Ein internationales Forscherteam hat die bislang größte dreidimensionale Datenbank zur Anatomie von Ameisen erstellt und dabei etwa 2.000 Exemplare innerhalb einer einzigen Woche gescannt, indem Synchrotron-Bildgebung, Robotik und künstliche Intelligenz kombiniert wurden. Das in Nature Methods beschriebene Projekt umfasst Hunderte von Arten und Gattungen und bietet Wissenschaftlern eine neue Möglichkeit, zu untersuchen, wie Körperbau mit dem Verhalten von Kolonien und der evolutionären Geschichte einer der artenreichsten Insektenfamilien der Erde zusammenhängt.
Eine Woche Scannen, tausende Exemplare
Das Projekt mit dem Namen Antscan ist eine gemeinsame Initiative des Karlsruher Instituts für Technologie in Deutschland und des Okinawa Institute of Science and Technology in Onna, Japan. Die Forschenden verwendeten Synchrotron-Micro-CT, ein Verfahren, bei dem intensive Röntgenstrahlen durch winzige Proben geschickt werden, um hochauflösende dreidimensionale Bilder der Innen- und Außenanatomie zu erzeugen. Die IMAGE beamline am KIT Light Source und die TopoTomo-Station an der ehemaligen ANKA-Synchrotronanlage gehörten zu den während der Scan-Kampagnen eingesetzten Instrumenten.
Was diese Arbeit von früheren morphologischen Studien unterscheidet, ist die schiere Geschwindigkeit. Traditionelle Micro-CT-Scans von Museumsobjekten können Stunden pro einzelner Ameise dauern. Das Antscan-Team hingegen scannte laut der Abteilung für Entomologie der University of Maryland etwa 2.000 Exemplare in einer Woche. Diese Durchsatzleistung war möglich, weil der Arbeitsablauf robotergestützte Probenhandhabung mit automatisierter Bildverarbeitung kombinierte und damit die menschliche Arbeit drastisch reduzierte, die große Bildgebungsprojekte normalerweise verlangsamt.
Die Proben stammten aus bestehenden Museums- und Forschungssammlungen, sodass das Projekt auf Jahrzehnte an Feldarbeit zurückgreifen konnte, ohne weitere Ameisen aus der Natur entnehmen zu müssen. Jede Einzelprobe wurde in einem standardisierten Halter montiert, in ein automatisiertes Karussell geladen und nacheinander durch den Röntgenstrahl geführt. Die entstehenden Bildstapel erfassen nicht nur die Gesamtgröße des Körpers, sondern auch feine Strukturen wie die Zähne der Mandibeln, Antennen-Segmente und die komplexen Gelenke, die Ameisen das Klettern, Graben und Kämpfen ermöglichen.
Wie KI rohe Scans in nutzbare Daten verwandelt
Das Sammeln von tausenden dreidimensionalen Bildstapeln ist nur die halbe Herausforderung. Jeder Scan muss segmentiert werden, das heißt, einzelne Körperteile wie der Kopfpanzer, Mandibeln, Beine und das Gaster müssen digital getrennt werden, damit Forschende sie messen und vergleichen können. Das manuell für tausende Ameisen zu tun, würde Jahre dauern. Das Antscan-Team setzte stattdessen auf Deep-Learning-basierte Segmentierung mithilfe der Biomedisa-Software, einer Open-Source-Onlineplattform, die ursprünglich für die biomedizinische Bildanalyse entwickelt und in Nature Communications veröffentlicht wurde.
Biomedisa ermöglichte es dem Team, neuronale Netze anhand einer Teilmenge manuell gelabelter Scans zu trainieren und diese Modelle dann auf die gesamte Bibliothek anzuwenden. Einmal trainiert, konnte der Algorithmus in neuen Scans mit minimalem Nutzeraufwand Schlüsselstrukturen identifizieren und umreißen, wodurch die Umwandlung von rohen Röntgenscheiben in saubere, gelabelte dreidimensionale Netze drastisch beschleunigt wurde. Forschende konnten anschließend Standardmaße wie Kopfbreite, Beinlänge und gesamtes Cuticulvolumen exportieren oder komplexere Formbeschreiber für evolutionäre Analysen ableiten.
