Die Frage lautet nicht »welche Software«, sondern »welche Schicht des Stacks«
Ein toxikologisches Expositionssystem für Zebrabärblinge erzeugt zwei sehr unterschiedliche Arten von Rohmaterial. Auf der einen Seite gibt es plattenspezifische Betriebsaufzeichnungen: Welches Wells erhielt welche Verbindung, in welcher Konzentration, an welchem Tag und unter welchem Expositionsszenario. Auf der anderen Seite stehen biologische Messwerte: Mortalitätsentscheidungen, Fehlbildungsscores, photomotorische Reaktionen, Schwimmverläufe und zunehmend auch bildbasierte morphometrische Merkmale. Die Behandlung von »Datenanalysewerkzeugen« als einzige Kategorie verwischt diese Unterscheidung und führt Labore dazu, ein Tracking-Paket zu kaufen, in der Erwartung, damit ein Datenmanagementproblem lösen zu können – obwohl es dafür nie konzipiert war.
Die praktische Herangehensweise an die Toolkette besteht darin, sie in Schichten zu betrachten. Schicht eins erfasst und bewertet Endpunkte am Laborplatz. Schicht zwei speichert die Beobachtungsdatensätze mit ausreichender Struktur, um abfragbar zu sein. Schicht drei führt die statistischen Berechnungen durch, die aus den Beobachtungen Potenzschätzungen, Klassifizierungen und Vergleiche ableiten. Ein Labor kann sich bei einer Schicht auf kommerzielle Werkzeuge und bei einer anderen auf Open-Source-Werkzeuge verlassen – und viele tun dies tatsächlich. Probleme entstehen, wenn eine einzige Anwendung erwartet wird, alle drei Schichten abzudecken, ohne offenzulegen, wo ihre Funktionalität endet.
Kommerzielle Plattformen lösen die Erfassung gut – und das ist keineswegs eine Kleinigkeit
Die Zebralab- und DanioVision-Systeme von ViewPoint tauchen aus gutem Grund immer wieder in veröffentlichten Zebrafisch-Methoden auf. Sie befinden sich auf der Ebene der Datenerfassung und der ersten quantitativen Auswertung und sind speziell auf die Realitäten verhaltensbasierter Endpunkte zugeschnitten. Ein typischer Anwendungsfall: Larven werden in eine 96-Well-Platte geladen, diese in eine Zebrabox-Kammer eingebracht und abwechselnd Licht- und Dunkelzyklen ausgesetzt, während eine Kamera ihre Aktivität aufzeichnet. Die Software liefert dann pro Vertiefung Kenngrößen wie Gesamtbewegung, zurückgelegte Strecke und Amplitude der Reaktion über verschiedene Zeitabschnitte hinweg. Studien, die den 120-hpf-Test des Tanguay-Labors verwendeten, setzten auf ViewPoint Zebralab in Kombination mit einem maßgeschneiderten Analysewerkzeug für die photomotorische Reaktion sowie einem separaten Programm zur Erfassung und Analyse von Zebrafisch-Daten – was etwas Aussagekräftiges darüber verrät, wie diese Systeme tatsächlich eingesetzt werden: selten allein, meist als ein Baustein innerhalb einer längeren Analyse-Pipeline.
Die Stärke dieser Klasse von Werkzeugen liegt in der Konsistenz bei der Datenerfassung. Bildwiederholraten, Beleuchtungszeiten und die Verfolgung einzelner Wells werden gesteuert, sodass der Bediener keine subjektiven Entscheidungen darüber treffen muss, wann ein Reiz ausgelöst wurde oder welches Pixel zu welcher Larve gehörte. Die Einschränkung ist ebenso deutlich: Ein Verfolgungssystem zeigt lediglich an, dass sich die Bewegung geändert hat. Es sagt nicht aus, ob diese Änderung eine spezifische Entwicklungsstörung oder eine sekundäre Folge allgemeiner Toxizität darstellt, und es verknüpft diese Ausgabe nicht mit einem morphologiebasierten Entwicklungs-Endpunkt, der von einer anderen Person an einem anderen Nachmittag bewertet wurde.
Open-Source-Werkzeuge schließen die Lücken – allerdings mit Kosten
Der Open-Source-Bereich des Ökosystems hat sich erheblich erweitert, und die Abdeckung ist mittlerweile breit genug, sodass die meisten Labore eine funktionierende Pipeline ohne teure Softwarelizenzen zusammenstellen können.
