25dga20210.3205/25dga202urn:nbn:de:0183-25dga2025Meeting AbstractU-Net basierte Quantifizierung der Elektronentomographie-basierten Morphologie von Band-Synapsen innerer HaarzellenMutschallMutschallSophiaSUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften & InnerEarLab, Göttingen, DeutschlandUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften, Gruppe Molekulare Architektur der Synapsen, Göttingen, DeutschlandBIN, Center for Biostructural Imaging of Neurodegeneration, Universitätsmedizin Göttingen, Göttingen, DeutschlandMax-Planck-Institut für multidisziplinäre Naturwissenschaften, Auditorische Neurowissenschaften & Synaptische Nanophysiologie, Göttingen, DeutschlandUniversitätsmedizin Göttingen, Exzellenzcluster „Multiscale Bioimaging: Von molekularen Maschinen zu Netzwerken erregbarer Zellen“ (MBExC), Göttingen, DeutschlandauthorMuthMuthSarahSGeorg-August-Universität Göttingen, Institut für Informatik, Göttingen, DeutschlandauthorMoschrefMoschrefFrederiekeFMax-Planck-Institut für Multidisziplinäre Wissenschaften, Abteilung für Molekulare Neurobiologie, Göttingen, DeutschlandauthorCooperCooperBenjamin H.BHMax-Planck-Institut für Multidisziplinäre Wissenschaften, Abteilung für Molekulare Neurobiologie, Göttingen, DeutschlandauthorMichanskiMichanskiSusannSUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften & InnerEarLab, Göttingen, DeutschlandUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften, Gruppe Molekulare Architektur der Synapsen, Göttingen, DeutschlandBIN, Center for Biostructural Imaging of Neurodegeneration, Universitätsmedizin Göttingen, Göttingen, DeutschlandMax-Planck-Institut für multidisziplinäre Naturwissenschaften, Auditorische Neurowissenschaften & Synaptische Nanophysiologie, Göttingen, DeutschlandauthorHojasHojasInesIMax-Planck-Institut für Multidisziplinäre Wissenschaften, Abteilung für Molekulare Neurobiologie, Göttingen, DeutschlandauthorSchwarzeSchwarzeValentinVMax-Planck-Institut für Multidisziplinäre Wissenschaften, Abteilung für Molekulare Neurobiologie, Göttingen, DeutschlandauthorWeyandWeyandKirstenKMax-Planck-Institut für Multidisziplinäre Wissenschaften, Abteilung für Molekulare Neurobiologie, Göttingen, DeutschlandauthorMausMausLydiaLMax-Planck-Institut für Multidisziplinäre Wissenschaften, Abteilung für Molekulare Neurobiologie, Göttingen, DeutschlandauthorBahrBahrJulius N.JNUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften & InnerEarLab, Göttingen, DeutschlandUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften, Gruppe Molekulare Architektur der Synapsen, Göttingen, DeutschlandBIN, Center for Biostructural Imaging of Neurodegeneration, Universitätsmedizin Göttingen, Göttingen, DeutschlandGöttinger Graduiertenzentrum für Neurowissenschaften, Biophysik und Molekulare Biowissenschaften, Göttingen, DeutschlandauthorWichmannWichmannCarolinCUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften & InnerEarLab, Göttingen, DeutschlandUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften, Gruppe Molekulare Architektur der Synapsen, Göttingen, DeutschlandBIN, Center for Biostructural Imaging of Neurodegeneration, Universitätsmedizin Göttingen, Göttingen, DeutschlandMax-Planck-Institut für multidisziplinäre Naturwissenschaften, Auditorische Neurowissenschaften & Synaptische Nanophysiologie, Göttingen, DeutschlandUniversitätsmedizin Göttingen, Exzellenzcluster „Multiscale Bioimaging: Von molekularen Maschinen zu Netzwerken erregbarer Zellen“ (MBExC), Göttingen, DeutschlandauthorPapePapeConstantinCGeorg-August-Universität Göttingen, Institut für Informatik, Göttingen, DeutschlandUniversitätsmedizin Göttingen, Exzellenzcluster „Multiscale Bioimaging: Von molekularen Maschinen zu Netzwerken erregbarer Zellen“ (MBExC), Göttingen, DeutschlandauthorMoserMoserTobiasTUniversitätsmedizin Göttingen, Institut für Auditorische Neurowissenschaften & InnerEarLab, Göttingen, DeutschlandBIN, Center for Biostructural Imaging of Neurodegeneration, Universitätsmedizin Göttingen, Göttingen, DeutschlandMax-Planck-Institut für multidisziplinäre Naturwissenschaften, Auditorische Neurowissenschaften & Synaptische Nanophysiologie, Göttingen, DeutschlandUniversitätsmedizin Göttingen, Exzellenzcluster „Multiscale Bioimaging: Von molekularen Maschinen zu Netzwerken erregbarer Zellen“ (MBExC), Göttingen, DeutschlandauthorGerman Medical Science GMS Publishing House
Düsseldorf
61020250318germThis is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License.Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung).M0607202Deutsche Gesellschaft für Audiologie e. V. und ADANO27. Jahrestagung der Deutschen Gesellschaft für Audiologie und Arbeitstagung der Arbeitsgemeinschaft Deutschsprachiger Audiologen, Neurootologen und OtologenJunior-Symposium IGöttingen2025031920250321202TextEinführung und Fragestellung: Unser Hören erfordert die Kodierung von Schallinformationen durch die inneren Haarzellen, die über die Bandsynapsen an die Spiralganglionneuronen weitergeleitet werden. Diese Synapsen ermöglichen eine zeitlich präzise und kontinuierliche Verarbeitung. Die synaptischen Mechanismen, die der Schallkodierung zugrunde liegen, sind noch nicht vollständig verstanden. Eine Störung oder ein Verlust der Band-Synapse beeinträchtigt die synaptische Schallkodierung und führt so zu einem spezifischen Hörverlust, der auditorischen Synaptopathie.Die Elektronentomografie (ET) ist eine leistungsstarke und hochauflösende Methode zur Untersuchung von subzellulären Strukturen im Nanometerbereich. Hier untersuchen wir die Morphologie der Band-Synapse und ihrer zentralen Komponenten wie synaptische Vesikel, präsynaptische Verdichtung, elektronendichtes Band und Membranen der aktiven Zone. Eine automatische Segmentierung von elektronenmikroskopischen Daten ist aufgrund der vielen Graustufen schwierig. Daher erfolgte die Segmentierung dieser Strukturen bisher manuell. Der damit verbundene große Zeitaufwand sowie die untersucherabhängige Verlässlichkeit der Ergebnisse erschweren dabei großangelegte Untersuchungen. Entsprechend untersuchen wir Möglichkeiten zur Automatisierung der Analyse der Strukturquantifizierung von Band-Synapsen sowie ihre Morphologie und ihre Heterogenität.Methoden: Wir nutzen hochdruckgefrorene und nachfolgend gefriersubstituierte Corti-Organe der Mauscochlea. Zur automatisierten Analyse der ET-Bilddaten haben wir einen U-Net basierten Algorithmus etabliert und so trainiert, dass eine robuste Identifizierung der für uns relevanten synaptischen Strukturen zuverlässig möglich ist (SynapseNet ). Nach der Segmentierung können wir wesentliche Parameter der Morphologie analysieren, darunter die Vesikelverteilung und -größen sowie deren Zuordnung zu spezifischen Pools. Dabei können wir die Vesikel drei bekannten Pools zuordnen: band-assoziiert, membrannah und an der Membran gedockt.Ergebnisse und Schlussfolgerung Der trainierte Algorithmus zeigte eine hohe Übereinstimmung mit manuellen Segmentierungen und reduziert den Zeitaufwand erheblich. Diese Methodik ermöglicht es, neue Erkenntnisse über die strukturellen Grundlagen der Schallkodierung an der Band-Synapse zu gewinnen. Sie wird erheblich dazu beitragen, unser Verständnis von der Physiologie des Hörens sowie entsprechender Pathophysiologie zu verbessern. Durch die Übertragbarkeit des Algorithmus auf diverse Schädigungsmuster der Band-Synapsen lassen sich so präklinische Therapieansätze zur Hörrehabilitation, wie bspw. mittels Gentherapie, weiter vorantreiben.Abbildung 1 Muth SSynapseNet: Deep Learning for Automatic Synapse Reconstruction2024biorxivMuth S, et al. SynapseNet: Deep Learning for Automatic Synapse Reconstruction. biorxiv. 2024. DOI: 10.1101/2024.12.02.626387http://dx.doi.org/10.1101/2024.12.02.626387011
Abbildung 1: Screenshot eines in Napari geöffneten Tomogramms einer Band-Synapse in 2D-Ansicht. Zu sehen sind die automatisch generierten Annotationen für Band (*), präsynaptische Dichte, Membran (braun) und für die Vesikel-Pools (grün: band-assoziiert. Orange: membrannah).