Kartierung funktioneller Veränderungen an den Ausgangsneuronen der Netzhaut bei Degeneration der Photorezeptoren mithilfe von Zwei-Photonen-Bildgebung und räumlicher Transkriptomik

01.01.2025 bis 31.12.2027

Die Klassifizierung von Neuronen in Typen – also die Definition der "Bausteine" komplexer neuronaler Netze – ist ein wichtiger Ansatz, um die Funktion des Gehirns zu verstehen. Zelltypen im Gehirn wurden auf der Grundlage ihrer funktionellen Reaktionen, ihrer Morphologie und ihrer Transkriptome definiert. Bisher haben solche Zelltypklassifikationen jedoch nur selten Daten über Modalitäten hinweg integriert. Darüber hinaus sind Zelltypen nicht statisch: Neuronen können ihre Funktion während des Alterns und bei Krankheiten verändern (oder sogar verlieren). Dies ist ein Problem, wenn das Clustering auf einer einzigen Modalität beruht, wie z. B. neuronalen Antworten: Ist ein "neuer" funktioneller Typ in einem Krankheitsmodell tatsächlich "neu" oder ein bekannter Typ mit veränderter Funktion? Verändern sich Zelltypen mit zunehmendem Alter und wenn ja, wie? Um beide Probleme anzugehen, ist ein dynamisches, multimodales Zelltypkonzept erforderlich: Dynamisch, um Änderungen in der Zelltypfunktion zu erfassen, und multimodal, um Informationen aus verschiedenen Modalitäten für eine robuste Zelltypidentifikation zu nutzen.
In dieser Arbeit schlagen wir vor, retinale Ganglienzellen (RGCs) der Maus auf der Grundlage abgestimmter funktioneller und genetischer Daten aus demselben Gewebe zu klassifizieren, die mit Zwei-Photonen-Kalzium-Bildgebung und räumlicher Transkriptomik erzeugt wurden. Unsere zentrale Hypothese ist, dass transkriptomische RGC-Typen im Laufe der Zeit in ihrer Funktion variieren können, z.B. während des normalen Alterns oder einer fortschreitenden Erkrankung. Um diese Hypothese zu testen, werden wir neuartige Berechnungsmethoden für die multimodale Zelltypklassifizierung entwickeln. Wir werden diese Klassifikation dann verwenden, um RGC-Typen über den Krankheitsverlauf in rd10-Mäusen zu verfolgen. Bei diesen mutierten Mäusen degenerieren die Photorezeptoren im Laufe von 6 Monaten, während der Rest der Netzhaut strukturell intakt bleibt und teilweise umgebaut wird, was sie zu einem geeigneten Modell für die Netzhautdegeneration bei Patienten mit Retinitis pigmentosa macht.
Wir beginnen mit der Erhebung eines multimodalen Datensatzes in jungen erwachsenen Wildtyp-Mäusen. Mit Hilfe eines multimodalen Clustering-Ansatzes, der durch etablierte Zellatlanten gesät wird, werden wir funktionelle und genetische Fingerabdrücke der RGC-Typen integrieren. Als nächstes werden wir den Wildtyp-Datensatz ergänzen, indem wir Daten für verschiedene Altersgruppen sammeln. Dementsprechend werden wir unser Clustering-Modell erweitern, um Einblicke in mögliche altersabhängige funktionelle Veränderungen bei RGC-Typen zu gewinnen und festzustellen, ob diese mit genetischen Veränderungen einhergehen. Schließlich werden wir einen Datensatz in der rd10-Maus-Netzhaut zu verschiedenen Zeitpunkten während der Degeneration erfassen. Hier werden typspezifische genetische Marker im transkriptomischen Fingerabdruck als Markierungen dienen, um den Verlauf verschiedener RGC-Typen über das Fortschreiten der Degeneration zu verfolgen.
Von der neuen multimodalen RGC-Klassifikation, die in diesem Projekt entwickelt wurde, erwarten wir neue Erkenntnisse über die Veränderungen (und die Stabilität) von RGC-Typen in gesunder vs. degenerierender Netzhaut im Laufe der Zeit. Diese Erkenntnisse sind wichtig, um die "Bausteine" des Gehirns und die Anfälligkeit und Widerstandsfähigkeit der Netzhautschaltkreise gegenüber Beleidigungen wie dem Verlust des Photorezeptor-Inputs zu verstehen.