Infizieren Viren eine Zelle, führt dies zu Veränderungen des Zellkerns, die mittels Fluoreszenzmikroskopie visualisiert werden können. Forschende der Universität Zürich (UZH) haben nun ein künstliches neuronales Netzwerk mit derartigen Bildern so trainiert, dass der Algorithmus zuverlässig diejenigen Zellen erkennt, die von Adeno- oder Herpesviren befallen sind. 

Die Forschungsgruppe von Urs Greber, Professor am Institut für Molekulare Biologie der UZH, zeigt erstmals, dass ein maschinell lernender Algorithmus jene Zellen, die mit Herpes- oder Adenoviren infiziert sind, allein anhand der Fluoreszenz des Zellkerns erkennen kann.

Adenoviren können beim Menschen die Zellen der Atemwege befallen, Herpesviren jene der Haut und des Nervensystems. Beide können dauerhafte, persistente Infektionen verursachen, die nur unvollständig vom Abwehrsystem kontrolliert werden und über Jahre Viruspartikel produzieren. Dies kann zu plötzlichen, heftigen Infektionen führen. Die Folgen: schwerwiegende akute Erkrankungen der Lunge oder des Nervensystems.

Die Studienautoren sind überzeugt, dass ihre Entwicklung vielseitig anwendbar sei – etwa für Vorhersagen, wie menschliche Zellen auf andere Viren oder Mikroorganismen reagieren. «Das Verfahren eröffnet neue Wege, um Infektionen besser zu verstehen und um neue Wirkstoffe gegen Krankheitserreger wie Viren oder Bakterien zu entdecken», sagt Greber laut einer Mitteilung.

«Unsere Methode identifiziert nicht nur zuverlässig virusinfizierte Zellen, sondern erkennt mit hoher Genauigkeit auch virulente Infektionen im Voraus», erklärt Greber. Der Algorithmus identifiziert auch akute, schwere Infektionen mit einer Genauigkeit von 95 Prozent und bereits bis zu 24 Stunden im Voraus.