Dennis L.
Im Gewebe hängen Funktion und Verhalten vieler Abwehrzellen stark von ihrem genauen Ort ab. Doch sobald Zellen für die Einzelzell-RNA-Sequenzierung isoliert werden, verschwindet diese räumliche Information normalerweise. Nun rückt ein Ansatz in den Fokus, der Transkriptom und maschinelles Lernen zusammenführt, um verlorene Ortsdaten wieder zu erschließen. Damit könnte sich genauer klären lassen, warum Immunreaktionen innerhalb desselben Organs regional sehr unterschiedlich ablaufen.
Im Immunsystem entscheidet nicht nur, welche Zelle aktiv ist, sondern auch, wo sie sich befindet. Das gilt besonders in Organen mit klar gegliederten Zonen, in denen Sauerstoffangebot, Salzkonzentration, Stoffwechsel und lokale Signalstoffe auf wenigen Millimetern stark wechseln können. Makrophagen reagieren auf solche Bedingungen, indem sie ihre Genaktivität anpassen. Dadurch entstehen funktionelle Unterschiede, obwohl die Zellen zum selben Grundtyp gehören. Für die Medizin ist das wichtig, weil Entzündungen, Gewebeschäden und Reparaturprozesse oft nicht gleichmäßig über ein Organ verteilt sind. Wer nur den Zelltyp kennt, aber nicht seine Position, sieht deshalb nur einen Teil des biologischen Geschehens. Genau hier setzt die moderne Einzelzellforschung an, die einzelne Zellen nicht mehr als anonyme Partikel betrachtet, sondern als Bestandteile eines räumlich organisierten Systems.
Die Einzelzell-RNA-Sequenzierung hat dieses Feld stark verändert, weil sie tausende aktive Gene pro Zelle gleichzeitig erfassen kann. Dabei entsteht für jede Zelle ein molekulares Profil, das Rückschlüsse auf Zustand, Funktion und Aktivierung erlaubt. Das Problem beginnt in dem Moment, in dem das Gewebe zerlegt wird. Denn dann geht die räumliche Herkunft der Zelle verloren, obwohl gerade sie in Niere, Gehirn oder Lunge oft über ihre Aufgabe mitentscheidet. Dass solche lokalen Unterschiede biologische Prozesse tief prägen, zeigt auch die Forschung zu Mikroglia, deren Verhalten eng mit ihrer unmittelbaren Umgebung verknüpft ist. Die zentrale Frage lautet deshalb schon länger, ob Zellen trotz Isolation noch messbare Spuren ihres früheren Aufenthaltsortes im Transkriptom mit sich tragen.
In stark gegliederten Organen sind Nachbarregionen biologisch oft erstaunlich verschieden. In der Niere etwa unterscheiden sich Rinde, äußeres Mark und innere Bereiche in Durchblutung, Osmolarität, Sauerstoffversorgung und Transportprozessen. Immunzellen, die sich dort aufhalten, passen ihre Genaktivität an diese Bedingungen an. Dadurch können zwei Makrophagen trotz ähnlicher Abstammung unterschiedliche Signalstoffe freisetzen, andere Stoffwechselwege nutzen oder verschieden auf Medikamente reagieren. Laut der offiziellen Forschungsseite aus Bonn war genau dieser Verlust an Ortsinformation ein zentrales Hindernis der bisherigen Einzelzellanalysen. Wer die räumliche Herkunft nicht kennt, kann krankheitsspezifische Reaktionen zwar messen, aber oft nicht präzise einem anatomischen Bereich zuordnen. Für das Verständnis regionaler Entzündungen und lokaler Therapiewirkungen ist das jedoch entscheidend.
Der neue Ansatz trägt den Namen MERLIN und wurde mit Datensätzen der Einzelzell-RNA-Sequenzierung trainiert, in denen die Ausgangsposition der Zellen bekannt war. Nach Angaben der Originalarbeit wurden mehrere unabhängige Datensätze aus drei Nierenkompartimenten genutzt, um verschiedene Modelle des maschinellen Lernens zu testen. Am besten schnitt ein modifizierter Multi Layer Perceptron ab. Das Grundprinzip ist einfach, auch wenn die Rechenarbeit komplex bleibt: Das System sucht im Transkriptom nach wiederkehrenden Mustern, die durch lokale Umweltbedingungen geprägt wurden. Dazu zählen Programme der Zellanpassung an Sauerstoffmangel, Salzverhältnisse oder entzündliche Reize. In der Originalstudie zu MERLIN wird beschrieben, dass damit räumliche Signaturen residenter Makrophagen besonders zuverlässig erkannt werden konnten.
Die belastbarsten Vorhersagen gelangen bei residenten Makrophagen. Im Abstract der Studie lag die Genauigkeit in Datensätzen aus Maus und Mensch jeweils bei über 75 Prozent. Zugleich zeigte sich eine wichtige Grenze des Verfahrens: Beweglichere Immunzellen wie Lymphozyten ließen sich nicht verlässlich zuordnen. Das spricht dafür, dass stabile Gewebesignaturen vor allem dort bestehen bleiben, wo Zellen länger in einer Region verweilen. Zusätzlich fanden die Forscher positionsabhängige molekulare Muster, die mit lokaler Mikroumgebung und zellulärer Anpassung zusammenhingen und sogar einen geschlechtsspezifischen Bias erkennen ließen. Der Ansatz funktionierte nicht nur in der Niere, sondern auch im Gehirn, wo MERLIN die räumliche Verteilung von Mikroglia rekonstruieren konnte. Damit wird aus reinen Einzelzellprofilen nachträglich wieder ein Teil der verlorenen Gewebekarte.
Besonders interessant wird das Verfahren dort, wo Krankheitsprozesse nicht gleichmäßig durch ein Organ laufen. In den analysierten Datensätzen zu akuter Nierenschädigung, Sepsis und diabetische Nephropathie bestätigte MERLIN laut Studie bekannte Muster und legte zugleich neue regionsspezifische Immunreaktionen offen. Bei entzündlichen Schäden konzentrierten sich proinflammatorische Antworten vor allem auf Makrophagen im äußeren Mark der Niere, was mit der bekannten Pathologie übereinstimmte. Auch bei Therapien gegen diabetische Nephropathie passte die Reaktion kortikaler Makrophagen zu bekannten klinischen Wirkprofilen. Das macht den Ansatz nicht automatisch zu einem Diagnosetool für den Alltag, aber zu einem starken Werkzeug für die Auswertung bereits vorhandener Datensätze. Dass Immunzellen ihr Umfeld langfristig molekular mittragen, passt zudem zu Befunden, nach denen epigenetische Veränderungen des angeborenen Immunsystems die Genaktivität über längere Zeit prägen können.
Advanced Science, Predicting Macrophage Spatial Localization from Single-Cell Transcriptomes to Uncover Disease Mechanisms; doi:10.1002/advs.202410924
