Die frei verfügbare Software die von einem Team von Helmholtz Munich, der Technischen Universität München (TUM) und dem Biozentrum der Universität Basel entwickelt wurde, erkennt Membranen, lokalisiert bestimmte Proteine und analysiert deren räumliche Anordnung. So macht sie sichtbar, wie zelluläre Prozesse auf molekularer Ebene organisiert sind. Dafür benötigt die KI je nach Anwendung wenige oder keine zusätzlichen Trainingsdaten. Forschende weltweit können damit detailliert untersuchen, wie Zellen funktionieren – schneller und in weit größerem Maßstab als bisher. Vorgestellt wird das Werkzeug im Fachjournal Nature Methods.
Die Kryo-Elektronentomographie (Kryo-ET) ist ein spezielles Mikroskopie-Verfahren, mit dem Forschende ins Innere von Zellen blicken können – dreidimensional und in sehr hoher Auflösung. Weil Zellen dafür blitzschnell eingefroren werden, bleiben sie nahezu unverändert erhalten, von ganzen Zellstrukturen bis zu einzelnen Molekülen. Membranen ließen sich in diesen Daten bislang allerdings nur schwer analysieren.
„Eine Herausforderung besteht darin, dass Kryo-ET-Aufnahmen aufgrund technischer Grenzen des Bildgebungsverfahrens Informationslücken enthalten können. Dadurch sind bestimmte Membranorientierungen nur schwer oder teilweise gar nicht zu erkennen. Genau hier setzt MemBrain v2 an und automatisiert den Prozess“, erklärt Erstautor Lorenz Lamm.
Eine Schlüsseltechnologie der Zellbiologie optimieren
MemBrain-seg erkennt Membranen direkt und ohne zusätzliche Annotationen oder Trainingsdaten durch die Nutzenden. Auch MemBrain-pick kommt mit wenigen Trainingsdaten aus: In einem Test genügte es, die Positionen von Proteinkomplexen auf einer einzigen Membran manuell zu markieren. Auf dieser Grundlage lokalisierte das Werkzeug die entsprechenden Proteinkomplexe auf weiteren Membranen mit einem F1-Score von 91 Prozent.
Bislang mussten dreidimensionale Bilddaten häufig aufwendig von Hand annotiert werden, und die Ergebnisse ließen sich nur selten auf neue Datensätze übertragen. Bestehende Programme deckten zudem meist nur einzelne Teilschritte der Analyse ab – etwa das Erkennen der Membranen oder das Lokalisieren der darin eingebetteten Proteine.
Drei Werkzeuge in einer Software – und wenige Daten genügen
MemBrain v2 vereint erstmals drei Schritte in einem einzigen KI-Werkzeug: Es erkennt Membranen (MemBrain-seg), lokalisiert die darin eingebetteten Proteine (MemBrain-pick) und misst, wie diese Proteine angeordnet sind (MemBrain-stats). In mehreren Anwendungen erreichte das Werkzeug die Ergebnisse aufwendiger manueller Analysen, war dabei jedoch deutlich schneller. Zudem ist es einfach zu bedienen und lässt sich ohne größere Anpassungen für andere Fragestellungen nutzen. Da alle Komponenten quelloffen sind, wird insbesondere MemBrain-seg bereits breit eingesetzt. So wurden damit sämtliche Tomogramme im öffentlichen Datenportal des Chan Zuckerberg Imaging Institute analysiert.
„Indem wir diese Analysen beschleunigen und Forschungsgruppen weltweit zugänglich machen, können wir zelluläre Prozesse über weit größere Datensätze hinweg untersuchen. Das kann uns letztlich helfen, besser zu verstehen, wie Zellen funktionieren – und was sich verändert, wenn eine Krankheit entsteht“, sagt Seniorautorin Dr. Tingying Peng.
Größere Datensätze und feinere Unterscheidungen in Zukunft
MemBrain v2 konnte bereits zu neuen biologischen Erkenntnissen beitragen: In einer separaten Studie zeigte das Werkzeug, dass wichtige Photosynthese-Proteine in der Membran räumlich voneinander getrennt liegen – anders als bisher vermutet. Künftig soll es verschiedene Proteintypen noch genauer unterscheiden können.
„Besonders freut mich, dass MemBrain v2 inzwischen in zahlreichen weiteren Studien zum Einsatz kommt, wo es anspruchsvolle Analysen vereinfacht oder überhaupt erst ermöglicht – und so einen konkreten Beitrag zu neuen biologischen Erkenntnissen leistet“, sagt Erstautor Lorenz Lamm.
Helmholtz Munich
Originalpublikation:
Lamm, L., Zufferey, S., Zhang, H. et al. MemBrain v2: an end-to-end tool for the analysis of membranes in cryo-electron tomography. Nat Methods (2026). doi.org/10.1038/s41592-026-03178-8
Software MemBrain v2: https://github.com/CellArchLab/MemBrain-v2
