Mit dem Deep Learning Ansatz EmbryoNet wollen Prof. Patrick Müller und sein Team vom Fachbereich Biologie der Universität Konstanz zukünftig neue Medikamente ohne Tierexperimente auf ihre Auswirkungen auf die Entwicklung testen. Eine Online-Plattform ⁽¹⁾ ermöglicht ein vollautomatisches Wirkstoffscreening auf der Basis von Fischembryonen - soll aber zukünftig auch anhand von künstlichen Organoiden möglich sein.⁽²⁾ Gleichzeitig kann das Programm die zugrundeliegenden Wirkmechanismen identifizieren.

Das Programm EmbryoNet wurde ursprünglich auf der Analyse von Signalwegen von Zebrafischembryonen charakterisiert. Es kann spezifische Defekte im Zusammenhang mit den sieben wichtigsten Signalwegen von Wirbeltieren erkennen, die die frühe Entwicklung steuern (BMP, RA, Wnt, FGF, Nodal, Shh und PCP). Toxische Substanzen können den Verlust von Signalwegfunktionen verursachen, aber Signalwegfunktionen wie im Fall des Signalweges RA edrst auslösen.

Das Programm wurde mit mehr als 2 Millionen Bildern trainiert, die Tausende Druck- und Zugbelastungslinien des Knochens von sich normal entwickelnden und signal-defekten Zebrafischembryonen enthalten. Das Entwicklerteam konnte feststellen, dass das EmbryoNet derartige Phänotypen präziser und oft lange vor der durch menschliche Auswerter identifizieren konnte. EmbryoNet konnte auch neuartige teratogene Effekte bei einem Arzneimittel-Screening identifizieren.

Orignalpublikation:
Čapek D, Safroshkin M, Morales-Navarrete H, Toulany N, Arutyunov G, Kurzbach A, Bihler J, Hagauer J, Kick S, Jones F, Jordan B, Müller P. EmbryoNet: using deep learning to link embryonic phenotypes to signaling pathways. Nat Methods. 2023 Jun;20(6):815-823. doi: 10.1038/s41592-023-01873-4. Epub 2023 May 8. PMID: 37156842; PMCID: PMC10250202.

Weitere Informationen:
⁽¹⁾ https://embryonet.de/
⁽²⁾ https://www.bionity.com/