(Wien, 17-05-2024) Erstautor Philipp Velicky, Leiter der Imaging Core Facilities der MedUni Wien, wurde von der Wilhelm Exner Medaillen Stiftung für die Präsentation einer innovativen Methode zur Darstellung von Hirngewebe bei den diesjährigen Exner Lectures mit dem „Scientific Milestone Award 2024“ ausgezeichnet.
Das Gehirn ist ein hochkomplexes Organ. Bei Menschen besteht es aus etwa 86 Milliarden Neuronen, und jedes dieser Neurone ist mittels tausender von Synapsen mit anderen Neuronen verschaltet. Eine solche Komplexität zu verstehen, ist äußerst schwierig und bedarf Technologien, mit denen die winzigen, komplizierten Wechselwirkungen, die im Gehirn auf mikroskopischer Ebene stattfinden, entschlüsselt werden können. Bildgebende Verfahren sind daher entscheidende Instrumente in den Neurowissenschaften.
Bisher musste man sich entscheiden, entweder chemisch fixiertes (nicht mehr lebendes) Gewebe hochauflösend mittels Elektronenmikroskopie aufzunehmen, was langwierig ist, wenn man es in 3D macht und kaum molekulare Information bietet, oder mittels Fluoreszenzmikroskopie zu arbeiten. Letzteres ermöglicht die spezifische Beobachtung einzelner Moleküle auch im lebenden Gewebe, allerdings mit begrenzter Auflösung.
Die nun von einem interdisziplinären Team entwickelte Methode mit dem Namen LIONESS (Live Information Optimized Nanoscopy Enabling Saturated Segmentation) ist eine Pipeline zur Abbildung, Rekonstruktion und Analyse von lebendem Hirngewebe mit einer bisher nicht dagewesen räumlichen Auflösung und Vollständigkeit. Dabei hilft ein zweistufiges Deep Learning-basiertes Verfahren, die Aufnahme ausreichend schonend für die lebenden Zellen zu machen und weiters das hochkomplexe Arrangement automatisch zu segmentieren und 3D rekonstruieren.
„LIONESS ermöglicht uns zum ersten Mal, lebendes Hirngewebe umfassend und dicht zu rekonstruieren. Durch das mehrfache Abbilden des Gewebes, können wir mit LIONESS beobachten und messen, wie die dynamische Zellbiologie im Gehirn ihren Lauf nimmt“, so Erstautor Philipp Velicky, Leiter der Imaging Unit der Core Facilities der MedUni Wien. „Das Ergebnis ist ein dreidimensionales, rekonstruiertes Bild der zellulären Strukturen. Die vierte Dimension stellt die Zeit dar – die Probe kann nämlich über Minuten, Stunden oder Tage hinweg abgebildet werden“, fügt er hinzu. Zusätzlich dazu lassen sich neuronale Aktivität und spezifische Moleküle durch ausgewählte Färbeverfahren auf Ebene einzelner Synapsen darstellen.
Exner Medaillen Stiftung
Die Stiftung wurde zwei Mal, 1921 und 2021, vom Österreichischen Gewerbeverein gegründet, um österreichische und internationale wissenschaftliche Leistungen und Entwicklungen zu fördern, dies insbesondere zu deren unmittelbarer Anwendbarkeit und Umsetzung zum Wohle der wirtschaftlichen Entwicklung und damit zur Verbesserung der Lebensumstände der Bevölkerung. Sie vergibt jährlich die Wilhelm-Exner Medaille und führt eine „Lecture“-Veranstaltung durch.
Zur Person
Philipp Velicky studierte Molekularbiologie an der Universität Wien, mit der Diplomarbeit durchgeführt an der University of Oxford. Nach seinem PhD-Studium an der MedUni Wien bei Martin Knöfler im Bereich humaner Plazenta Forschung arbeitete er als Postdoc am Institute of Science and Technology Austria (ISTA). Dort entwickelte er in einem interdisziplinären Team eine neue Lichtmikroskopie Methode, um lebendes Gehirngewebe dreidimensional und hochauflösend (im Nanometer Bereich) aufzunehmen und zu rekonstruieren. Die Methode erlaubt erstmals die gleichzeitige Aufnahme von zellulärer Morphologie und Dynamik mit neuronaler Aktivität auf der Ebene einzelner Synapsen. Philipp Velicky leitet seit Februar 2023 die Core Facility Unit Imaging an der MedUni Wien.
Publikation: Nature Methods
Dense 4D nanoscale reconstruction of living brain tissue
Philipp Velicky, Eder Miguel, Julia M. Michalska, Julia Lyudchik, Donglai Wei, Zudi Lin, Jake F. Watson, Jakob Troidl, Johanna Beyer, Yoav Ben-Simon, Christoph Sommer, Wiebke Jahr, Alban Cenameri, Johannes Broichhagen, Seth G. N. Grant, Peter Jonas, Gaia Novarino, Hanspeter Pfister, Bernd Bickel & Johann G. Danzl
Nature Methods volume 20, pages 1256–1265 (2023)
https://www.nature.com/articles/s41592-023-01936-6
https://doi.org/10.1038/s41592-023-01936-6