Tiefe Mobilisierung von mikroskopischen Sammlungen durch hochdurchsatz Mikroskopie, Bildanalysen, und Verlinkung mit molekularen Daten (MobiDiC - MOBIlization of a DIatom Collection)
Zusammenfassung der Projektergebnisse
Wir haben in diesem Projekt digitale lichtmikroskopische Methoden für die Untersuchung von Kieselalgen (Diatomeen), eine der ökologisch bedeutendsten mikroskopischen Algengruppen, weiterentwickelt und angewendet. Mithilfe der neu entwickelten Methoden ist es nun möglich, lichtmikroskopische Präparate von Diatomeenproben (inkl. natürliche Gemeinschaften) hochauflösend zu digitalisieren und solche auch als „virtuelle Slides“ bezeichnete gigapixelgroße Bilder über das Internet zu betrachten und zu annotieren. Unter letzterem verstehen wir die Markierung und taxonomische Bestimmung einzelner Diatomeen. Über diese Methoden steht der Kieselalgenforschung nun eine Möglichkeit zu Verfügung, taxonomische Analysen (Bestimmung der Gemeinschaftszusammensetzung; ggf. aber auch Alpha-Taxonomie, d.h., die Entdeckung und Beschreibung neuer Arten) vollständig digital durchzuführen. Dies erleichtert die Zusammenarbeit (sowie auch die Lehre) unabhängig von physikalischer Entfernung; ermöglicht eine bessere Transparenz der Analysen; und eröffnet auch Möglichkeiten, im taxonomischen Workflow auf die Hilfe von maschinellen Lernmethoden zurückzugreifen. Solche Methoden müssen auf die Eigenheiten von Diatomeenpräparate angepasst werden, um das Auffinden, die taxonomische Identifizierung oder Ähnlichkeitsvergleiche zwischen Bildern zu ermöglichen. Letzteres haben wir auch im Rahmen des Projektes getan und dafür tiefe Konvolutionsnetzwerke für die Segmentierung, Klassifizierung und für Ähnlichkeitssuchen getestet und angewendet. Bei solchen tiefen neuronalen Netzen ist häufig intransparent aufgrund welcher Eigenschaften sie ihre Entscheidungen treffen. Um dies im Fall der Kieselalgenklassifizierung zu untersuchen, haben wir diverse Visualisierungsmethoden angewendet, die gewisse Einblicke in dieses Problemfeld erlaubt haben, wobei wir auch feststellen mussten, dass diese sich z.B. zum Vergleich der Herangehensweise von Taxonomen ggü. Algorithmen sich nur sehr begrenzt eignen. Schließlich, da moderne Taxonomie ohne molekulare Daten unvorstellbar ist, haben wir in einigen Fallstudien die Möglichkeiten untersucht, molekulare Methoden mit digitalen Bildvergleichen für die Artabgrenzung zu kombinieren. Letzteres ist aktuell auf vielfältige Art und Weise möglich, Möglichkeiten einer systematischen Verbindung zwischen Umwelt-DNA-Sequenzierungs-Ansätzen und Hochdurchsatz-Bildbasierte Methoden, die sich optimal ergänzen können, zeichnen sich allerdings aktuell (nicht nur bei Diatomeen) noch weniger ab. Auch der Routine-Einsatz von digitalen und durch maschinelle Lernmethoden unterstützte mikroskopischen Methoden für die Diatomeentaxonomie wird noch weitere Entwicklungen erfordern, obschon nun viele der einzelnen hierfür benötigten Komponenten mittlerweile zu Verfügung stehen.
Projektbezogene Publikationen (Auswahl)
- (2018): Quantitative comparison of taxa and taxon concepts in the diatom genus Fragilariopsis: a case study on using slide scanning, multiexpert image annotation, and image analysis in taxonomy. Journal of Phycology 54: 703-719
Beszteri, B., Allen, C., Almandoz, G.O., Armand, L., Barcena, M. A., Cantzler, H., Crosta, X., Esper, O., Jordan, R.W., Kauer, G., Klaas, C., Kloster, M., Leventer, A., Pike, J. and Rigual Hernández, A.S.