Die fertigen Scans und die zugehörigen Metadaten werden im offenen RADAR-Repository des KIT gespeichert und damit der gesamten Datensammlung für die Wiederverwendung durch andere Forschungsteams zugänglich gemacht. Jeder Datensatz verknüpft das 3D-Volumen einer Probe mit Informationen wie Artnamen, Fundort und Kaste und bildet so eine Brücke zwischen digitaler Morphologie und traditioneller naturkundlicher Datengrundlage. Da die Pipeline dokumentiert und reproduzierbar ist, können andere Teams die Datenbank mit kompatiblen Scans aus zusätzlichen Sammlungen erweitern.
Form mit Genom verbinden
Die Datenbank existiert nicht isoliert. Parallel dazu baut eine Initiative unter dem Global Ant Genomics Alliance, kurz GAGA, hochwertige Genomsequenzen für viele derselben Ameisenlinien auf. Diese genomischen Ressourcen sind öffentlich im GAGA-BioProject am National Center for Biotechnology Information archiviert. Ein verwandter peer-reviewter Artikel über adaptive Radiation bei Ameisen, veröffentlicht in Cell, liefert das genomische Rückgrat, das mit vielen der von Antscan gescannten Taxa überlappt.
Diese Konvergenz von Phenomik und Genomik verleiht dem Projekt seine analytische Kraft. Forschende können nun untersuchen, ob spezifische genetische Veränderungen mit messbaren Verschiebungen in Körperproportionen, Cuticula-Dicke oder Gliedmaßengeometrie korrelieren, und das alles, ohne unersetzliche Museumsexemplare zu zerstören. Die Möglichkeit, ein dreidimensionales Modell des Exoskeletts einer Ameise mit ihrem sequenzierten Genom zu koppeln, eröffnet eine direkte Verbindung zwischen Form, Funktion und evolutionärer Geschichte, die zuvor im großen Maßstab schwer zu untersuchen war.
Zum Beispiel können Wissenschaftler prüfen, ob Gene, die an der Cuticula-Bildung oder Muskelentwicklung beteiligt sind, wiederholt Veränderungen in Linien zeigen, die unabhängig voneinander ähnliche Nahrungssuche-Strategien entwickelt haben. Sie können auch testen, wie Verschiebungen in der sozialen Organisation, etwa das Entstehen hochspezialisierter Arbeiterkasten, sowohl auf genomischer Variation als auch auf subtilen Formunterschieden abgebildet werden, die erst in standardisierten 3D-Messungen deutlich werden.
Körpergröße, Koloniegröße und ein evolutionärer Trade-off
Erste Analysen des Antscan-Datensatzes haben bereits eine bemerkenswerte Erkenntnis hervorgebracht. Forschende fanden eine starke negative Korrelation zwischen Cuticulvolumen und Koloniegröße, wie die Informatikabteilung der UMD berichtet. Einfach ausgedrückt: Ameisenarten, die sehr große Kolonien bilden, haben tendenziell kleinere einzelne Arbeiter, was darauf hindeutet, dass die Evolution diese Linien dazu gedrängt hat, die Anzahl der Arbeiter über deren individuelle Größe zu priorisieren.
Dieses Muster überrascht Myrmecologen nicht völlig, die einen solchen Trade-off schon lange vermuten. Aber die Quantifizierung über Hunderte von Arten mit standardisierten dreidimensionalen Messungen ist neu. Frühere Studien stützten sich auf zweidimensionale Fotos oder manuelle Messungen mit Schieblehre an wenigen Exemplaren, was breite Vergleiche unzuverlässig machte. Die Antscan-Bibliothek kontrolliert Messinkonsistenz auf eine Weise, die kleinere Studien nicht leisten können, weil für jede Probe dasselbe Bildgebungsprotokoll und dieselbe Segmentierungs-Pipeline eingesetzt werden.
