Wissenschaftler des Stowers Instituts für medizinische Forschung, Helmholtz München, der Technischen Universität München und der Universität Oxford haben RegVelo entwickelt – ein neues KI-Framework, das zelluläre Dynamik und Genregulation gleichzeitig modelliert und es Forschern ermöglicht, vorherzusagen, zu simulieren und experimentell zu validieren, wie Zellen Schicksalsentscheidungen treffen. Die Studie wurde am 11. Mai 2026 in der Fachzeitschrift Cell veröffentlicht .
Die Einzelzellbiologie liefert Forschern immer detailliertere Karten der Entwicklung. RNA-Velocity-Methoden schätzen die Bewegung von Zellen durch Entwicklungsstadien; Ansätze zur Analyse von Genregulationsnetzwerken identifizieren die Beziehungen zwischen Genen. Bislang wurden diese Methoden zumeist parallel und nicht kombiniert angewendet.
RegVelo überbrückt diese Lücke. Aufbauend auf der RNA-Geschwindigkeit – die aus dem Verhältnis von unreifer zu prozessierter RNA die Richtung der zellulären Veränderung ableitet – fügt das Modell eine entscheidende Ebene hinzu: Es betrachtet Gene nicht als unabhängige Einheiten, sondern als Teile eines Netzwerks, in dem jedes Gen andere aktivieren oder unterdrücken kann. Das Ergebnis ist ein Rahmenwerk, das Entwicklungspfade nachzeichnen und die Folgen spezifischer regulatorischer Eingriffe simulieren kann.
„Lange Zeit wurden Zelldynamik und Genregulation weitgehend getrennt modelliert“, sagte Prof. Fabian J. Theis , einer der Hauptautoren der Studie und Direktor des Computational Health Center (CHC) am Helmholtz-Institut München sowie Professor an der Technischen Universität München (TUM). „RegVelo führt diese beiden Aspekte zusammen und ermöglicht es uns, nicht nur zu fragen, wie sich Zellen verändern, sondern auch, welche regulatorischen Interaktionen diese Veränderungen vorantreiben.“
Eine Zusammenarbeit, die auf sich ergänzenden Stärken beruht.
RegVelo entstand aus einer Zusammenarbeit, die experimentelle und computergestützte Expertise verschiedener Institutionen vereinte. Tatjana Sauka-Spengler, Ph.D. , Co-Seniorautorin und Forscherin am Stowers Institute for Medical Research , wechselte 2022 mit ihrem Labor von der Universität Oxford dorthin. Sauka-Spengler, die weiterhin als Gastwissenschaftlerin am MRC Weatherall Institute of Molecular Medicine der Universität Oxford tätig ist , steuerte hochauflösende Genregulationsschaltkreise aus der Forschung ihres Teams zur Entwicklung der kranialen Neuralleiste bei. Die Gruppe von Theis am Helmholtz München stellte computergestützte Werkzeuge zur Modellierung von Einzelzelltrajektorien und der RNA-Geschwindigkeit bereit. Erstautor Weixu Wang, Doktorand am CHC, leitete die Entwicklung des einheitlichen Deep-Learning-Frameworks.
„Die besondere Stärke dieser Arbeit lag in der Kombination komplementärer Kompetenzen“, sagte Sauka-Spengler. „Hochauflösende Genregulationskreisläufe aus unserem Labor und dynamische Trajektorien- und Netzwerkmodellierung aus Fabians Team, die Experten auf ihrem Gebiet sind. RegVelo entstand durch die erstmalige Integration dieser beiden Ansätze in ein gemeinsames Rahmenwerk.“
Vorhersagen an Zebrafischen validiert
Das Team testete RegVelo in verschiedenen biologischen Systemen, darunter Zellzyklus, Blutbildung und Pankreasentwicklung. Die detaillierteste Fallstudie konzentrierte sich auf Neuralleistenzellen des Zebrafisches – eine vielseitige Population embryonaler Zellen, aus denen Pigmentzellen, Nervenzellen und kraniofaziales Gewebe hervorgehen.
RegVelo identifizierte tfec als frühen Treiber der Pigmentzellentwicklung und enthüllte elf1 als bisher unbekannten Regulator des Pigmentzellschicksals. Beide Vorhersagen wurden experimentell mittels CRISPR/Cas9-Knockout und Einzelzell-Perturb-Seq validiert, was zeigt, dass das Modell biologisch sinnvolle Hypothesen generieren kann, die sich in lebenden Systemen bewähren.