FishInspector, entwickelt am Helmholtz-Zentrum für Umweltforschung, wurde erstellt, um aus Embryobildern unvoreingenommene quantitative Bewertungen morphologischer Phänotypen abzuleiten; es steht kostenlos über ein öffentliches Code-Repository zur Verfügung. ZembryoAnalyser kombiniert morphometrische Analysen, Bewegungsverfolgung und Herzfrequenzanalyse in einer einzigen Open-Source-Plattform, was für Labore attraktiv ist, die kardiovaskuläre Endpunkte neben Verhaltensendpunkten untersuchen. ZebraFET verfolgt einen völlig anderen Ansatz: Es ist eine kostenlose Desktop-Anwendung, die speziell auf die OECD-Testrichtlinie 236 zugeschnitten ist und Projektsetup, tägliche Wellscore-Bewertung, Fotoverwaltung, LC50- und NOEC/LOEC-Berechnungen, Gültigkeitsprüfungen sowie Berichterstellung umfasst.
Das letzte Beispiel verdient besondere Aufmerksamkeit, weil es ein verbreitetes Missverständnis aufdeckt. Ein Labor kann vollständig konform mit TG 236 sein und dennoch keine einheitliche Datenebene besitzen. ZebraFET erzwingt die regulatorische Arithmetik und die Gültigkeitstore, doch die Beobachtungsbegriffe, die ein Techniker darin eingibt, bleiben weiterhin die Begriffe des Technikers. Sobald zwei Labore Ergebnisse vergleichen, tritt das Terminologieproblem erneut auf.
Warum Ontologien und Daten-Pipelines der Teil sind, den die meisten Labore überspringen
Das SEAZIT-Programm, das über das NIEHS durchgeführt wird, wurde genau deshalb ins Leben gerufen, weil sich die Ergebnisse toxikologischer Entwicklungsstudien zwischen verschiedenen Labors unterscheiden, wenn Verfahren und Terminologie nicht standardisiert sind. Eine gemeinsame Übung im Rahmen von SEAZIT ergab, dass die Anwendung von Ontologiebegriffen die Konsistenz erhöhte und Mehrdeutigkeiten verringerte; zudem sollte ein gemeinsamer Datensatzstandard die Heterogenität der berichteten Begriffe reduzieren und die Übereinstimmung zwischen den Labors verbessern. In der entscheidenden interlaboratorischen Studie testeten drei Labors einen verblindeten Satz von 42 Chemikalien unter vier Expositionsbedingungen; die laborspezifischen Begriffe zur Erfassung von Phänotypen wurden vor jedem versuchten Vergleich zwischen den Labors den Begriffen der Zebrafish Phenotype Ontology zugeordnet und nach anatomischen Regionen gruppiert.
Dieser Zuordnungsschritt ist der unspektakuläre Kern dessen, was eine ernstzunehmende Datenanalyse-Toolchain leistet. Die zugrundeliegende Datenbank in SEAZIT basierte auf PostgreSQL, wobei die Tabellen in Stoffinformationen, Screening-Daten und Analysen unterteilt waren; die Probentabelle diente als zentraler Verknüpfungspunkt. Referenzkonzentrationen wurden aus Inzidenzdaten berechnet, die auf Ebene des Endpunkts zusammengefasst worden waren; ein Spezifitätswert wurde ermittelt, indem die BMC eines nicht-tödlichen Endpunkts mit der BMC der Letalität verglichen wurde; die Differenz im Logarithmus zur Basis 10 diente dazu, spezifische Entwicklungs-effekte von unspezifischer Toxizität zu unterscheiden.
Die Ergebnisse dieser interlaboratorischen Arbeit stellen eine nützliche Realitätsprüfung für alle dar, die Werkzeuge erwerben möchten. Die BMC-Werte für die positive Kontrollsubstanz variierten je nach Labor und Expositionsbedingungen, und die Inzidenzraten für die Fahrzeugkontrolle lagen je nach Labor und Szenario zwischen 0 und 8 Prozent. Keine Softwareschicht beseitigte diese Variation. Was die harmonisierte Pipeline leistete, war vielmehr, die Variation sichtbar und interpretierbar zu machen – ein anderes und ehrlicheres Ziel als „standardisierte Ergebnisse“.
Wo sich die Ausgabeschichten unterscheiden und was tatsächlich verglichen werden soll
Die folgende Tabelle stellt die wichtigsten Werkzeugkategorien nebeneinander auf den Dimensionen dar, die entscheidend sind, wenn eine Screening-Kampagne nachvollziehbare Potenz-Aussagen liefern muss – nicht nur ansprechende Videos.