Die Erkenntnis hat auch ökologische Bedeutung. Die Koloniegröße beeinflusst, wie Ameisenarten nach Nahrung suchen, Territorien verteidigen und auf Störungen ihres Lebensraums reagieren. Wenn der Körpergrößen-Trade-off stark und vorhersagbar ist, könnte er Ökologen helfen, zu modellieren, wie sich Ameisengemeinschaften neu ordnen werden, wenn Klimaveränderungen die Nahrungsverfügbarkeit und Nistbedingungen verändern. Bei weltweit rund 14.000 bekannten Ameisenarten, so eine gemeinsame Mitteilung von KIT und OIST, stellt bereits eine teilweise Abdeckung dieser Vielfalt durch standardisierte Scans einen bedeutenden Schritt hin zu testbaren Vorhersagen dar.
Was die meiste Abdeckung vermissen lässt
Viel Aufmerksamkeit für Antscan richtete sich auf die schiere Größe des Projekts und die eindrucksvollen Visualisierungen, die sich aus der Animation detaillierter 3D-Modelle von Ameisen ergeben. Einige Aspekte der Arbeit werden dabei leicht übersehen. Einer ist, dass das Projekt zugleich als Testfeld für hochdurchsatzfähige Bildgebung in naturkundlichen Sammlungen im weiteren Sinne dient. Dieselbe Kombination aus Synchrotron-Micro-CT, Robotik und KI-basierter Segmentierung könnte auf andere kleine Organismen angewendet werden, von Käfern bis zu marinem Plankton, und so statische Museums-Schubladen in dynamische digitale Archive verwandeln.
Ein weiterer unterschätzter Punkt ist die Zugänglichkeit. Die Nature Methods-Studie ist über ein Verlagsportal zugänglich, das direkt auf die technische Beschreibung der Antscan-Pipeline verlinkt und Details zu Bildgebungsparametern, Rekonstruktionsalgorithmen und Segmentierungstrainings enthält. Durch die Dokumentation des Workflows und die Verknüpfung mit offenen Repositorien für Bilder und Code senkt das Team die Hürde für andere Labore, die vielleicht nicht über umfassende Bildgebungsexpertise verfügen, aber wertvolle Proben beisteuern können.
Das Projekt unterstreicht auch einen kulturellen Wandel in der Arbeitsweise von Systematikern und Evolutionsbiologen mit Daten. Anstelle von Einzelautoren-Monographien, die auf einigen Dutzend Exemplaren basieren, steht Antscan für große, kollaborative Teams, in denen Ingenieurwesen, Informatik und Taxonomie zusammenfließen. Dieses Modell ist zwar schwieriger zu koordinieren, ermöglicht aber Fragestellungen – etwa globale Muster, die Morphologie, Sozialverhalten und Genom-Evolution verbinden – die kein einzelnes Labor allein bewältigen könnte.
Mit Blick nach vorn sehen die an Antscan und GAGA beteiligten Forschenden den aktuellen Datensatz eher als Ausgangspunkt denn als Endpunkt. Je mehr Arten gescannt und sequenziert werden und je besser KI-Tools werden, desto präziser lassen sich die Fragen stellen, die beantwortet werden können. Zukünftige Arbeiten könnten über einfache Messungen von Größe und Volumen hinausgehen und mechanische Leistungsanalysen umfassen, etwa Bisskraft, die aus der Mandibel-Form abgeleitet wird, oder die Effizienz der Fortbewegung, die sich aus der Geometrie der Beine ergibt. So könnte das Projekt Ameisen – von Blattschneidern bis zu Heerameisen – zu einigen der am besten verstandenen Tiere der Erde in Bezug auf die Verknüpfung von Genen, Körpern und Gesellschaften machen.
