Dokument: Computational approaches for the analysis of cryo-electron tomograms

Titel:	Computational approaches for the analysis of cryo-electron tomograms
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=72473
URN (NBN):	urn:nbn:de:hbz:061-20260311-082250-3
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Kartte, David [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 22,63 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 09.03.2026 / geändert 09.03.2026
Beitragende:	Prof. Dr. Sachse, Carsten [Gutachter] Prof. Dr. Gunnar Schröder [Gutachter]
Dewey Dezimal-Klassifikation:	500 Naturwissenschaften und Mathematik » 570 Biowissenschaften; Biologie
Beschreibungen:	Die Kryo-Elektronentomographie erlaubt die Aufnahme biologischer Strukturen in 3D und ermöglicht die Untersuchung zellulärer Mechanismen in ihrem nativen zellulären Kontext im Nanometer-Bereich. Durch neue Methoden im Bereich der Mikroskopie und Bildverarbeitung können Daten schneller generiert werden, was dazu führt, dass mehr Daten für strukturelle Analysen bereitstehen. Die Daten manuell nach Qualität zu filtern ist jedoch zeitaufwändig und erfordert Erfahrung. Auch die Quantifizierung der Daten ist mühsame Arbeit und fehleranfällig, wenn manuell durchgeführt. Diese Arbeit zielt darauf ab, die Möglichkeiten zur Analyse von Tomogrammen zu verbessern. Dafür wird eine Software für die Analyse der Datenqualität entwickelt und ein Rahmen für die automatisierte Analyse und Quantifizierung von Tomogrammen untersucht. Die hier präsentierte Methode zur Qualitätsbestimmung wird frei zu Verfügung gestellt als das umfassende Tookit RESOLVE (RESOlution estimation in Varying Environments). Die Methode basiert auf lokaler Auflösungsbestimmung und kann außer für 3D Tomogramme auch für 2D Messungen von einzelnen Bildern oder die Qualitätsbestimmung von Proteinstrukturen angewendet werden. Es wird gezeigt, dass die Auflösungsbestimmungen durch RESOLVE angemessene Qualtätsangaben macht, die insbesondere relevante Eigenschaften von Tomographie Daten wie den Abstand zum Lamellenrand, Tomogramm-Dicke, Schäden durch den Elektronenstrahl und die Bewegung in der Probe beschreiben. Als Rahmen für die automatisierte Analyse von Tomogrammen wird gezeigt wie Instanzsegmentierung für 3D-Daten eingesetzt werden kann. Darauf aufbauend wird gezeigt, wie die Replikationsorganellen von SARS-CoV-2 automatisiert charakterisiert werden können und somit die Rolle von verschiedenen viralen-und Wirtsproteinen untersucht werden kann. Cryo-electron tomography provides three-dimensional structural information of biological specimen, allowing the study of cellular mechanisms in their native cellular context on the nanometer scale. New techniques allow for faster data generation and image processing, enabling the generation of large tomogram datasets and thus facilitating thorough ultrastructural analysis. However, data quality control is time consuming to conduct manually and requires expert knowledge, and quantifying the characteristics of interest is tedious work and subject to bias when conducted manually. This thesis aims at enhancing the capabilities of tomogram analysis by providing a tool for tomography data quality analysis and exploring a framework for automated ultrastructural analysis and quantification of characteristics of interest. The newly developed method for local quality assessment termed RESOLVE (RESOlution estimation in Varying Environments) is available as a comprehensive toolkit, allowing local resolution estimations in proteins maps, 2D micrographs, tilt-series and tomograms. RESOLVE is shown to adequately represent data quality as local resolution estimates, which in particular describe quality-defining data characteristics such as lamella-edge distance, tomogram thickness, radiation damage and beam-induced motion. Additionally, as a new framework for automated ultrastructural analysis, it is presented how 2D instance segmentation can be employed for 3D data. On that basis, it is shown how the SARS-CoV-2 replication organelle can be characterized in an automated manner, and thus the role of various viral and host proteins be studied.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät » WE Biologie
Dokument erstellt am:	11.03.2026
Dateien geändert am:	11.03.2026
Promotionsantrag am:	28.10.2025
Datum der Promotion:	29.01.2026