Detailseite
Projekt Druckansicht

Tiefe Mobilisierung von mikroskopischen Sammlungen durch hochdurchsatz Mikroskopie, Bildanalysen, und Verlinkung mit molekularen Daten (MobiDiC - MOBIlization of a DIatom Collection)

Fachliche Zuordnung Evolution und Systematik der Pflanzen und Pilze
Förderung Förderung von 2017 bis 2021
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 350992967
 
Erstellungsjahr 2022

Zusammenfassung der Projektergebnisse

Wir haben in diesem Projekt digitale lichtmikroskopische Methoden für die Untersuchung von Kieselalgen (Diatomeen), eine der ökologisch bedeutendsten mikroskopischen Algengruppen, weiterentwickelt und angewendet. Mithilfe der neu entwickelten Methoden ist es nun möglich, lichtmikroskopische Präparate von Diatomeenproben (inkl. natürliche Gemeinschaften) hochauflösend zu digitalisieren und solche auch als „virtuelle Slides“ bezeichnete gigapixelgroße Bilder über das Internet zu betrachten und zu annotieren. Unter letzterem verstehen wir die Markierung und taxonomische Bestimmung einzelner Diatomeen. Über diese Methoden steht der Kieselalgenforschung nun eine Möglichkeit zu Verfügung, taxonomische Analysen (Bestimmung der Gemeinschaftszusammensetzung; ggf. aber auch Alpha-Taxonomie, d.h., die Entdeckung und Beschreibung neuer Arten) vollständig digital durchzuführen. Dies erleichtert die Zusammenarbeit (sowie auch die Lehre) unabhängig von physikalischer Entfernung; ermöglicht eine bessere Transparenz der Analysen; und eröffnet auch Möglichkeiten, im taxonomischen Workflow auf die Hilfe von maschinellen Lernmethoden zurückzugreifen. Solche Methoden müssen auf die Eigenheiten von Diatomeenpräparate angepasst werden, um das Auffinden, die taxonomische Identifizierung oder Ähnlichkeitsvergleiche zwischen Bildern zu ermöglichen. Letzteres haben wir auch im Rahmen des Projektes getan und dafür tiefe Konvolutionsnetzwerke für die Segmentierung, Klassifizierung und für Ähnlichkeitssuchen getestet und angewendet. Bei solchen tiefen neuronalen Netzen ist häufig intransparent aufgrund welcher Eigenschaften sie ihre Entscheidungen treffen. Um dies im Fall der Kieselalgenklassifizierung zu untersuchen, haben wir diverse Visualisierungsmethoden angewendet, die gewisse Einblicke in dieses Problemfeld erlaubt haben, wobei wir auch feststellen mussten, dass diese sich z.B. zum Vergleich der Herangehensweise von Taxonomen ggü. Algorithmen sich nur sehr begrenzt eignen. Schließlich, da moderne Taxonomie ohne molekulare Daten unvorstellbar ist, haben wir in einigen Fallstudien die Möglichkeiten untersucht, molekulare Methoden mit digitalen Bildvergleichen für die Artabgrenzung zu kombinieren. Letzteres ist aktuell auf vielfältige Art und Weise möglich, Möglichkeiten einer systematischen Verbindung zwischen Umwelt-DNA-Sequenzierungs-Ansätzen und Hochdurchsatz-Bildbasierte Methoden, die sich optimal ergänzen können, zeichnen sich allerdings aktuell (nicht nur bei Diatomeen) noch weniger ab. Auch der Routine-Einsatz von digitalen und durch maschinelle Lernmethoden unterstützte mikroskopischen Methoden für die Diatomeentaxonomie wird noch weitere Entwicklungen erfordern, obschon nun viele der einzelnen hierfür benötigten Komponenten mittlerweile zu Verfügung stehen.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung