Das große Ganze
Bilder enthalten eine gigantische Fülle von Daten. Dabei spielt es keine Rolle, ob sie von einem Satelliten, einem Elektronenmikroskop oder einem Kernspintomographen aufgenommen werden. Es wird immer schwieriger, diese Datenberge mithilfe von Computern effizient zu verarbeiten und zu analysieren. Das liegt zum großen Teil an der enormen Größe dieser Bilddaten.
3D-Volumen der synthetischen Zellmigrationsdaten und entsprechende Geometrie der Zelltrajektorien - Bewegungen auf zeitlichen Bahnen.
„Viele Algorithmen sind für so große Datenmengen nicht gut geeignet“, sagt Dr. Kyle Harrington, der die neue Technologieplattform „Image Data Analysis“ am Max-Delbrück-Centrum für Molekulare Medizin der Helmholtz-Gemeinschaft (MDC) leiten wird. Harringtons Gruppe unterstützt gleichzeitig die neue Helmholtz Imaging Platform (HIP) am MDC. „Die riesigen Bilddaten, die heute erfasst werden, lassen sich nicht darstellen, weil man vor zehn Jahren überhaupt nicht daran dachte, dass es künftig entlang einer Achse tatsächlich Millionen oder gar Milliarden von Bildpunkten geben könnte.“
HIP geht diese und andere Herausforderungen rund um wissenschaftliche Bilddaten an und stellt Tools und Support für alle Forschenden der Helmholtz-Gemeinschaft bereit. Ein wichtiger Teil von Harringtons Arbeit ist es, so vorausschauend wie möglich zu agieren und gleichzeitig Algorithmen und andere universell einsetzbare Software zu entwickeln, die jede Art von Bilddaten verarbeiten können. „Das ist einer der Aspekte, der im Mittelpunkt der HIP steht“, erklärt Harrington. „Wir müssen alle HIP-Lösungen gründlich hinterfragen und außerdem sicherstellen, dass sie für lange Zeit Bestand haben.“
Skalenübergreifender Ansatz
Drei Institute bilden den HIP-Kern und nutzen ihre jeweilige Expertise, um verschiedene Bestandteile der Imaging-Pipeline in Angriff zu nehmen. Das Deutsche Elektronen-Synchrotron (DESY) entwickelt innovative bildgebende Verfahren, während sich das Deutsche Krebsforschungszentrum (DKFZ) auf die Datenanalyse – insbesondere in Kombination mit maschinellem Lernen – konzentriert. Das MDC ist als Bindeglied zwischen beiden zuständig und leistet Unterstützung dabei, die Datenverarbeitung und -verwaltung zu optimieren.
Harrington und sein Team möchten vor allem herausfinden, wie Daten über mehrere Skalen und Datentypen hinweg besser integriert werden können. Dazu zählen z. B. die Kombination von Fluoreszenz- und Elektronenmikroskopie für die biomedizinische Bildgebung und verschiedene Umweltdaten, die von Satelliten oder Tiefseekameras erfasst werden. Ziel ist die Entwicklung von Werkzeugen, die jede Gruppe am MDC oder in der Helmholtz-Gemeinschaft, die mit der HIP zu tun hat, unabhängig von der Art der Daten oder des Forschungsgebietes nutzen kann. Harrington ist zuversichtlich, dass das machbar ist.
„Wir möchten das Problem mit wissenschaftlichen Bilddaten endgültig aus dem Weg schaffen“, erklärt Professor Thoralf Niendorf, einer der drei HIP-Koordinatoren und Leiter der Berlin Ultrahigh Field Facility (B.U.F.F.) des MDC. „Forscher sollen Werkzeuge nutzen können, die unabhängig von der Forschungsfrage allgemein verfügbar sind.“
Einmal Programmierer, immer Programmierer
Dr. Kyle Ira Harrington
Harrington ist begeistert von der Möglichkeit, mit mehreren Datentypen und skalenübergreifend arbeiten zu können, denn dies kommt in der Wissenschaft nicht oft vor. Harrington nennt dies „das Privileg der Position“. Es gibt auch einen direkten Zusammenhang mit seinen eigenen Forschungszielen. „Es war schon lange ein Traum von mir, mit Daten von der molekularen Ebene bis hin zum gesamten Organismus zu arbeiten und daraus umfassende Datensätze zu erstellen“, sagt er.
Aufgewachsen ist Harrington in Alexandria, Virginia (USA), das nur der Potomac River von der US-Hauptstadt Washington trennt. Schon mit sieben Jahren begann er zu programmieren. Er war sofort Feuer und Flamme und ist es noch heute. Bereits während seiner Promotion in Informatik an der Brandeis University arbeitete er als Assistent von Professor Michael Rosbash im Bereich der Bildanalyse von Fruchtfliegen und der Untersuchung ihres Biorhythmus. Wenige Jahre später, 2017, erhielt Rosbash den Nobelpreis für Physiologie oder Medizin für die Entdeckung der molekularen Mechanismen, die den Biorhythmus steuern. Diese erste Erfahrung mit der biomedizinischen Bildgebung begeisterte Harrington ebenso wie das Programmieren und wurde zu seiner neuen Leidenschaft.
Nach seiner Postdoc-Zeit an der Harvard Medical School wurde er 2016 Assistenzprofessor an der University of Idaho. In den letzten Jahren verbrachte Harrington durch Kooperationen mit dem Max-Planck-Institut für Zellbiologie und Genetik und der Technischen Universität Dresden viel Zeit in Deutschland. Er und seine Familie freuen sich auf den Umzug nach Berlin und die lebendige Forschungskultur der Hauptstadt. „Für mich ist Deutschland das Land der Forschung und der Süßigkeiten“, sagt Harrington.
Zukunftsweisende Lösungen
Anhand guter Visualisierungen werden wissenschaftliche Daten und die eigene Arbeit viel verständlicher.
Harrington hat ein Händchen dafür, kreative Wege zu finden, mit denen sich Bilddaten zusammenführen und verarbeiten lassen. Er entwickelte z. B. in enger Zusammenarbeit mit seinem Kollegen Dr. Ulrik Günther eine Methode, Bilder für überwachtes maschinelles Lernen schneller zu „kommentieren“ und zu beschriften. Dazu integrierten sie das die Aufzeichnung von Blickbewegungen in Virtual-Reality-Headsets. Die beiden waren zudem federführend an der Entwicklung eines 3D- und Virtual-Reality-Visualisierungs-Tools für komplexe Bilddaten namens SciView beteiligt, das noch in diesem Jahr auf den Markt kommen soll.
In einem anderen Projekt analysierten und visualisierten Harrington und seine Mitarbeiterinnen und Mitarbeiter kürzlich die Entwicklung des Gefäßsystems von Zebrafischen. Dabei kamen Bilder fluoreszenzmarkierter Blutzellen zum Einsatz, mit deren Hilfe Rückschlüsse auf die Positionen von Venen und Arterien möglich waren. Mit diesen Daten produzierten die Forscher anschauliche 3D-Farbfilme der Zebrafisch-Entwicklung. Diese Bilder helfen nicht nur Biologinnen und Biologen bei der Forschung, sondern machen Wissenschaft auch für die breite Öffentlichkeit greifbar. Harrington schätzt diese doppelte Aussagekraft: „Anhand guter Visualisierungen werden wissenschaftliche Daten und die eigene Arbeit viel verständlicher.“
Text: Laura Petersen
