KI erkennt das Tempo und die Stadien der Embryonalentwicklung

Auf dem Weg von der befruchteten Eizelle zum funktionsfähigen Organismus durchlaufen tierische Embryonen eine Reihe charakteristischer Entwicklungsstadien. Dieser biologische Prozess wird größtenteils genetisch kontrolliert und verläuft bei verschiedenen Tierarten nach einem ähnlichen Muster.

Dennoch gibt es Unterschiede im Detail – zwischen einzelnen Arten und sogar zwischen Embryonen derselben Art. Beispielsweise kann das Tempo, in dem einzelne Embryonalstadien durchlaufen werden, unterschiedlich sein. Solche Variationen in der Embryonalentwicklung gelten als wichtiger Treiber der Evolution, da sie zu neuen Merkmalen führen und so evolutionäre Anpassungen und Biodiversität fördern können.

Daher ist die Untersuchung der Embryonalentwicklung von Tieren von großer Bedeutung, um evolutionäre Mechanismen besser zu verstehen. Doch wie lassen sich Unterschiede in der Embryonalentwicklung, etwa im zeitlichen Ablauf von Entwicklungsstadien, objektiv und effizient erfassen? Forscher der Universität Konstanz um den Systembiologen Patrick Müller entwickeln und nutzen Methoden, die auf künstlicher Intelligenz (KI) basieren.

In ihrem aktuellen Artikel in NaturmethodenSie beschreiben einen neuartigen Ansatz, der das Tempo von Entwicklungsprozessen automatisch erfasst und charakteristische Stadien ohne menschliches Zutun erkennt – standardisiert und über Artengrenzen hinweg.

Jeder Embryo ist ein wenig anders

Unser heutiges Wissen über die Embryogenese von Tieren und einzelne Entwicklungsstadien basiert auf Studien, in denen Embryonen unterschiedlichen Alters unter dem Mikroskop beobachtet und detailliert beschrieben wurden. Dank dieser sorgfältigen Handarbeit stehen heute für viele Tierarten Nachschlagewerke mit idealisierten Darstellungen einzelner Embryonalstadien zur Verfügung.

„Allerdings sehen Embryonen unter dem Mikroskop oft nicht ganz so aus wie auf den schematischen Zeichnungen. Und die Übergänge zwischen den einzelnen Stadien sind nicht abrupt, sondern eher fließend“, erklärt Müller. Die manuelle Zuordnung eines Embryos zu den verschiedenen Entwicklungsstadien ist daher selbst für Experten nicht trivial und etwas subjektiv.

Erschwerend kommt hinzu, dass die Embryonalentwicklung nicht immer nach dem erwarteten Zeitplan verläuft. „Verschiedene Faktoren können den Zeitpunkt der Embryonalentwicklung beeinflussen, etwa die Temperatur“, erklärt Müller. Die von ihm und seinen Kollegen entwickelte KI-gestützte Methode ist ein wesentlicher Fortschritt.

Für ein erstes Anwendungsbeispiel trainierten die Forscher ihr Twin Network mit mehr als 3 Millionen Bildern von Zebrafischembryonen, die sich gesund entwickelten. Anschließend nutzten sie das resultierende KI-Modell, um automatisch das Entwicklungsalter anderer Zebrafischembryonen zu bestimmen.

Objektiv, genau und verallgemeinerbar

Die Forscher konnten zeigen, dass die KI in der Lage ist, vollautomatisch und ohne menschliches Zutun wichtige Schritte in der Embryogenese des Zebrafisches zu erkennen und einzelne Entwicklungsstadien zu erkennen. In ihrer Studie verwendeten die Forscher das KI-System, um das Entwicklungsstadium von Embryonen zu vergleichen und die Temperaturabhängigkeit der Embryonalentwicklung bei Zebrafischen zu beschreiben.

Obwohl die KI mit Bildern von sich normal entwickelnden Embryonen trainiert wurde, konnte sie auch Fehlbildungen erkennen, die bei einem bestimmten Prozentsatz der Embryonen spontan auftreten können oder durch Umweltgifte ausgelöst werden können.

In einem letzten Schritt übertrugen die Forscher die Methode auf andere Tierarten, etwa auf Stichlinge oder den vom Zebrafisch evolutionär weit entfernten Wurm Caenorhabditis elegans. „Sobald das nötige Bildmaterial vorhanden ist, kann mit unserem Twin-Network-basierten Verfahren die Embryonalentwicklung verschiedener Tierarten hinsichtlich Zeit und Stadien analysiert werden. Auch wenn keine Vergleichsdaten für die Tierarten vorliegen, arbeitet unser System in einem objektiv und standardisiert“, erklärt Müller. Die Methode birgt daher großes Potenzial für die Untersuchung der Entwicklung und Evolution bisher nicht charakterisierter Tierarten.