Algorithmus aligniert Genaktivitätskarten auf Zellniveau

Ein Forschungsteam der Kanazawa Universität und der Sapienza Universität Rom hat den Algorithmus Domain Elastic Transform (DET) vorgestellt, der die Ausrichtung räumlicher Transkriptomik-Daten signifikant verbessert. Die Studie erschien in den IEEE Transactions on Pattern Analysis and Machine Intelligence. Die räumliche Transkriptomik ermöglicht molekulare Karten mit Einzelzellauflösung, doch der direkte Vergleich verschiedener Proben bleibt technisch anspruchsvoll. Natürliche Formunterschiede sowie Verzerrungen durch Präparation führen dazu, dass äquivalente Geweberegionen nicht automatisch deckungsgleich sind. Bestehende Registrierungsverfahren konvertieren Daten häufig in Pixelgitter, was feine zelluläre Strukturen verwischt, oder stützen sich ausschließlich auf geometrische Konturen, was bei ähnlich geformten Arealen zu Fehlzuordnungen führt. DET umgeht diese Limitierungen, indem es Position und Genexpressionsmuster jeder einzelnen Zelle simultan verarbeitet. Der Algorithmus arbeitet vollständig unüberwacht und benötigt keine vorab annotierten Trainingsdaten. In iterativen Schleifen werden Zellpaare zwischen den Karten basierend auf räumlicher Nähe und genetischer Ähnlichkeit abgeglichen. Im Anschluss wird eine der Karten durch eine mathematisch glatte Transformation verzerrungsfrei angepasst, wodurch benachbarte Zellen ihre Nachbarschaft beibehalten. Dadurch entsteht ein gemeinsames Koordinatensystem, ohne die ursprüngliche räumliche Auflösung zu opfern. Die Validierung erfolgte an über 90 synthetisch transformierten MERFISH-Datensätzen von Mausgehirnen. Unter extremen Rotations- und Verschiebungsbedingungen übertraf DET etablierte Methoden in allen Bewertungskriterien: die Präzision der Gewebeüberlagerung, die Konsistenz der Zellnachbarschaft und die Übereinstimmung der Genaktivitätsprofile. Zusätzliche Tests am MOSTA-Atlas von Mausembryonen demonstrierten die erfolgreiche Alignment von Entwicklungsstadien mit über 100.000 Messpunkten pro Schnitt, ohne auf manuelle Referenzpunkte angewiesen zu sein. Skalierbarkeit und Performance wurden durch Stress-Tests mit bis zu einer Million Punkten pro Schnitt nachgewiesen. Durch die strategische Auswahl definierter Landmarken-Budgets liegt der maximale Arbeitsspeicherbedarf stabil unter einem Gigabyte. Die Rechenzeit skaliert hierbei primär mit der Anzahl der Landmarken und nicht linear mit der Gesamtdatenmenge. Damit eignet sich DET robust für hochkomplexe Datensätze. Jenseits der Histologie sind Anwendungsszenarien für beliebige räumliche Messdaten denkbar, etwa für dreidimensionale Oberflächen oder komplexe anatomische Strukturen. DET ergänzt etablierte Registrierungsmethoden und liefert Wissenschaftlern ein leistungsfähiges Werkzeug, um Gewebeorganisation, Entwicklungsprozesse und Krankheitsmechanismen mit bisher unerreichter Präzision zu vergleichen. Die Veröffentlichung markiert einen wesentlichen Fortschritt für die standardisierte, hochauflösende Analyse in der räumlichen Genomik.