| Werkzeugschicht |
Typische Beispiele |
Hauptprodukt |
Verarbeitet Ontologie-Mapping |
Beste Passform |
| Plattform zur Verhaltensverfolgung |
Zebralab, DanioVision |
Aktivität pro Brunnen, zurückgelegte Distanz, Antwortamplitude |
No |
Lokomotorische und photomotorische Endpunkte |
| Bildbasierte Morphometrie |
FishInspector, ZembryoAnalyser |
Form- und Herzfrequenzmerkmale |
Teilweise oder nicht vorhanden |
Unvoreingenommene Morphologiequantifizierung |
| Regulatorischer FET-Assistent |
ZebraFET |
LC50, NOEC/LOEC, Gültigkeitskennzeichen |
No |
Einhaltung und Berichterstattung gemäß TG 236 |
| Beobachtungsdatenbank mit kontrolliertem Vokabular |
INTOB |
Strukturierte Phänotyp- und Metadaten-Datensätze |
Ja, durch Konstruktion |
Langfristiges Datenmanagement und Wiederverwendung |
| Querlabor-Analyse-Pipeline |
SEAZIT-Datenbank und -Pipeline |
BMC, Spezifitätswerte, Klassifikationen |
Ja |
Interlaborvergleich und Harmonisierung |
INTOB, die Integrierte Effektdatenbank für toxikologische Beobachtungen des UFZ, verdient besondere Erwähnung, weil sie auf den FAIR-Prinzipien – Auffindbarkeit, Zugänglichkeit, Interoperabilität und Wiederverwendbarkeit – beruht und Metadaten sowie phänotypische Beobachtungen mittels eines kontrollierten Vokabulars standardisiert. Das ist eine datenmanagementbasierte Antwort auf ein Datenmanagementproblem und ergänzt eine Tracking-Plattform, statt mit ihr zu konkurrieren.
Die Bereitstellungserfahrung von einer echten Screening-Fläche
Eine mittelgroße Vertragsprüfungseinheit, die Entwicklungs-Toxizitätsuntersuchungen an mehreren Dutzend Verbindungen pro Monat durchführt, stieß auf eine Variante dieses Problems – ein Problem, das bei keiner einzelnen Anbieter-Demo zutage getreten wäre. Die Verhaltensdaten befanden sich im nativen Exportformat der Tracking-Software. Die Morphologie-Scores waren in einer gemeinsam genutzten Tabelle gespeichert, die freitextbasierte Phänotyp-Spalten enthielt. Die Plattenkarten befanden sich an einem dritten Ort. Als ein Auftraggeber eine Konzentrations-Wirkungs-Kurve anforderte, die sowohl Lokomotions- als auch morphologische Endpunkte für dieselbe Verbindung kombinierte, verbrachte ein Analyst den größten Teil einer Woche damit, die Wells-Identifikatoren manuell abzugleichen; die resultierende Kurve war schwer zu verteidigen, weil die Phänotyp-Begriffe nachträglich normalisiert worden waren, statt von Anfang an gegen einen kontrollierten Wortschatz erfasst worden zu sein.
Die Lösung war kein neues Bildgebungsgerät. Es bestand vielmehr darin, eine strukturierte Beobachtungsschicht zwischen den Erfassungswerkzeugen und der Statistik einzufügen, das Phänotyp-Vokabular vor Beginn der nächsten Kampagne festzulegen und zu verlangen, dass jeder bewertete Endpunkt seine jeweiligen Well-, Platten- und Laufparameter im selben Datensatz enthält. Die Tracking-Plattform blieb erhalten. Die Tabellenkalkulation wurde nicht beibehalten.
Hier schneiden sich Hardware und Datenebene auf eine Weise, die leicht übersehen wird, wenn ein toxischer Expositionstest mit Zebrabärblingen spezifiziert wird. Eine Arbeitsstation, die Dosierparameter pro Gefäß, Zeitstempel für Aufnahmen und Plattenkarten als Teil ihres nativen Betriebs protokolliert, nimmt bereits vor Beginn der Analysephase eine erhebliche Abstimmungsbelastung weg. Die Ingenieursarbeit von Hunter Lab im Bereich Flüssigkeitshandhabung und Plattenebenensteuerung für Zebrabärbling-Plattformen hat es in die Lage versetzt, Datenerfassung als integralen Bestandteil der Expositions-Hardware zu betrachten – nicht als nachträgliche Ergänzung durch einen separaten Anbieter. Die Fertigungsdisziplin hinter den Zebrabärbling-Racks und -Arbeitsstationen von Hunter Lab – darunter enge Toleranzen bei Flüssigkeitspfaden und stabile Steuerelektronik – führt zu Aufzeichnungen, die exakt dem entsprechen, was tatsächlich im Gefäß geschah; dies ist die einzige Grundlage, auf der eine nachgeschaltete Analyse-Pipeline aufbauen kann.
Die Werkzeuge existieren. Die schwierigere Frage ist, ob die Technologie-Stack so konzipiert ist, dass die Datenebene die physikalische Wahrheit der Belichtung erbt, oder ob das Labor gezwungen ist, diese Schicht Stück für Stück – jeweils in einer Tabelle – wieder zusammenzufügen.