informationen, die Wissenschaftler vor der Entwicklung künstlicher Intelligenz und maschinellen Lernens nicht richtig analysieren und nutzen konnten.

Das Feld sei neu – das Imageomics Institute wurde erst 2021 gegründet –, aber es passieren große Dinge, sagte Berger-Wolf gegenüber AAAS.

Ein wichtiger Forschungsbereich, der Früchte trägt, befasst sich mit der Frage, wie Phänotypen – die beobachtbaren Merkmale von Tieren, die in Bildern zu sehen sind – mit ihrem Genom, der DNA-Sequenz, die diese Merkmale hervorbringt, zusammenhängen.

„Wir stehen kurz davor, die direkten Zusammenhänge zwischen beobachtbarem Phänotyp und Genotyp zu verstehen“, sagte sie.

„Ohne Imageomik könnten wir das nicht schaffen. Sie treibt sowohl die künstliche Intelligenz als auch die biologische Wissenschaft voran.“

Als Beispiel für die Fortschritte, die die Imageomik macht, nannte Berger-Wolf neue Forschungen zu Schmetterlingen. Sie und ihre Kollegen untersuchen Nachahmer – Schmetterlingsarten, deren Aussehen einer anderen Art ähnelt. Ein Grund für Mimikry besteht darin, wie eine Art auszusehen, die Raubtiere wie Vögel meiden, weil ihr Geschmack nicht ansprechend ist.

In diesen Fällen können Vögel – ebenso wie Menschen – die Arten nicht durch bloßes Anschauen unterscheiden, obwohl die Schmetterlinge selbst den Unterschied kennen. Allerdings kann maschinelles Lernen Bilder analysieren und die sehr subtilen Unterschiede in der Farbe oder anderen Merkmalen lernen, die die Arten von Schmetterlingen unterscheiden.

„Wir können sie nicht unterscheiden, weil diese Schmetterlinge diese Eigenschaften nicht zu unserem Vorteil entwickelt haben. Sie haben sich entwickelt, um ihrer eigenen Art und ihren Raubtieren Signale zu senden“, sagte sie.

„Das Signal ist da – wir können es einfach nicht sehen. Maschinelles Lernen kann es uns ermöglichen, herauszufinden, was diese Unterschiede sind.“

Aber darüber hinaus können wir den Imageomics-Ansatz verwenden, um die Bilder der Schmetterlinge zu ändern, um zu sehen, wie groß die Unterschiede zwischen den Nachahmern sein müssen, um Vögel zu täuschen. Forscher planen, realistische Bilder der Schmetterlinge mit subtilen Unterschieden auszudrucken, um zu sehen, auf welche Bilder echte Vögel reagieren.

Damit wird mit der KI etwas Neues erreicht, was noch nie zuvor gemacht wurde.

„Wir nutzen KI nicht, um einfach zu rekapitulieren, was wir wissen. Wir nutzen KI, um neue wissenschaftliche Hypothesen zu generieren, die tatsächlich überprüfbar sind. Das ist spannend“, sagte Berger-Wolf.

Forscher gehen mit dem Imageomics-Ansatz sogar noch einen Schritt weiter, um diese subtilen Unterschiede im Aussehen der Schmetterlinge mit den tatsächlichen Genen in Verbindung zu bringen, die zu diesen Unterschieden führen.

„Wir werden in den nächsten Jahren eine Menge lernen, die die Imageomik in neue Bereiche vorantreiben wird, die wir uns derzeit nur vorstellen können“, sagte sie.

Ein wichtiges Ziel besteht darin, dieses neue Wissen der Imageomics zu nutzen, um Wege zum Schutz bedrohter Arten und der Lebensräume, in denen sie leben, zu finden.

„Die Imageomik wird in den kommenden Jahren viel Gutes bringen“, sagte Berger-Wolf.

Berger-Wolfs AAAS-Präsentation mit dem Titel „Imageomics: Bilder als Informationsquelle über das Leben„ist Teil der Sitzung“Imageomics: Maschinelles Lernen zum Verständnis biologischer Merkmale vorantreiben.“