Durchbruch in der Herzforschung: Deep-Learning-Methoden beschleunigen Untersuchung an Fruchtfliegen für menschliche Herzkrankheiten

BerlinWissenschaftler der Universität Alabama in Birmingham haben dank Deep-Learning-Technologien und schneller Videomikroskopie wesentliche Fortschritte bei der Untersuchung von Fruchtfliegen-Herzen erzielt. Dieser Durchbruch könnte die Erforschung von Herzerkrankungen beim Menschen voranbringen.

Fruchtfliegen, oder Drosophila, sind entscheidend für die Erforschung menschlicher Herzerkrankungen. Sie ermöglichen es Wissenschaftlern, das Altern des Herzens und Krankheiten, die das Herz schwächen, zu untersuchen. Früher mussten Forscher die Zeitpunkte, an denen das Herz der Fliege am stärksten gedehnt oder zusammengezogen war, manuell bestimmen. Dieser Vorgang war zeitaufwändig und oft ungenau.

Forscher nutzen tiefes Lernen, um ihre Herzstudien zu revolutionieren. Diese automatisierte Methode kann mehrere hundert Herzen gleichzeitig analysieren, was den Prozess beschleunigt und Fehler reduziert. Laut Girish Melkani, Ph.D., vom UAB Department of Pathology, bietet dieser Ansatz zahlreiche Vorteile.

• Schnellere Analysezeiten
• Weniger menschliche Fehler
• Möglichkeit, mehr Herzregionen zu untersuchen
• Skalierbarkeit auf Hunderte von Herzen

Die neue Methode ermöglicht Wissenschaftlern ein besseres Verständnis darüber, wie Umwelt- und genetische Faktoren das Altern des Herzens und Herzkrankheiten beeinflussen. Melkani beabsichtigt, diese Technologie zu nutzen, um Herzprobleme bei Tieren wie Zebrafischen und Mäusen zu untersuchen. Diese Technik könnte auch bei der Untersuchung von menschlichen Herzmodellen eingesetzt werden und wertvolle Informationen über die Herzgesundheit liefern.

Lesen Sie auch:

Heute · 15:58

Webb-Teleskop entdeckt seltsame frühe Galaxienentwicklung

Das Modell kann das Altern des Herzens ausgezeichnet vorhersagen. Durch den Einsatz von Unsicherheitsanalysen lässt sich die Genauigkeit dieser Vorhersagen weiter steigern. Herzkrankheiten sind eine der Haupttodesursachen in den Vereinigten Staaten. Deshalb ist es entscheidend, präzise Werkzeuge zur Untersuchung der Herzfunktion bei Tieren zu haben.

Das Forschungsteam überprüfte die Genauigkeit ihres Modells, indem es die Herzleistung bei alternden Fruchtfliegen und einer Erkrankung namens dilatative Kardiomyopathie verglich. Letztere wurde durch die Reduktion des Enzyms Oxoglutarat-Dehydrogenase im TCA-Zyklus hervorgerufen. Für die Altersstudie trainierten sie ihr Modell mit Daten von 54 Herzen und validierten dessen Ergebnisse mit einem Datensatz von 177 Herzen. Das Modell zeigte präzise die erwarteten Veränderungen der Herzleistung im Laufe des Alters der Fliegen.

Melkani erläutert, dass ihre Deep-Learning-Plattform auf handelsüblichen Consumer-Geräten funktioniert. Der von ihnen entwickelte Code berechnet wesentliche Herzwerte wie diastolische und systolische Durchmesser/Intervalle, Verkürzungsfraktion, Ejektionsfraktion, Herzfrequenz und Herzrhythmusstörungen.

„Unsere Plattform ist die erste, die Deep Learning nutzt, um hochqualitative, schnelle Bilder von Drosophila-Herzen (Fruchtfliegen) zu analysieren“, sagte Melkani. Dieser Ansatz verbessert nicht nur die Genauigkeit und Effizienz von Herzstudien bei Fruchtfliegen, sondern eröffnet auch neue Möglichkeiten für die Übertragung dieser Erkenntnisse auf die menschliche Herzforschung.