SPARCS: KI analysiert 70 Millionen Zellen und findet neue Autophagie-Gene
Veröffentlicht am: 09.10.2026 um 07:15 Uhr | Redaktion boerse-global.de
Die systematische Erforschung zellulärer Mechanismen steht vor der Herausforderung, genetische Veränderungen mit sichtbaren Merkmalen einzelner Zellen in großem Maßstab zu verknüpfen. Ein Verbund aus Forschenden von Helmholtz Munich, der Ludwig-Maximilians-Universität München (LMU) und dem Max-Planck-Institut für Biochemie hat mit einer Plattform namens SPARCS einen neuen Ansatz vorgestellt.
Die Technologie kombiniert automatisierte Mikroskopie, CRISPR-Screens, maschinelles Lernen und automatisierte Lasermikrodissektion, um genetisch veränderte Zellen nach komplexen Merkmalen zu durchsuchen und gezielt zu isolieren. Das Verfahren macht es möglich, funktionelle Zusammenhänge im Erbgut systematisch und mit hoher räumlicher Auflösung zu analysieren.
Analyse von 70 Millionen Zellen im genomweiten Maßstab
Im Rahmen eines genomweiten Machbarkeitsnachweises untersuchte das Team mit SPARCS in zwei Screens die Mikroskopiebilder von insgesamt rund 70 Millionen Zellen mithilfe von Künstlicher Intelligenz. Das System bewertete visuelle Phänotypen automatisiert und filterte relevante Zellstrukturen heraus.
In diesen Untersuchungen gelang es, nahezu alle bereits bekannten Gene der Makroautophagie zu identifizieren. Zudem machten die Screens zusätzliche Gene sichtbar, die an der Bildung von Autophagosomen und dem zellulären Abbauprozess beteiligt sind. Die Autophagie dient Zellen als zentraler Recycling- und Reinigungsmechanismus, dessen Fehlfunktionen bei diversen Krankheiten eine Rolle spielen.
Neue Erkenntnisse zu EI24 und dem Immunsensor STING
Neben bekannten Faktoren legte die Arbeit zuvor nicht beschriebene Mechanismen offen. So entdeckten die Forschenden einen bislang unbeschriebenen Autophagie-Phänotyp, der im Zusammenhang mit dem Gen EI24 steht.
Wer genomweite Screens plant, steht vor derselben Hürde: Millionen Zellbilder müssen ausgewertet und auffällige Zellen gezielt isoliert werden. Ein aktueller Ansatz kombiniert KI, CRISPR-Screens und automatisierte Lasermikrodissektion — mit Proteomik als direktem Anschluss. Unser kostenloser Leitfaden zeigt die Arbeitsschritte dieses Workflows. Praxis-Leitfaden zur KI-basierten Zellanalyse anfordern
Darüber hinaus lieferten die Untersuchungen wichtige Einsichten in die Regulation des angeborenen Immunsystems, insbesondere bezüglich des Immunsensors STING. Bei diesem Sensor beeinflusst der pH-Wert im Golgi-Apparat den frühen Transport innerhalb der Zelle.
Das Team zeigte, dass die Gene GPR89A und GPR89B das Protein GPHR kodieren, welches das saure Milieu des Golgi-Apparats aufrechterhält. Kommt es zu einer Störung dieses Mechanismus, wird die Regulierung des pH-Werts beeinträchtigt, was wiederum die spätere Aktivierung von STING hemmt.
Kombination von Lasermikrodissektion und Proteomik
Ein zentraler Bestandteil des Workflows ist die Verknüpfung der bildbasierten Zellselektion mit biochemischen Folgeanalysen. Nachdem die Künstliche Intelligenz auffällige Zellen im Mikroskop identifiziert hat, werden die ausgewählten, intakten Zellen per automatisierter Lasermikrodissektion isoliert.
Fehlfunktionen der Autophagie spielen bei zahlreichen Krankheiten eine Rolle — doch welche Gene den Abbauprozess wirklich steuern, war lange unklar. Ein genomweiter Screen über rund 70 Millionen Zellen machte neben bekannten Faktoren auch einen bislang unbeschriebenen Phänotyp sichtbar. Die Übersicht fasst die Kandidaten und ihre Analysewege zusammen. Übersicht der Autophagie-Gen-Kandidaten sichern
Im Anschluss wurden die isolierten Zellen mittels massenspektrometriebasierter Proteomik direkt auf ihre Proteinzusammensetzung untersucht. Durch diese Kopplung von phänotypischem Screening und molekularer Tiefenanalyse lassen sich zelluläre Signalwege präzise rekonstruieren.
Die Ergebnisse der Forschungsgruppen von Helmholtz Munich, der LMU und dem Max-Planck-Institut für Biochemie wurden im Jahr 2026 im Fachjournal Cell unter der DOI 10.1016/j.cell.2026.09.021 veröffentlicht.
