Die Neuronen identifizieren, die das Gehen wieder ermöglichen

Bei Nagetieren mit geschädigter Wirbelsäule kann eine Teilbeweglichkeit wiederhergestellt werden. Mit Hilfe von KI können Forschende jetzt die verantwortlichen zellulären Mechanismen bestimmen – eine Technik, die auf viele biomedizinische Probleme anwendbar sein könnte.
© 2020 EPFL

Forschende der EPFL sind in der Lage, gelähmte Nagetiere wieder zum Gehen zu bringen, indem sie das geschädigte Rückenmark der Tiere stimulieren. Diese vielversprechende Behandlung hat bereits dazu beigetragen, dass Querschnittsgelähmte im Rahmen klinischer Studien am Universitätsspital Lausanne (CHUV) ihre Mobilität wiedererlangen. Jetzt können die Forschenden mit Hilfe künstlicher Intelligenz feststellen, welche Neuronen am Prozess der Wiedererlangung des Gehens beteiligt sind. Die Ergebnisse, die in Nature Biotechnology veröffentlicht wurden, könnten zur Entwicklung neuer Ansätze führen, die Behandlungen noch wirksamer machen und den Weg für Fortschritte in anderen Bereichen der biomedizinischen Forschung ebnen.

Das Rückenmark von Nagetieren enthält – wie das des Menschen – etwa 50 verschiedene Arten von Nervenzellen, so genannte Neuronen. Nicht alle diese Zellen sprechen jedoch in gleicher Weise auf die an der EPFL entwickelte Behandlung zur Wiedererlangung des Ganges an, die auf einer Kombination von Übungen und elektrischer und chemischer Stimulation des Rückenmarks beruht. Durch die genaue Identifizierung der beteiligten Neuronentypen können die Forschenden jedoch besser verstehen, was auf zellulärer Ebene geschieht, wenn diese Stimuli zu einer sofortigen Wiederherstellung des Ganges führen. Sie können dann gezielt diejenigen Neuronen ansprechen, die durch die Stimulation aktiviert werden, wodurch die Wirksamkeit der Behandlung erhöht wird.

Im Rahmen dieser Bemühungen hat das Labor von Grégoire Courtine eine Methode des maschinellen Lernens entwickelt, die auf jede Art von Einzelzelltechnologie angewendet werden kann, um zu ermitteln, welche Zellen für die anstehende Aufgabe am wichtigsten sind. Die Anwendung dieser Methode auf die Einzelzellbiologie ist besonders spannend, da Techniken wie die Einzelzell-RNA-Sequenzierung präzise Messungen aller Gene, die eine Zelle exprimieren könnte, Zelle für Zelle liefern und es den Forschenden ermöglichen, die wichtigsten zellulären Mechanismen zu bestimmen.

Die Wissenschaftlerinnen und Wissenschaftler verglichen ihre Ergebnisse an zwei Gruppen von Mäusen: an Mäusen, die nach einer Rückenmarksverletzung das Laufen neu gelernt hatten, und an Mäusen, die aufgrund einer fehlenden Behandlung in den unteren Gliedmassen gelähmt blieben. Wenn eine solche Behandlung jedoch die Expression von Tausenden von Genen verändern könnte, ist es ein schwieriges Unterfangen, innerhalb dieser riesigen Datensätze die spezifischen Neuronen zu identifizieren, die die Erholung der Mäuse unterstützen. Um dieses Problem zu lösen, entwickelte Courtines Team eine maschinelle Lernmethode. Sie wird Augur genannt und ist in der Lage, durch die Analyse des Expressionsniveaus von Tausenden von Genen zu erkennen und vorherzusagen, welche Zellen sich zwischen zwei Bedingungen am meisten unterscheiden.

© 2020 EPFL

Augur liefert einen Prioritätswert, der vorhersagt, welche Zellen die grössten Unterschiede zwischen gelähmten Mäusen und solchen, die ihre Mobilität wiedererlangt haben, aufweisen. Wenn Augur einem bestimmten Neuronentyp Priorität einräumt, bedeutet dies, dass dieses Neuron für die durch elektrochemische Stimulation induzierte Wiedererlangung des Gangs entscheidend ist. Umgekehrt verhalten sich Neuronen, die von Augur nicht priorisiert werden, in mobilen und nicht-mobilen Mäusen auf ähnliche Weise und spielen daher wahrscheinlich keine wesentliche Rolle bei der Reaktion auf die Behandlung.

«Es handelt sich um eine robuste statistische Methode, die auf jede Störung angewendet werden kann. Je genauer Augur den beiden Gruppen von Mäusen einen bestimmten Neuronentyp zuordnen kann, desto relevanter sind diese bestimmten Nervenzellen. Sie sind daher mit grösserer Wahrscheinlichkeit an der Wiederherstellung des Ganges beteiligt», sagen die beiden Erstautoren des Papiers, Michael Skinnider und Jordan Squair.

Mit dieser Methode konnten die Forschenden einen Neuronentyp identifizieren, der eine wichtige Rolle bei der Wiederherstellung des Gangs bei Mäusen spielt. Sie können nun die wirkenden Mechanismen genauer beobachten und auch gezielter pharmakologisch behandeln, um die Gesamtwirksamkeit zu erhöhen.

Diese Methode wird laut Courtine für viele biomedizinische Studien von Interesse sein: «Ganz gleich, ob Sie an Krebs, Morbus Crohn, COVID oder Multipler Sklerose arbeiten, die zentrale Frage bleibt die gleiche: Welche Art von Zelle ist die Ursache des Problems? Unsere Methode beschleunigt den Untersuchungsprozess, und aus diesem Grund haben wir Augur frei verfügbar gemacht.»

Literaturhinweis

Michael A. Skinnider, Jordan W. Squair, Claudia Kathe, Mark A. Anderson, Matthieu Gautier, Kaya J. E. Matson, Marco Milano, Thomas H. Hutson, Quentin Barraud, Aaron A. Phillips, Leonard J. Foster, Gioele La Manno, Ariel J. Levine & Grégoire Courtine. Cell type prioritization in single-cell data. Nature Biotechnology (2020) https://www.nature.com/articles/s41587-020-0605-1