Forschende am Broad Institute von MIT und Harvard sowie der ETH Zürich und dem Paul Scherrer Institut (PSI) haben ein künstliches Intelligenz-System entwickelt, das die Analyse von Zellen revolutionieren könnte. Traditionell erfordert die Untersuchung der Zellzustände mehrere Messverfahren – etwa Genexpression, Proteinanalyse oder Morphologie –, die jeweils unterschiedliche Informationen liefern. Doch bisher war es schwierig, herauszufinden, welche Daten aus welchem Teil der Zelle stammen oder ob Informationen gemeinsam von mehreren Methoden erfasst werden. Die gängigen maschinellen Lernverfahren kombinieren alle Daten in einer gemeinsamen Darstellung, wodurch wichtige Informationen über Ursprung und Bedeutung der Daten verloren gehen. Das neue AI-Modell von Xinyi Zhang, G.V. Shivashankar und Caroline Uhler löst dieses Problem, indem es zwischen gemeinsamen und modality-spezifischen Informationen unterscheidet. Es verwendet einen geteilten und mehrere separate Darstellungsraum: Während gemeinsame Zellzustände in einem gemeinsamen Raum codiert werden, werden modality-unique Merkmale in separaten Räumen gespeichert – ähnlich einem Venn-Diagramm. Ein zweistufiger Trainingsprozess ermöglicht es dem Modell, diese Unterscheidung selbstständig zu lernen und auch auf neue, unbekannte Daten anzuwenden. In Tests mit synthetischen und realen Einzelzell-Daten konnte das System korrekt identifizieren, welche Informationen von mehreren Messmethoden gemeinsam erfasst wurden – beispielsweise zwischen Transkriptomik und Chromatin-Accessibilität – und welche nur von einer einzigen Methode erfasst wurden. Darüber hinaus half es, die Quelle eines Proteinmarkers für DNA-Schäden in Krebszellen zu bestimmen, was klinische Forscher bei der Auswahl geeigneter Diagnosetechniken unterstützen kann. Das Verfahren ermöglicht eine umfassendere und präzisere Interpretation der Zellbiologie, was besonders für die Erforschung von Krebs, neurodegenerativen Erkrankungen wie Alzheimer und Stoffwechselerkrankungen wie Diabetes von Bedeutung ist. Es hilft, die Interaktionen zwischen verschiedenen Zellkomponenten besser zu verstehen und die Entwicklung gezielterer Therapien voranzutreiben. Industrielle Experten begrüßen die Innovation als Schritt hin zu einer „intelligenten Integration“ von multimodalen Zellmessungen. Die Möglichkeit, nicht nur Daten zu kombinieren, sondern auch deren Ursprung zu entschlüsseln, könnte die Effizienz von biomedizinischen Studien erheblich steigern. Die Forscher planen, das Modell weiter zu verfeinern, um es interpretierbarer zu machen und auf breitere klinische Anwendungen auszudehnen. Die Arbeit wird von mehreren Institutionen, darunter das Eric and Wendy Schmidt Center, die Schweizer Nationalfonds, die NIH und AstraZeneca, finanziert. Das System stellt einen Paradigmenwechsel in der Zellbiologie dar: Es geht nicht mehr nur darum, möglichst viele Daten zu sammeln, sondern gezielt zu verstehen, was sie bedeuten – und woher sie kommen.