MALVINA: Machine-Learning-Framework misst bakterielle Invasion und DNA-Schäden gleichzeitig

MALVINA: Neues ML-Framework misst bakterielle Invasion und DNA-Schäden gleichzeitig

Forschende des HUN-REN Biological Research Center in Szeged und des Hungarian Center of Excellence for Molecular Medicine haben MALVINA entwickelt, ein Machine-Learning-Framework zur Analyse bakterieller Infektionen in Einzelzellen. Die Methode detektiert fluoreszenzmarkierte Bakterien in menschlichen Zellen und nutzt maschinelles Lernen, um Mikroskopiebilder automatisiert auszuwerten. Die Arbeit ist in der Fachzeitschrift Nature Communications veröffentlicht. MALVINA erlaubt es, in demselben experimentellen System zu messen, wie effizient Bakterien in Zellen eindringen, wie stark sie sich darin anreichern und welche DNA-Schäden sie beim Wirt induzieren. Damit geht das Framework über klassische binäre Viabilitätstests hinaus, die lediglich erfassen, ob ein Bakterium in Gegenwart einer Behandlung wächst oder nicht. Stattdessen liefert MALVINA eine mehrdimensionale Sicht auf das Verhalten von Krankheitserregern in menschlichem Gewebe.

Technisch realisiert MALVINA diese Messungen durch eine automatisierte Bildanalyse: Zunächst werden die Wirtszellen in den Mikroskopieaufnahmen segmentiert, also als einzelne Objekte identifiziert. Anschließend wird für jede Zelle die Fluoreszenzintensität der markierten Bakterien quantifiziert – so lässt sich die Anzahl eingedrungener Bakterien pro Zelle und deren Anreicherung bestimmen. Parallel werden DNA-Schadenssignale, etwa über fluoreszierende Marker, pro Zelle erfasst. Ein trainiertes Machine-Learning-Modell klassifiziert dann die Zellen anhand dieser Messgrößen und ordnet sie unterschiedlichen Infektions- und Schädigungsprofilen zu. Die Forschenden betonen, dass Infektionen nicht nur ein Überlebenswettbewerb sind: Entscheidend ist auch, was Bakterien in der Nähe menschlicher Zellen tun, ob sie in Wirtszellen eindringen, sich über viele Zellen verteilen oder in wenigen Zellen stark anreichern und ob sie DNA-Schäden auslösen, die zu Entzündungen, Gewebeschäden oder langfristigen Krankheitsprozessen beitragen können.

Erste Tests mit E. coli zeigen unterschiedliche Virulenzprofile

In Validierungsexperimenten mit vier verschiedenen Escherichia-coli-Stämmen differenzierte MALVINA die Virulenzprofile der Bakterien. Einige Stämme verteilten sich über viele Zellen, andere akkumulierten stark in wenigen Zellen. Genotoxische Varianten verursachten signifikante DNA-Schäden im Wirtsgenom. Besonders auffällig war ein aus einem kolorektalen Tumor stammender Stamm: Er zeigte eine aggressive Invasion, eine schnelle intrazelluläre Anreicherung und eine ausgeprägte Schädigung des Wirtsgenoms.

Für diese Differenzierung berechnet MALVINA quantitative Parameter aus den Einzelzellbildern: die Anzahl infizierter Zellen pro Bild als Maß für die Invasionsrate, die durchschnittliche Bakterien-Fluoreszenzintensität pro Zelle als Maß für die intrazelluläre Anreicherung sowie das DNA-Schadenssignal pro Zelle, das über fluoreszierende Marker für Doppelstrangbrüche erfasst wird. Aus der Kombination dieser Messgrößen leitet das Framework die Virulenzprofile ab – etwa ob ein Stamm viele Zellen nur leicht infiziert oder wenige Zellen massiv belastet und gleichzeitig starke DNA-Schäden verursacht.

Im Gegensatz zu herkömmlichen Bulkmessungen, die kritische Variationen zwischen einzelnen Zellen mitteln, erfasst MALVINA die Zell-zu-Zell-Heterogenität. Dadurch wird sichtbar, dass nicht alle Zellen gleich auf eine Infektion reagieren und dass die Bakterienlast innerhalb einer Population stark variieren kann. Diese Einzelzellauflösung erlaubt es, dynamische mikrobielle Interaktionen und pharmakologische Effekte präziser zu untersuchen. Die beobachteten Unterschiede in Verteilungsmustern und DNA-Schäden zwischen den Stämmen legen als Interpretation nahe, dass die Virulenz eines Bakteriums nicht allein durch sein Wachstum bestimmt wird, sondern auch durch sein räumliches und zeitliches Verhalten in der Wirtszellumgebung.