Forschungsinteresse
BioImaging Lab
Im Bioimaging Lab verbinden wir experimentelle Lebenswissenschaften, moderne Mikroskopie und computergestützte Bildanalyse, um biologische Systeme über verschiedene Größenordnungen hinweg zu untersuchen, von Bakterien und Hefe über Drosophila bis hin zu Säugerzellen und Geweben. Im Rahmen unserer eigenen Forschung sowie kollaborativer Projekte innerhalb und außerhalb der Universität Graz umfassen unsere Aktivitäten fünf miteinander verknüpfte Bereiche, von grundlegender Zellbiologie und der Entwicklung fortgeschrittener Bildgebungsstrategien über quantitative Bioimaging-Ansätze und maßgeschneiderte KI-basierte Analysen bis hin zu offener und reproduzierbarer Wissenschaft.
01 Lipidtröpfchen an der Schnittstelle zum Zellkern
Lipidtröpfchen sind hochdynamische Organellen und zentrale Knotenpunkte des zellulären Lipid- und Energiestoffwechsels. Sie speichern Neutralfette, stellen Lipide für Energiegewinnung und Membranaufbau bereit und tragen zum Schutz der Zelle vor Lipotoxizität und metabolischem Stress bei. Ihre Bildung, Zusammensetzung und Interaktion mit anderen Organellen werden dynamisch an den physiologischen Zustand der Zelle angepasst.
Ein besonderer Schwerpunkt unserer Forschung liegt auf dem Seipin-Komplex, einem zentralen Regulator der Lipidtröpfchenbildung, und auf der bislang wenig verstandenen Verbindung zwischen Lipidtröpfchen, Kernhülle und nukleärer Lipidhomöostase. Die physiologische Bedeutung von Seipin wird besonders deutlich beim Menschen: Mutationen im BSCL2-Gen ("seipin") können eine schwere angeborene generalisierte Lipodystrophie verursachen, bei der die Speicherung von Neutrallipiden im Fettgewebe massiv beeinträchtigt ist und schwerwiegende metabolische Folgeerkrankungen auftreten. Das Verständnis der grundlegenden zellulären Funktionen von Seipin und der von ihm kontrollierten Lipidtröpfchenprozesse ist daher auch für die Aufklärung krankheitsrelevanter Mechanismen von Bedeutung. Neben molekular- und zellbiologischen Methoden ist die 4D-Lebendzellmikroskopie ein wichtiger experimenteller Ansatz, um dynamische und potenziell heterogene Prozesse direkt in einzelnen lebenden Zellen zu untersuchen. Mithilfe photokonvertierbarer Marker können definierte LD-Subpopulationen über verschiedene Wachstumsphasen und den Zellzyklus hinweg verfolgt und ihr individuelles Schicksal analysiert werden. Dadurch soll geklärt werden, wie unterschiedliche LD-Populationen entstehen, sich verändern und zur zellulären und nukleären Lipidhomöostase beitragen sowie welche Konsequenzen Störungen dieser Prozesse etwa für die Entwicklung von Lipidystrophy beitragen.
02 Neue Ansätze für die quantitative Bildgebung von Lipidtröpfchen
Die Beantwortung solcher biologischen Fragen erfordert neben dynamischer Bildgebung auch statistisch belastbare morphometrische Analysen großer Zellpopulationen. Dafür wurde kürzlich eine experimentelle Plattform zur quantitativen Analyse von Lipidtröpfchen etabliert, die biologische Messgrößen mit den physikalischen Grundlagen der mikroskopischen Bildentstehung verbindet. Gleichzeitig zeigte diese Arbeit, wie stark quantitative Ergebnisse von Bildaufnahme, Verarbeitung und Auswertungsmethode beeinflusst werden können. Aufbauend darauf werden derzeit Strategien entwickelt, um methodische Limitierungen messbar zu machen und quantitative Bioimaging-Verfahren objektiver zu validieren.
03 Maßgeschneidertes Deep Learning für die Bioimage-Analyse
Wir haben eine eigene, modular aufgebaute Deep-Learning-Plattform für biologische Bilddaten entwickelt, die flexibel an unterschiedliche Fragestellungen und Probentypen angepasst werden kann. Der “BioImaging Lab Deep-Learning Hub (BILD-HUB)” verbindet anwendungsspezifisches Training, Segmentierung, Validierung und quantitative Auswertung und wird bereits für verschiedene Anwendungen eingesetzt, darunter die Analyse von Kontraktionsfrequenzen in Engineered Heart Tissue (EHT) sowie für die Fortsetzung unserer Arbeit über die 3D-Quantifizierung neuronaler Strukturen im Fettgewebe von Mäusen (Rauchenwald et al. 2025. JCS 138(3):JCS263438). Zudem erweitert die Plattform unsere Forschung zu Lipidtröpfchen und Seipin und erföffnet neue Möglichkeiten zur Analyse komplexer LD-Phänotypen und Subpopulationen.
Ein zentrales Ziel unserer Analyseplattformen ist allerdings nicht nur die quantitative Auswertung biologischer Bilddaten, sondern auch der systematische Vergleich unterschiedlicher Analyseansätze, um Quantifizierungsfehler und methodische Verzerrungen zu identifizieren und quantitativ zu erfassen.
04 3D-Bildgebung komplexer Gewebe
Zuverlässige quantitative Analyse beginnt mit hochwertigen Rohdaten. Ein weiterer Schwerpunkt liegt deshalb auf der Entwicklung und Optimierung von Probenpräparation und Bildgebung für komplexe dreidimensionale biologische Systeme. Dazu gehören insbesondere optische Gewebeklärung, hochauflösende konfokale und Lichtblattmikroskopie sowie deren Anpassung an unterschiedliche Proben. Solche Strategien wurden beispielsweise für die hochauflösende Darstellung der Kollagenarchitektur in optisch geklärten Kaninchenaorten etabliert. Aktuell werden diese Ansätze auf weitere 3D-Modelle wie Sphäroide übertragen. Perspektivisch sollen sie zudem genutzt werden, um Seipin, Lipidtröpfchen und deren räumliche Organisation in komplexeren Geweben und Modellsystemen zu untersuchen. Damit werden Probenpräparation, Bildentstehung und computergestützte Analyse als zusammenhängender experimenteller Workflow verstanden.
05 Jenseits von "Black Boxes": Open Science als Gestaltungsprinzip
Open Science ist für unsere Forschung keine Option, sondern ein integraler Bestandteil ihrer Konzeption. Unser Ziel ist es, Methoden, Code, Daten und analytische Entscheidungen zugänglich, transparent und reproduzierbar zu machen, wie wir es bereits in unseren aktuellen Arbeiten zum quantitativen Bioimaging umgesetzt haben.
Indem wir sowohl die Möglichkeiten als auch die Grenzen unserer Ansätze offen dokumentieren, wollen wir dazu beitragen, quantitative Bildgebung in den Lebenswissenschaften leichter reproduzierbar, überprüfbar und weiterentwickelbar zu machen. Mit diesen Aktivitäten leisten wir zugleich einen Beitrag zu den umfassenderen Open-Science-Initiativen der Universität Graz und unterstützen eine Forschungskultur, in der experimentelle Daten und Methoden nachvollzogen, getestet und wiederverwendet werden können, anstatt als „Black Boxes“ behandelt zu werden.
H. Wolinski. 2026. Open Science in Quantitative Bioimaging – An Oxymoron? In: Open Science - Chance oder Herausforderung. Tagungsband. doi.org/10.25364/978-3-903374-47-8
