Forschungs- & Entwicklungsinformationsdienst der Gemeinschaft - CORDIS

FP7

MechanoSensoryTrees Ergebnis in Kürze

Project ID: 293604
Gefördert unter: FP7-PEOPLE
Land: Israel

Variation der sensorischen Entwicklung durch verschiedene Bewegungen 

Der Fadenwurm Caenorhabditis elegans hat ein ähnliches sensorisches Neuronensystem wie der Mensch. Mithilfe neuer Bilderkennungs- und Modellierungstechniken wurden schwimmende und kriechende Würmer verwendet, um die Genetik und das Verhalten im Zusammenhang mit verschiedenen Arten von Bewegung und Entwicklung zu klassifizieren.
Variation der sensorischen Entwicklung durch verschiedene Bewegungen 
Herkömmlicherweise beruhte die Klassifizierung verschiedener Arten von bewegungsphänotypen von C. elegans auf der Untersuchung von Mutationen und manueller Annotation. Wenn ein Bild in mehrere Segmente unterteilt wird, kann der Stapel der resultierenden Bilder dann für die 3D-Rekonstruktion mithilfe von Algorithmen verwendet werden.

Das EU-geförderte Projekt MECHANOSENSORYTREES (Role of mechanosensory touch-based cues on arborization of neuronal dendritic trees) entwickelte neu Protokolle und Systeme, um Videos von sich bewegenden Würmer automatisch zu analysieren. Untersuchungen dazu, wie berührungsbasierte sensorische Reize die Entwicklung von sensorischen Nervenenden, den Dendriten, bestimmen, sind in vielen Bereichen wie etwa der Verhaltensgenetik und den Neurowissenschaften anzuwenden.

Das resultierende automatische Segmentierungssystem von MECHANOSENSORYTREES kombiniert Intensität, Struktur und Timing, um schließlich mithilfe eines Markov-Zufallsfeld-Modells verfeinerte Segmentierungen zu liefern. Die Forscher entwickelten auch ein statistisches Bilderkennungsverfahren zum Segmentieren von dendritischen Baumstrukturen mithilfe von konfokaler Laser-Scann-Mikroskopie. Die Ergebnisse zeigten, dass das System herkömmliche Methoden der Segmentierung übertrifft und einen Dendritenbaum-Umriss liefert, der vergleichbar mit anderen hoch entwickelten Systemen ist.

Auch ein vollautomatischer Ansatz zur Charakterisierung von Phänotypen von C. elegans, ohne dass Nematoden-spezifische Funktionen definiert werden müssten, wurde ebenfalls entwickelt. Basierend auf der skaleninvarianten Merkmalstransformation der Computerbilderkennung stellt diese Technik eine Reihe unterschiedlicher Krabbelbewegungen der Nematoden verglichen mit Mutanten in Histogrammform bereit. Der Algorithmus erkannte erfolgreich verschiedene Stämme und zeigte Cluster mit dem erwarteten Muster auf der Grundlage von genetischen Beziehungen.

Die Forschungsergebnisse wurden in mehreren Peer-Review-Zeitschriften, etwa dem Biophysical Journal, veröffentlicht sowie auf Konferenzen präsentiert. Dazu gehörte auch die Teilnahme an internationalen Symposien.

Defekte bei neuronaler Entwicklung und mechanosensorischer Funktion können zu Down-Syndrom und Autismus beitragen. Es mehren sich die Hinweise, dass Umweltreize sowie die Genetik der neuronalen Differenzierung die endgültige Morphologie der Dendritenbäume bestimmen. Ein besseres Verständnis der sensorischen Entwicklung könnte zur Schaffung von gezielten Behandlungsstrategien führen.

Verwandte Informationen

Fachgebiete

Scientific Research

Schlüsselwörter

Caenorhabditis elegans, Modellierung, automatische Segmentierung, Dendritenbaum, gezielte Behandlung
Datensatznummer: 188298 / Zuletzt geändert am: 2016-08-18
Bereich: Biologie, Medizin