Ein internationales Forscherteam hat die bislang gr\u00f6\u00dfte dreidimensionale Datenbank zur Anatomie von Ameisen erstellt und dabei etwa 2.000 Exemplare innerhalb einer einzigen Woche gescannt, indem Synchrotron-Bildgebung, Robotik und k\u00fcnstliche Intelligenz kombiniert wurden. Das in Nature Methods beschriebene Projekt umfasst Hunderte von Arten und Gattungen und bietet Wissenschaftlern eine neue M\u00f6glichkeit, zu untersuchen, wie K\u00f6rperbau mit dem Verhalten von Kolonien und der evolution\u00e4ren Geschichte einer der artenreichsten Insektenfamilien der Erde zusammenh\u00e4ngt.<\/p>\n
Das Projekt mit dem Namen Antscan ist eine gemeinsame Initiative des Karlsruher Instituts f\u00fcr 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 R\u00f6ntgenstrahlen durch winzige Proben geschickt werden, um hochaufl\u00f6sende dreidimensionale Bilder der Innen- und Au\u00dfenanatomie zu erzeugen. Die IMAGE beamline<\/a> am KIT Light Source und die TopoTomo-Station<\/a> an der ehemaligen ANKA-Synchrotronanlage geh\u00f6rten zu den w\u00e4hrend der Scan-Kampagnen eingesetzten Instrumenten.<\/p>\n Was diese Arbeit von fr\u00fcheren morphologischen Studien unterscheidet, ist die schiere Geschwindigkeit. Traditionelle Micro-CT-Scans von Museumsobjekten k\u00f6nnen Stunden pro einzelner Ameise dauern. Das Antscan-Team hingegen scannte laut der Abteilung f\u00fcr Entomologie der University of Maryland etwa 2.000 Exemplare in einer Woche<\/a>. Diese Durchsatzleistung war m\u00f6glich, weil der Arbeitsablauf robotergest\u00fctzte Probenhandhabung mit automatisierter Bildverarbeitung kombinierte und damit die menschliche Arbeit drastisch reduzierte, die gro\u00dfe Bildgebungsprojekte normalerweise verlangsamt.<\/p>\n Die Proben stammten aus bestehenden Museums- und Forschungssammlungen, sodass das Projekt auf Jahrzehnte an Feldarbeit zur\u00fcckgreifen konnte, ohne weitere Ameisen aus der Natur entnehmen zu m\u00fcssen. Jede Einzelprobe wurde in einem standardisierten Halter montiert, in ein automatisiertes Karussell geladen und nacheinander durch den R\u00f6ntgenstrahl gef\u00fchrt. Die entstehenden Bildstapel erfassen nicht nur die Gesamtgr\u00f6\u00dfe des K\u00f6rpers, sondern auch feine Strukturen wie die Z\u00e4hne der Mandibeln, Antennen-Segmente und die komplexen Gelenke, die Ameisen das Klettern, Graben und K\u00e4mpfen erm\u00f6glichen.<\/p>\n Das Sammeln von tausenden dreidimensionalen Bildstapeln ist nur die halbe Herausforderung. Jeder Scan muss segmentiert werden, das hei\u00dft, einzelne K\u00f6rperteile wie der Kopfpanzer, Mandibeln, Beine und das Gaster m\u00fcssen digital getrennt werden, damit Forschende sie messen und vergleichen k\u00f6nnen. Das manuell f\u00fcr tausende Ameisen zu tun, w\u00fcrde Jahre dauern. Das Antscan-Team setzte stattdessen auf Deep-Learning-basierte Segmentierung mithilfe der Biomedisa-Software<\/a>, einer Open-Source-Onlineplattform, die urspr\u00fcnglich f\u00fcr die biomedizinische Bildanalyse entwickelt und in Nature Communications ver\u00f6ffentlicht wurde.<\/p>\n Biomedisa erm\u00f6glichte 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 Schl\u00fcsselstrukturen identifizieren und umrei\u00dfen, wodurch die Umwandlung von rohen R\u00f6ntgenscheiben in saubere, gelabelte dreidimensionale Netze drastisch beschleunigt wurde. Forschende konnten anschlie\u00dfend Standardma\u00dfe wie Kopfbreite, Beinl\u00e4nge und gesamtes Cuticulvolumen exportieren oder komplexere Formbeschreiber f\u00fcr evolution\u00e4re Analysen ableiten.<\/p>\n Die fertigen Scans und die zugeh\u00f6rigen Metadaten werden im offenen RADAR-Repository des KIT gespeichert und damit der gesamten Datensammlung f\u00fcr die Wiederverwendung durch andere Forschungsteams zug\u00e4nglich gemacht. Jeder Datensatz verkn\u00fcpft das 3D-Volumen einer Probe mit Informationen wie Artnamen, Fundort und Kaste und bildet so eine Br\u00fccke zwischen digitaler Morphologie und traditioneller naturkundlicher Datengrundlage. Da die Pipeline dokumentiert und reproduzierbar ist, k\u00f6nnen andere Teams die Datenbank mit kompatiblen Scans aus zus\u00e4tzlichen Sammlungen erweitern.<\/p>\n Die Datenbank existiert nicht isoliert. Parallel dazu baut eine Initiative unter dem Global Ant Genomics Alliance, kurz GAGA, hochwertige Genomsequenzen f\u00fcr viele derselben Ameisenlinien auf. Diese genomischen Ressourcen sind \u00f6ffentlich im GAGA-BioProject<\/a> am National Center for Biotechnology Information archiviert. Ein verwandter peer-reviewter Artikel \u00fcber adaptive Radiation bei Ameisen<\/a>, ver\u00f6ffentlicht in Cell, liefert das genomische R\u00fcckgrat, das mit vielen der von Antscan gescannten Taxa \u00fcberlappt.<\/p>\n Diese Konvergenz von Phenomik und Genomik verleiht dem Projekt seine analytische Kraft. Forschende k\u00f6nnen nun untersuchen, ob spezifische genetische Ver\u00e4nderungen mit messbaren Verschiebungen in K\u00f6rperproportionen, Cuticula-Dicke oder Gliedma\u00dfengeometrie korrelieren, und das alles, ohne unersetzliche Museumsexemplare zu zerst\u00f6ren. Die M\u00f6glichkeit, ein dreidimensionales Modell des Exoskeletts einer Ameise mit ihrem sequenzierten Genom zu koppeln, er\u00f6ffnet eine direkte Verbindung zwischen Form, Funktion und evolution\u00e4rer Geschichte, die zuvor im gro\u00dfen Ma\u00dfstab schwer zu untersuchen war.<\/p>\n Zum Beispiel k\u00f6nnen Wissenschaftler pr\u00fcfen, ob Gene, die an der Cuticula-Bildung oder Muskelentwicklung beteiligt sind, wiederholt Ver\u00e4nderungen in Linien zeigen, die unabh\u00e4ngig voneinander \u00e4hnliche Nahrungssuche-Strategien entwickelt haben. Sie k\u00f6nnen 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.<\/p>\nWie KI rohe Scans in nutzbare Daten verwandelt<\/h2>\n
Form mit Genom verbinden<\/h2>\n
K\u00f6rpergr\u00f6\u00dfe, Koloniegr\u00f6\u00dfe und ein evolution\u00e4rer Trade-off<\/h2>\n