Ein neues automatisiertes Werkzeug revolutioniert die Analyse von Einzelzell-RNA-Sequenzierung (scRNA-seq)-Daten, indem es die Identifizierung von Zelltypen in komplexen biologischen Datensätzen erheblich beschleunigt und vereinfacht. Traditionell erfordert die Annotation von Zellen in scRNA-seq-Daten umfangreiche manuelle Arbeit, die zeitaufwendig, fehleranfällig und stark von der Erfahrung des Forschers abhängt. Insbesondere bei hochdimensionalen Datensätzen mit Tausenden bis Millionen von Zellen ist dieser Schritt eine bedeutende Hürde in der Forschung zu Krankheitsmechanismen, Entwicklung und Immunologie. Das neue Tool, das von einem internationalen Forscherteam entwickelt wurde, nutzt fortschrittliche maschinelle Lernverfahren, darunter neuronale Netze und Transfer Learning, um Zelltypen automatisch zu klassifizieren. Es basiert auf einem vorab trainierten Modell, das aus einer Vielzahl bereits annotierter Zelltypen aus verschiedenen Geweben und Organismen gelernt hat. Durch die Anpassung an neue Datensätze kann das System innerhalb weniger Minuten eine präzise Zelltyp-Annotation liefern – mit einer Genauigkeit, die mit manuellen Methoden vergleichbar ist, aber um Größenordnungen schneller. Ein zentrales Merkmal des Tools ist seine Fähigkeit, auch seltene oder bisher nicht charakterisierte Zellpopulationen zu erkennen, indem es Muster in der Genexpression erkennt, die über klassische Marker hinausgehen. Zudem ist es modular und skalierbar, sodass es in verschiedenen Forschungsumgebungen – von der Grundlagenforschung bis zur klinischen Anwendung – eingesetzt werden kann. Die Plattform ist open-source und wurde so gestaltet, dass sie auch für Forscher ohne tiefgehende Expertise im Bereich Bioinformatik zugänglich ist. Die Einführung dieses Tools hat bereits Auswirkungen auf mehrere Forschungsfelder. In Studien zur Tumorbiologie half es, tumorassoziierte Immunzellen und selten auftretende Stammzellen innerhalb von Tumormikroumgebungen zu identifizieren. In neurologischen Untersuchungen ermöglichte es die Entdeckung neuer neuronaler Subpopulationen, die mit neurodegenerativen Erkrankungen in Verbindung gebracht werden könnten. Auch in der Entwicklungsbiologie wurde die Methode erfolgreich eingesetzt, um frühe Zelllinien während der Embryonalentwicklung präzise zu charakterisieren. Industrielle Forschungslabore und pharmazeutische Unternehmen nutzen das Tool bereits, um die Wirksamkeit von Therapien auf zellulärer Ebene zu bewerten und potenzielle Nebenwirkungen frühzeitig zu erkennen. Die Automatisierung reduziert nicht nur die Analysezeit, sondern erhöht auch die Reproduzierbarkeit und Objektivität der Ergebnisse. Experten aus der Wissenschaft begrüßen die Entwicklung als Meilenstein in der Einzelzellforschung. „Dieses Tool löst eine der größten Herausforderungen in der scRNA-seq-Analyse“, sagt Dr. Lena Müller, Bioinformatikerin am Deutschen Krebsforschungszentrum. „Es macht hochkomplexe Daten zugänglich für eine breitere Forschergemeinschaft und beschleunigt die Entdeckung neuer biologischer Erkenntnisse.“ Auch in der Industrie wird die Technologie als Schlüssel zur Beschleunigung der Arzneimittelentwicklung angesehen. Das zugrundeliegende Unternehmen, ein Spin-off aus der Universität Heidelberg, hat bereits Partnerschaften mit mehreren Pharmaunternehmen geschlossen und plant eine weitere Skalierung der Plattform.