Künstliche Intelligenz analysiert ganze Mauskörper bis auf Zellebene

Ein internationales Forschungsteam um LMU-Professor Ali Ertürk hat mit Künstlicher Intelligenz (KI) eine neue Methode entwickelt, mit der sich komplette Mauskörper bis auf Ebene einzelner Zellen analysieren lassen. Das System mit dem Namen „MouseMapper“ kombiniert moderne Gewebeaufbereitung, Lichtblattmikroskopie und Deep Learning, um Nervenbahnen, Immunzellen sowie 31 verschiedene Organe und Gewebe automatisiert im gesamten Körper sichtbar zu machen. Darüber berichten die Forschenden des von Helmholtz Munich und LMU geleiteten Projekts in der Fachzeitschrift Nature.

„Mit MouseMapper können wir erstmals krankheitsbedingte Veränderungen im gesamten Körper auf zellulärer Ebene sichtbar machen“, sagt Professor Ali Ertürk vom Institut für Schlaganfall- und Demenzforschung der LMU und von Helmholtz Munich. „Das eröffnet völlig neue Möglichkeiten, Krankheiten bereits in sehr frühen Stadien zu erkennen – lange bevor erste Symptome auftreten.“

Die vollständigen Ganzkörperdaten stellt sein Team online zur Verfügung, um anderen Forschenden weltweit den Zugang zu ermöglichen.

KI kartiert Nerven, Immunzellen und Organe automatisch

Technisch basiert MouseMapper auf sogenannten Foundation-Modellen, also großen KI-Modellen, die mit enormen Mengen an Daten trainiert werden, um allgemeine Muster zu erkennen. Anders als klassische KI-Systeme sind sie nicht nur für eine einzige Aufgabe gedacht, sondern können flexibel für viele verschiedene Anwendungen angepasst werden. Dadurch funktioniert das System nicht nur bei einer bestimmten Krankheit oder Bildgebungsmethode, sondern lässt sich flexibel auf andere Datensätze übertragen.

Die KI erkennt automatisch feinste Nervenstrukturen, Ansammlungen von Immunzellen sowie anatomische Regionen im gesamten Körper. Auf diese Weise können Forschende Veränderungen systematisch vergleichen und auffällige Regionen gezielt für weitere molekulare Analysen auswählen.

Unerwartete Nervenschäden durch fettreiche Ernährung

Vergrößern

Die Forschenden nutzten MouseMapper unter anderem, um Auswirkungen von Adipositas auf den gesamten Organismus von Mäusen zu untersuchen. Dabei entdeckten sie bislang unbekannte strukturelle Schäden an sensiblen Gesichtsnerven des Trigeminussystems. Betroffen war insbesondere der Infraorbitalnerv, der für die Tastwahrnehmung über die Schnurrhaare zuständig ist. Mäuse mit fettreicher Ernährung zeigten deutlich weniger Nervenverzweigungen und reagierten schlechter auf Berührungsreize.

Zusätzliche molekulare Analysen zeigten Veränderungen in Signalwegen, die mit Entzündungen sowie Umbau- und Degenerationsprozessen von Nervenzellen zusammenhängen. Besonders bemerkenswert: Die gleichen molekularen Muster fanden Wissenschaftlerinnen und Wissenschaftler auch in Gewebeproben von Menschen mit Adipositas. Damit gelang erstmals eine direkte Verbindung zwischen Beobachtungen im Mausmodell und Veränderungen beim Menschen.

„Besonders überrascht hat uns, dass Adipositas offenbar sensorische Gesichtsnerven schädigen kann“, erklärt Erstautorin Dr. Doris Kaltenecker. „Die Tatsache, dass wir dieselben molekularen Muster auch beim Menschen gefunden haben, macht die Ergebnisse besonders relevant.“

Neben Nervenschäden dokumentierte MouseMapper umfangreiche Entzündungsprozesse in verschiedenen Organen adipöser Tiere. Besonders stark betroffen waren das Fettgewebe, die Leber und der Bauchraum. Dort konnten die Forschenden größere Ansammlungen von Immunzellen finden: ein Hinweis auf chronische Entzündungsreaktionen im gesamten Organismus.

Ausblick: Mit digitalen Zwillingen Krankheiten simulieren

Langfristig verfolgt Ertürks Team das Ziel, umfassende Zellatlanten gesunder und kranker Organismen zu erstellen. „Unser Ziel ist, digitale Zellatlanten des Körpers zu erstellen, die wie virtuelle Zwillinge funktionieren“, sagt der Wissenschaftler. „Damit könnten wir Krankheiten künftig am Computer analysieren und neue Therapien deutlich schneller testen.“

Digitale Zwillinge sind virtuelle Modelle biologischer Organismen, die mithilfe von KI, Bildgebung und molekularen Daten möglichst realitätsnah den Körper auf Zellebene abbilden. Forschende könnten damit künftig Krankheiten simulieren, Therapien digital testen und Krankheitsprozesse besser verstehen – teilweise sogar ohne zusätzliche Tierversuche.

Doris Kaltenecker, Izabella Horvath, Rami Al-Maskari, Ali Ertürk et. al. A deep-learning framework reveals whole-body perturbations at cell level. Nature 2026