Die räumliche Transkriptomik ist ein zukunftsweisendes Forschungsfeld in der Biomedizin, das es ermöglicht, die Aktivität von Zellen innerhalb eines Gewebes anhand von RNA-Transkripten sichtbar zu machen und sie bestimmten Zellen zuzuordnen. Bisher werden Gewebeproben bei solchen Analysen meist nur zweidimensional betrachtet. Allerdings haben selbst sehr dünne Gewebeschnitte von fünf bis zehn Mikrometern Dicke, etwa ein Zehntel eines menschlichen Haares, eine komplexe dreidimensionale Struktur. Wenn man diese 3D-Anordnung nur als Fläche interpretiert, kann es zu Analysefehlern kommen, zum Beispiel durch Überlagerungen von Zellen oder Gewebefaltungen. Das erschwert die genaue Zuordnung der Transkripte zu einzelnen Zellen und kann die Interpretation der Daten und weiterer Analysen verfälschen.

Verborgene Überlappungen im Gewebe aufspüren

Die Softwarelösung Ovrlpy analysiert die räumliche Verteilung von Transkripten in drei Dimensionen und erkennt Signal-Inkonsistenzen in Bereichen mit Zellüberlappungen oder unbeabsichtigten Gewebefaltungen, wodurch potenzielle Fehlerquellen in der vertikalen Dimension erkannt werden, die bislang weitgehend unbeachtet blieben. Umfassende Analysen verschiedener Gewebe und Organe zeigten, dass solche Überlappungen häufiger vorkommen als bisher angenommen. Durch die gezielte Identifikation solcher Artefakte trägt Ovrlpy zur signifikanten Verbesserung der Präzision nachfolgender bioinformatischer Auswertungen bei.

"Ovrlpy hilft uns, diese Fehlerquellen zu erkennen, bevor sie zu falschen Schlüssen führen", sagt Dr. Naveed Ishaque, Gruppenleiter für Computergestützte Onkologie in Roland Eils’ Abteilung "Digitale Gesundheit" am BIH und Letztautor der Studie.

Er ergänzt: "Damit schaffen wir die Grundlage für solidere Erkenntnisse in ganz verschiedenen Fachbereichen, ob in der Krebsforschung, der Neurologie oder bei der Entwicklung personalisierter Therapien."

Mit dem zunehmenden Einsatz räumlicher Technologien wie Spatially resolved transcriptomics (Nature Method of the Year 2020) oder Spatial Proteomics (Nature Method of the Year 2024) in der biomedizinischen Routineforschung wird das Sicherstellen hochwertiger Datengrundlagen immer wichtiger. Nach BIH-Angaben leistet Ovrlpy hierzu einen bedeutenden Beitrag und ermöglicht verlässige Analysen der komplexen Gewebearchitektur sowie deren Funktionen.

Publikation:
Tiesmeyer, S., Müller-Bötticher, N., Malt, A. et al. Identifying 3D signal overlaps in spatial transcriptomics data with ovrlpy. Nat Biotechnol (2026); https://doi.org/10.1038/s41587-026-03004-8

Quelle: Berliner Institut für Gesundheitsforschung in der Charité (BIH)