Dokument: Computergestützte Ansätze zur Analyse von Membranstrukturen im Kryo-Elektronenmikroskop

Titel:	Computergestützte Ansätze zur Analyse von Membranstrukturen im Kryo-Elektronenmikroskop
Weiterer Titel:	Computational approaches for membrane structure analysis in cryo-electron microscopy
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=72220
URN (NBN):	urn:nbn:de:hbz:061-20260218-110630-0
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Schönnenbeck, Philipp [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 47,66 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 09.02.2026 / geändert 11.02.2026
Beitragende:	Prof. Dr. Sachse, Carsten [Gutachter] [im Online-Personal- und -Vorlesungsverzeichnis LSF anzeigen] Gohlke, Holger [Gutachter]
Dewey Dezimal-Klassifikation:	500 Naturwissenschaften und Mathematik » 570 Biowissenschaften; Biologie
Beschreibungen:	Die Kryo-Elektronenmikroskopie (CryoEM) ist eine leistungsfähige Methode zur Untersuchung von Protein-Membran-Interaktionen, da sie hochauflösende Bilder von vitrifizierten Makromolekülen, einschließlich biologischer Membranen, unter naturnahen Bedingungen liefert. Während diese Technik wertvolle Daten generiert, ist die manuelle Analyse der resultierenden Bilder mühsam und zeitaufwendig. Diese Doktorarbeit konzentrierte sich auf die Automatisierung und Verbesserung der Analyse von CryoEM-Bildern von Membranstrukturen. Zur Analyse von 2D-Bildern entwickelte ich ein neuronales Netzwerk zur Membranerkennung und implementierte verschiedene Methoden zur effizienten Verarbeitung hunderter Bilder, wobei membran- und vesikelspezifische Eigenschaften basierend auf der Segmen-tierung extrahiert wurden. Diese Methoden wurden in einem umfassenden Toolkit namens Cryo Vesicle Image Analyser (CryoVIA) veröffentlicht. Das Toolkit wurde erfolgreich auf verschiedene Datensätze angewendet, einschließlich bereits veröffentlichter Daten zu den membranmodulierenden Eigenschaften des phage shock protein A. Diese Analyse bestätigte frühere Hypothesen über Veränderungen der Membrandicke in Gegenwart des Proteins. Darüber hinaus ermöglichte CryoVIA die Analyse der Größenverteilung von Lipid-Nanopartikeln, die siRNA tragen und deren Bilder im Elektronenmikroskop aufgenommen wurden. Da CryoEM auch 3D-Volumen generieren kann, demonstrierte ich die Vielseitigkeit von CryoVIA durch die Anwendung auf Tomogrammschnitten. Ich erweiterte die Analysemöglichkeiten durch die Implementierung einer Methode zur Schätzung der Membrandicke in Tomogrammen, die nicht auf einzelnen Bildern basiert und auf einer bestehenden Analyse-Pipeline aufbaut. Als letzten Schritt implementierte ich zur Unterstützung der Untersuchung von membranmodulierenden Prozessen, die in CryoEM-Bildern erfasst wurden, eine Methode zur Identifizierung sequentieller Prozessschritte in CryoEM-Bildern unter Verwendung von variational Autoencodern und Dynamic Time Warping. Die während dieser Doktorarbeit entwickelten Analysemethoden haben sich bereits als wertvoll für die Forschung erwiesen und unterstützen Studien zu Membran-Protein-Interaktionen und Lipid-Nanopartikeln. Während diese Doktorarbeit zum Abschluss kommt, gibt es laufende Anwendungen, die auf diesen Methoden aufbauen und ich es hoffe sie werden Wissenschaftlern in der Strukturbiologe weiterhelfen. Cryo-electron microscopy (cryoEM) is a powerful tool to study protein-membrane interactions as it provides high-resolution images of vitrified macromolecules, including biological membranes, under near-native conditions. While this technique generates rich data, the manual analysis of the resulting images is tedious and time-consuming. This PhD work focused on automating and improving the analysis of cryo-EM micrographs of membrane structures. To analyse 2D images, I developed a neural network for membrane detection and implemented various methods to efficiently process hundreds of images, extracting membrane and vesicle-specific properties using the segmentation as a basis. These methods were released into a comprehensive toolkit called Cryo Vesicle Image Analyser (CryoVIA). The toolkit was successfully applied to diverse datasets, including previously published data on the membrane remodeling properties of phage shock protein A. This analysis confirmed earlier hypotheses about membrane thickness changes in the presence of the protein. Additionally, CryoVIA enabled numerous applications such as size distribution analysis of lipid nanoparticles carrying siRNA imaged by electron microscopy. Given that cryo-EM can also generate 3D volumes, I demonstrated CryoVIA's versatility by applying it to tomogram slices. I further enhanced the analysis capabilities by implementing an improved method for estimating membrane thickness in tomograms that does not rely on single slices, building upon an existing analysis pipeline. As a last step, to facilitate the study of membrane remodeling processes captured in cryo-EM micrographs, I implemented a method to find sequential steps of the process in cryoEM micrographs by using variational autoencoders and dynamic time warping. The analytical tools developed during this thesis work have already proven valuable to the research community, supporting studies of membrane-protein interactions and lipid nanoparticles. As this PhD work concludes, ongoing research still continues to build upon these methods, and I hope it will help researchers in the field of structural biology.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät Mathematisch- Naturwissenschaftliche Fakultät » WE Biologie Mathematisch- Naturwissenschaftliche Fakultät » WE Informatik » Bioinformatik
Dokument erstellt am:	18.02.2026
Dateien geändert am:	18.02.2026
Promotionsantrag am:	06.06.2025
Datum der Promotion:	01.12.2025