(Siehe online unter https://doi.org/10.1111/jpy.12767) - (2019). Biogeographic differentiation between two morphotypes of the Southern Ocean diatom Fragilariopsis kerguelensis. Polar Biology 42: 1369-1376
Glemser, B., Kloster, M., Esper, O., Eggers, S.L., Kauer, G., Beszteri, B.
(Siehe online unter https://doi.org/10.1007/s00300-019-02525-0) - (2020). A complete digitization of German herbaria is possible, sensible and should be started now. Research Ideas and Outcomes (RIO) 6: e50675
Borsch, T., Stevens, A-D., Häffner, E., Güntsch, A., Berendsohn, W.G., Appelhans, M., Barilaro, C., Beszteri, B., Blattner, F., Bossdorf, O., Dalitz, H., Dressler, S., Duque-Thüs, R., Esser, H-J., Franzke, A., Goetze, D., Grein, M., Grünert, U., Hellwig, F., Hentschel, J., Hörandl, E., Janßen, T., Jürgens, N., Kadereit, G., Karisch, T., Koch, M., Müller, F., Müller, J., Ober, D., Porembski, S., Poschlod, P., Printzen, C., Röser, M., Sack, P., Schlüter, P., Schmidt, M., Schnittler, M., Scholler, M., Schultz, M., Seeber, E., Simmel, J., Stiller, M., Thiv, M., Thüs, H., Tkach, N., Triebel, D., Warnke, U., Weibulat, T., Wesche, K., Yurkov, A., Zizka, G.
(Siehe online unter https://doi.org/10.3897/rio.6.e50675) - (2020). Both hydrology and physicochemistry influence diatom morphometry. Diatom Research 35: 315-326
Burfeid-Castellanos, A.M., Kloster, M., Cambra, J. & Beszteri, B.
(Siehe online unter https://doi.org/10.1080/0269249X.2020.1828175) - (2020). Data storage and data re-use in taxonomy—the need for improved storage and accessibility of heterogeneous data. Organisms Diversity and Evolution1439-6092
Gemeinholzer, B., Vences, M., Beszteri, B., Bruy, T., Felden, J., Kostadinov, I., Miralles, A., Nattkemper, T.W., Printzen, C., Renz, J., Rybalka, N., Schuster, T., Weibulat, T., Wilke, T., Renner, S.S.
(Siehe online unter https://doi.org/10.1007/s13127-019-00428-w) - (2020). Deep learning-based diatom taxonomy on virtual slides. Scientific Reports 10: 14416
Kloster, M., Langenkämper, D., Zurowietz, M., Beszteri, B. & Nattkemper, T.
(Siehe online unter https://doi.org/10.1038/s41598-020-71165-w) - (2020). Polares Plankton: Kleinlebewesen im sich wandelnden Südpolarmeer. Biologie in unserer Zeit 50: 28-35
Beszteri, B. ,Havermans, C., Auel, H., Hagen, W., Trimborn, S.
(Siehe online unter https://doi.org/10.1002/biuz.202010694) - (2020). Repositories for Taxonomic Data: Where We Are and What is Missing, Systematic Biology, syaa026
Miralles, A., Bruy, T., Wolcott, K., Scherz, M.D., Begerow, D., Beszteri, B., Bonkowski, M., Felden, J., Gemeinholzer, B., Glaw, F., Glöckner, F.O., Hawlitschek, O., Kostadinov, I., Nattkemper, T.W., Printzen, C., Renz, J., Rybalka, N., Stadler, M., Weibulat, T., Wilke, T., Renner, S.S., Vences, M.
(Siehe online unter https://doi.org/10.1093/sysbio/syaa026)
