Schwerpunkte

Mittels Deep Learning

Virusinfektionen zuverlässig voraussagen

21. Juni 2021, 09:30 Uhr   |  WEKA Fachmedien Newsdesk, ts

Virusinfektionen zuverlässig voraussagen
© Universität Zürich

Deep Learning erkennt Virusinfektionen und sagt akute – schwere Ausbrüche voraus.

Methoden der künstlichen Intelligenz wie Deep Learning ermöglichen immer mehr neue Anwendungsfelder, zum Beispiel in der Forschung. So hat sich die Uni Zürich als Ziel gesetzt, Virusinfektionen schneller zu erkennen. Sogar schwere Infektionen sollen sich in Zukunft voraussagen lassen.

Infizieren Viren eine Zelle, führt das zu Veränderungen des Zellkerns. Sie können mittels Fluoreszenzmikroskopie visualisiert werden. Forschende der Universität Zürich haben ein künstliches neuronales Netzwerk mit solchen Bildern so trainiert, dass der Algorithmus zuverlässig diejenigen Zellen erkennt, die von Adeno- oder Herpesviren befallen sind. Zudem identifiziert er akute, schwere Infektionen bereits im Voraus.

Adenoviren können beim Menschen die Zellen der Atemwege befallen, Herpesviren jene der Haut und des Nervensystems. In den meisten Fällen führt das nicht zur Produktion neuer Viruspartikel, da die Viren vom Immunsystem abgefangen werden. Adeno- und Herpesviren können jedoch dauerhafte, persistente Infektionen verursachen, die lediglich unvollständig vom Abwehrsystem kontrolliert werden und über Jahre Viruspartikel produzieren. Ebenso können diese Viren zu plötzlichen, heftigen Infektionen führen. Hierbei setzen betroffene Zellen große Mengen an Viren frei – das führt zu Infektion, die sich rasch ausbreiten. Die Folgen sind schwerwiegende akute Erkrankungen der Lunge oder des Nervensystems.

Virusbefallene Zellen automatisch erkennen

Die Forschungsgruppe von Urs Greber, Professor am Institut für Molekulare Biologie der Universität Zürich (UZH), zeigt erstmals, dass ein maschinell lernender Algorithmus jene Zellen, die mit Herpes- oder Adenoviren infiziert sind, allein anhand der Fluoreszenz des Zellkerns erkennen kann. »Unsere Methode identifiziert nicht nur zuverlässig virusinfizierte Zellen, sondern erkennt mit hoher Genauigkeit auch virulente Infektionen im Voraus«, sagt Greber. Die Studienautoren sind überzeugt, dass ihre Entwicklung vielseitig anwendbar ist – etwa für Vorhersagen, wie menschliche Zellen auf andere Viren oder Mikroorganismen reagieren. »Das Verfahren eröffnet neue Wege, um Infektionen besser zu verstehen und um neue Wirkstoffe gegen Krankheitserreger wie Viren oder Bakterien zu entdecken«, ergänzt Greber.

Die Analysemethode basiert auf der Kombination von Fluoreszenzmikroskopie in lebenden Zellen und Deep Learning. Herpes- und Adenoviren, die sich im Inneren einer infizierten Zelle bilden, verändern die Organisation des Zellkerns – diese Veränderungen lassen sich mit dem Mikroskop visualisieren. Um sie maschinell zu detektieren, verwendet die Gruppe einen Deep-Learning-Algorithmus, genauer ein neuronales Netzwerk. Die Forschenden trainieren es mit einer großen Menge an Mikroskopiebildern und extrahieren Muster, die für infizierte oder nicht infizierte Zellen charakteristisch sind. »Nach Abschluss von Training und Validierung erkennt das neuronale Netzwerk virusinfizierte Zellen automatisch«, so Greber.

Schwere Infektionen zuverlässig voraussagen

Zudem zeigen die Wissenschaftler, dass der Algorithmus fähig ist, akut auftretende und heftig verlaufende Infektionen mit einer Genauigkeit von 95 Prozent und bis zu 24 Stunden im Voraus zu identifizieren. Als Trainingsmaterial dienen Bilder lebender Zellen von sogenannten lytischen Infektionen. Hierbei vermehren sich die Viruspartikel explosionsartig und die Zellen lösen sich auf. Außerdem dienen Bilder persistenter Infektionen, bei denen Viren zwar kontinuierlich, jedoch lediglich in geringen Mengen produziert werden, als Trainingsmaterial. Trotz der großen Präzision ist noch offen, welche Merkmale infizierter Zellkerne das künstliche neuronale Netzwerk eigentlich erkennt, um die zwei Infektionsphasen zu unterscheiden. Es erlaubt jedoch bereits jetzt, die Infektionsbiologie infizierter Zellen genauer zu untersuchen.

Einige Unterschiede hat die Gruppe bereits entdeckt: Der Innendruck des Zellkerns ist bei virulenten Infektionen größer als während persistenter Phasen. Zudem reichert eine Zelle mit lytischer Infektion die viralen Proteine schneller im Zellkern an. »Wir vermuten daher, dass ausgeklügelte zelluläre Prozesse bestimmen, ob sich eine Zelle nach dem Virenbefall auflöst oder nicht. Diesen und weiteren Fragen können wir nun nachgehen«, sagt Greber.

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

elektroniknet