Seit der Erfindung des Mikroskops haben mikroskopische Bilder zu neuen Erkenntnissen in der biomedizinischen Forschung geführt. Moderne Mikroskope sind in der Lage große Bilddatensätze von zunehmender Komplexität zu erzeugen, was eine manuelle Analyse ineffizient, wenn nicht gar undurchführbar macht. In dieser Arbeit stelle ich zwei neue Methoden für die automatische Bildanalyse von Mikroskopiedaten vor.
1. Die Fourier-Ringkorrelations-basierte Qualitätsschätzung (FRC-QE), ist eine neue Metrik für die automatisierte Bildqualitätsschätzung von 3D-Fluoreszenzmikroskopieaufnahmen, hier getestet am Beispiel von menschlichen Hirnorganoiden. FRC-QE automatisiert die Qualitätskontrolle, eine Aufgabe, die häufig manuell durchgeführt wird und somit einen Engpass bei der Skalierung bildbasierter Experimente auf tausend oder mehr Bilder darstellt. Die Methode kann die Clearing-Effizienz über experimentelle Replikate und Protokolle quantifizieren. Sie ist auf verschiedene Mikroskopiemodelle übertragbar und lässt sich effizient auf Tausende von Bildern skalieren.
2. Der von mir entwickelte "WormObserver" ermöglicht Langzeitaufnahmen, verarbeitet automatisch die aufgenommenen Videos und erleichtert die Datenintegration über Tausende von Individuen hinweg, um Verhaltensmuster zu entschlüsseln. Darauf aufbauend, habe ich mich auf ein Beispiel für die Plastizität des Nervensystems konzentriert: Die Verhaltenstrajektorie des "C. elegans Dauer Exits". Um den Entscheidungsmechanismus beim Verlassen des Dauer Larvenstadiums zu charakterisieren, habe ich Zeitrafferdaten von Larvenpopulationen in verschiedenen Umgebungen erfasst, analysiert und wichtige Entscheidungspunkte identifiziert. Indem ich die Verhaltensanpassung mit der Genexpression kontextualisiert habe, konnte ich neue Erkenntnisse gewinnen, wie ein sich entwickelndes Nervensystem externe Stimuli robust integrieren und das Verhalten des Organismus an neue Umgebungen anpassen kann. / Since the invention of the microscope, microscopy images have generated new insights in biomedical research. While in the past these images were used for illustrative purposes, state-of-the-art microscopy images provide quantitative measurements. Moreover, modern microscopes are capable of autonomously producing large image datasets of increasing complexity, rendering manual analysis inefficient if not infeasible. Thus, extracting biologically relevant information from these datasets requires computational analysis using appropriate algorithms and software. While some analysis methods generalize to different microscope set-ups and types of images, others need to be well tailored to a particular problem. In this work, I present two new methods for automated image analysis of microscopy data.
First, Fourier ring correlation-based quality estimation (FRC-QE) is a new metric for automated image quality estimation of 3D fluorescence microscopy acquisitions. I benchmarked the method in the context of evaluating clearing efficiency in human brain organoids. FRC-QE automates image quality control, a task that is often performed manually and thereby represents a bottleneck when scaling image-based experiments to thousand or more images. The method can estimate clearing efficiency across experimental replicates and clearing protocols. It generalizes to different microscopy modalities and efficiently scales to thousands of images.
Second, I have developed a new method for behavioral imaging of C. elegans larvae. The “WormObserver” enables long-term imaging (>12h, >80k images/experiment), automatically processes the acquired videos a
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/28744 |
| Date | 17 January 2024 |
| Creators | Preußer, Friedrich Ludwig |
| Contributors | Rajewsky, Nikolaus, Preibisch, Stephan, Reber, Simone |
| Publisher | Humboldt-Universität zu Berlin |
| Source Sets | Humboldt University of Berlin |
| Language | English |
| Detected Language | German |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | (CC BY-NC-SA 4.0) Attribution-NonCommercial-ShareAlike 4.0 International, https://creativecommons.org/licenses/by-nc-sa/4.0/ |
Page generated in 0.1236 seconds