"Biobildanalyse, die Informationen auf Protein- und Transkriptionsebene in Geweben verknüpft" Die optische Auflösung des menschlichen Auges ist begrenzt. Deshalb wurden Mikroskope erfunden, um die Beobachtung kleinerer Objekte durch eine bestimmte Anordnung optischer Komponenten sowie die Untersuchung biologischer Prozesse im Hinblick auf Krankheit oder Behandlung zu ermöglichen. Mit Hilfe des Auges des Mikroskops, der Kamera, können Bilder von verschiedenen Gewebefärbungen digitalisiert und auf Computern gespeichert werden. Zu diesem Zeitpunkt wird die Bildinterpretation häufig vom Untersucher selbst vorgenommen. Die manuelle Markierung oder Zählung ist ein subjektiver Prozess des Beobachters, zeitaufwändig und daher möglicherweise voreingenommen. Zusätzliche physikalische Begrenzungen erhöhen das Risiko von Fehlinterpretationen in Bezug auf Aberrationen oder andere Verzerrungsartefakte sowie die Komplexität, die durch die wachsende Anzahl verfügbarer Parameter am selben Ort zunimmt, insbesondere bei der Erkennung der räumlichen Genexpression. Die Biobild-Analyse, ein in den letzten Jahren neu aufkommender Bereich, kombiniert Datenanalyse und bildgebende Verfahren zur Untersuchung biologischer Prozesse und hat mich zu dieser Arbeit geführt, bei der Bilddaten aus verschiedenen Mikroskopietechniken verwendet wurden, um überwachte und unüberwachte Biobild-Analyse-Arbeitsabläufe zur Validierung biologischer Fragen in Gewebeproben von Maus und Mensch zu erstellen, die konzeptionell auf dem MELC-System entwickelt wurden. Dabei wurde das MELC-System hinsichtlich seiner Gesamtbildqualität in Bezug auf Auflösung (lateral 60%, axial 250%), Dauer der MELC-Experimente (Reduktion der Hitze und damit verbundener Trocknung der Gewebeprobe, Erhöhung der detektierbaren Fluoreszenzsignale) und Signalauswertung (Artefaktentfernung) verbessert. Die Anwendung systembezogener Algorithmen zur Beseitigung von Artefakten, wie Bildregistrierung, Beleuchtungskorrektur, Bildprojektionen oder Entstreifung waren Teil der erforderlichen Bildvorverarbeitung, die die anschließende Bildsegmentierung in ilastik und CellProfiler standardisierte. Die Klassifikation der gefundenen Objekte oder Zellen profitierte von Clustering- oder Dimensionalitätsreduktionsverfahren, die die Komplexität der mehrparametrigen Datensätze vereinfachten. Die Anwendung von Nachbarschaftsanalysen unterstützte die Untersuchung im Hinblick auf räumliche Lokalisierungen und Interaktionen. Basierend auf den entwickelten quantitativen Bildanalyse-Workflows, die Bildvorverarbeitung, Bildsegmentierung, Objektidentifikation, Klassifikation und Ergebnisdarstellung umfassen, konnte im Falle von LSM-, MELC- und LSFM-Daten ein allgemeiner Weg von der Bildaufnahme bis zur aussagekräftigen Datenauswertung als Werkzeug für die Nutzer realisiert werden. Darüber hinaus wurden durch die Anwendung von MELC und ST die gewonnenen Informationen zwischen der Protein- und der Transkriptionsebene verknüpft. Auf diese Weise konnten mehrere Beobachtungen gemacht werden, die zur Beantwortung von Fragen in der Immunologie und den Neurowissenschaften beitragen. Segmentierte LSM-Bilder von Mikroglia aus alternden Mäusen zeigten die morphologischen Veränderungen und den Verlust von Prozessen im Verlauf der Demenz, wobei DFT-Deskriptoren als kompakte Methode zur Beschreibung komplexer Formen verwendet wurden. Die Verteilung des komplexen Kompartiments stromaler Marker im Knochenmark von Mäusen war heterogen, was Einblicke in ihre Rolle bei der Hämatopoese und der Entwicklung von Immunzellen geben kann. Durch überwachte und nicht überwachte Bildanalyse-Arbeitsabläufe wurden seltene ILC-Populationen in MELC-Bildern von Mäusemandeln identifiziert. Darüber hinaus wurde ihre Lage in der Nähe von Gefäßen und Fibronektinfasern durch Nachbarschaftsanalyse ermittelt. Schließlich wurde in menschlichen Lungenproben aus MELC- und ST-Experimenten ein SARS-CoV-2-induzierter Gewebeumbau beobachtet.weiterlesen