Laborjournal 2019-10

| 10/2019 42 Wirtschaft Im Schweizer Kanton Luzern bastelt das multidisziplinäre Team von Scailyte an der Revolution der Einzelzell-Analyse – mithilfe von künstlicher Intelligenz. Only SCAI is the Limit Einzelzell-Technologie ist in aller Munde – und das nicht nur in akademischen Labors. Science wählte das Methoden-Vielerlei 2018 zum „Durchbruch des Jahres“. Zugleich sagt die Marktforschungsplattform Research and Markets demglobalen Einzelzellanalyse-Markt einWachstum im Raketentempo voraus: von bisher 1,8 Milliarden USD (2018) auf 5,3 Milli- arden USD im Jahr 2025. Wenig überraschend also, dass auch euro- päische Biotech-Unternehmen auf den noch jugendlichen Einzelzell-Zug aufspringen.Wäh- rend viele Firmen sich auf methodische An- sätze beschränken und immer ausgefeiltere Isolierungs- oder Detektionstechnologien ent- wickeln, tut sich parallel ein völlig anderer – nicht minder notwendiger – Markt auf: KI-ge- steuerte Datenanalyse. Denn Einzelzellmes- sungen produzieren Unmengen digitaler Da- ten, die sortiert und ausgewertet werden wol- len. Wohl dem, der Herr der Datenfluten wird. Daten zu Wissen machen „Wir konzentrieren uns auf die Daten und deren klinische Anwendung. Wir werden ei- ne der Ersten sein, die mit einem klinischen Produkt basierend auf Einzelzelldaten auf den Markt kommen“, tönt es deshalb selbst- bewusst aus demSchweizerischen Kanton Lu- zern. Dort, genauer in Sursee, sitzt das junge Start-up Scailyte. 
 Ganz ohne„Hardware“ geht es bei Scailyte aber natürlich auch nicht. Primär nutzen die Forscher die Massenzytome­ trie ( Time-of-Flight-Cytometry , CyTOF). Diese Methode ist ei- ne Spielart der Durchflusszyto- metrie, bei welcher Zellen in ei- nemFlüssigkeitsstromvereinzelt und je nach Fragestellung sor- tiert oder charakterisiert werden. Oftmals werden zur Charakteri- sierung Fluorophor-gekoppelte Antikörper oder andere Liganden eingesetzt. Das schränkt jedoch die Bandbreite gleichzeitig ein- setzbarer Marker aufgrund von Spektrum-Überlappungen und begrenzten Detektionswellen- längen ein. CyTOF hingegen nutzt Metallisotope statt Fluoro- phore. Derart markierte Antikör- per können anschließend in rau- enMengen auf die Zellen losgelassen und ge- bundene Schwermetall-Antikörper-Konstruk- te imMassenspektrometer detektiert werden. „Das erlaubt uns, dreißig, vierzig oder fünf- zig Antikörper gleichzeitig zu nutzen – und so dutzende Zelltypen mit extrem hoher Auflö- sung zu bestimmen“, erklärt Scailyte-Mitgrün- der und Geschäftsführer Peter Nestorov die erwünschte Multiplex-Kapazität. Der gebürti- ge Bulgare hat in Sofia Molekularbiologie und in Tübingen Biochemie studiert, bis er zur Di­ plomarbeit ans Max-Planck-Institut für Ent- wicklungsbiologie (ebenfalls Tübingen) wech- selte. Zur Doktorarbeit zog es ihn nach Basel ans Friedrich-Miescher-Institut. Bei Witec, ei- nem Laborausrüster in Sursee, betreute er da- nach den Verkauf und Support von Laborge- räten zur Einzelzellanalyse. Ob nun Massenzytometrie oder Einzel- zell-Sequenzierung – die Konsequenz der Messungen sind immer große Datenpake- te.„In diesen Daten steckt viel Wissen – aber es ist schwer, an dieses Wissen zu gelangen, weil die Daten so komplex sind“, umschreibt Nestorov die Problematik. Weil er seine Kun- den bei Witec nicht im Regen stehen lassen wollte, reifte mit der Zeit die Idee einer effi- zienteren Analyse-Software für Einzelzellda- ten. Unterstützung bei diesemVorhaben be- kam er von Manfred Claassen, seit 2013 Pro- fessor für Rechnergesteuerte Biologie an der ETH Zürich. Claassen entwickelte bereits Deep-Learning -Algorithmen zur Analyse von Einzel- zell-Daten. 2017 fassten er und seine Kollegen Anwendungsbeispiele eines solchen Algorith- mus in einer Nature Communications -Veröf- fentlichung zusammen (Bd. 8: 14825). Beidenwurde schnell klar:„Es gibt den Be- darf, Daten schneller zu analysieren, und es gibt ein großes Potenzial, klinisch relevante Ergebnisse in Einzelzell-Daten zu finden“, wie Nestorov erklärt. Mit dem Algorithmus hat- ten sie eine gute Basis, umdiese Idee zu kom- merzialisieren. Nach Inspiration und Grund- lagen fehlte dem Duo nun noch das prakti- sche Knowhow. Favorit Immunzellen Dieses fanden sie bei Dennis Göhlsdorf, der gemeinsammit Claassen inTübingen Bio- chemie und Bioinformatik studiert hatte. Nach seiner Promotion an der ETH Zürich verdingte er sich bei Google in Lübeck als Software-Ent- wickler. Ebenfalls an der ETH promoviert hat- te Ingenieur Daniel Sonnleithner, der bis zum Wechsel zu Scailyte als IT-Berater arbeitete. Damit war das multidisziplinäre Gründerteam vollständig, und Scailyte erblickte im Juni 2017 als ETH-Spinoff das Licht der biotechnologi- schenWelt. Nur zwei Jahre später beschäftigt das junge Unternehmen bereits 15Mitarbeiter und hat es unter die Top 100 des Swiss Start­ up Awards geschafft (Platz 47). Nestorov lässt keinen Zweifel daran, dass er mit der Entwick- lung hochzufrieden ist. In zwei Jahre dauernder Entwicklungs- arbeit wurde der Einzelzellanaly- se-Algorithmus der ETH in eine Software implementiert und be- kam eine ansprechende Nutzer- oberfläche. Die Beta-Version der Scailyte-Software ScaiVisionwird nun in über dreißig Labors inUni- versitäten und Pharmafirmen weltweit getestet und dort mit den bisher genutzten Analyse- tools verglichen. Damit sich nicht jede Forschungseinrichtungoder jedes Life-Science -Unternehmen als potenzielle Abnehmer der fertigen ScaiVision-Version ei- nen eigenen Server ins Labor stellen muss, arbeitet die Soft- warewebbasiert. Die Analyse ge- schieht in einer Cloud, die Nutzer So sieht‘s aus, wenn ScaiVision den Lymphom-Marker CD2 sichtbar macht. Von dunklen Zellen ohne Expression bis zu hellorangen Zellen mit hoher Expression.

RkJQdWJsaXNoZXIy Nzk1Nzg=