Die University of Vermont wird zum nationalen Koordinierungszentrum für ein 19 Millionen Dollar teures, fünfjähriges Projekt zur Erweiterung des Zugangs zu hochauflösender biologischer Bildgebung und rückt damit Burlington in den Mittelpunkt eines neuen Forschungsnetzwerks, das Elektronenmikroskopie, künstliche Intelligenz und Supercomputing kombiniert.

Das Projektwird das National Connectomics and Ultrastructure Volume Observatory (NCULO) schaffen. Laut UVM werden rund 15,68 Millionen US-Dollar die Arbeit des Neurowissenschaftlers Davi Bock in Vermont unterstützen, während 3,32 Millionen US-Dollar Beiträge der University of California San Diego und ihres Supercomputerzentrums finanzieren.

Die Auszeichnung ist für Vermont in zweierlei Hinsicht bedeutsam. Sie lenkt den Großteil einer bedeutenden Bundesinvestition in die Wissenschaft an die führende Universität des Bundesstaates und eröffnet damit die Aussicht auf Forschungsstellen und Ausbildungsmöglichkeiten. Zudem wird der UVM die Verantwortung für die Konzeption einer nationalen Ressource übertragen, die spezialisierte Bildgebungsverfahren für Forscher zugänglich machen soll, denen der Zugang zu den wenigen Laboren fehlt, die derzeit über diese Technologie verfügen.

Von Gewebeproben bis hin zu Karten im Petabyte-Maßstab

Der geplante Arbeitsablauf des Observatoriums beginnt mit in Harz konserviertem biologischem Gewebe, das in Tausende ultradünner Scheiben geschnitten wird. Ein Hochdurchsatz-Elektronenmikroskop am Larner College of Medicine der UVM nimmt die Bilder auf. Computer des San Diego Supercomputer Center setzen diese zu dreidimensionalen Volumen zusammen, während KI-Tools Zellgrenzen identifizieren, Neuronen verfolgen und Strukturen innerhalb der Zellen unterscheiden.

Diese Datensätze werden im Petabyte-Bereich liegen, und das Vermont Advanced Computing Center wird bei der Speicherung und Verarbeitung helfen. Das National Center for Microscopy and Imaging Research der UC San Diego wird Probenpräparation, fortschrittliche Instrumente und hochauflösende Folgeaufnahmen beisteuern. Die fünfjährige Förderung finanziert die Konzeption, Erprobung und Pilotdatensätze für das Observatorium und nicht eine vollständig ausgereifte, permanente Einrichtung.

Der Ansatz baut auf Bocks Beitrag zur ersten vollständigen Kartierung der neuronalen Verschaltungen im Gehirn einer ausgewachsenen Fruchtfliege auf. Die 2024 in Nature veröffentlichte Studie beschrieb ein Gehirn mit über 130.000 Neuronen und mehreren zehn Millionen synaptischen Verbindungen. Das neue Programm soll diese Art der Konnektomik-Analyse auf ein breiteres Spektrum biologischer Fragestellungen anwenden, nicht aber eine unmittelbare Kartierung des menschlichen Gehirns versprechen.

Vier Tests vor einem breiteren Ausbau

Vier Pilotprojekte werden das System testen. Die Forschenden planen, zu untersuchen, wie Lernprozesse die Verbindungen im Hippocampus von Mäusen verändern, die Schaltkreise der Netzhaut verschiedener Arten zu vergleichen, zu erforschen, wie der Parasit Toxoplasma gondii die Blut-Hirn-Schranke überwindet, und Strukturen im Inneren einzelliger Protisten zu kartieren. Die Projektkombination soll zeigen, ob ein einheitlicher Ansatz für unterschiedliche Organismen, Stichprobengrößen und wissenschaftliche Fragestellungen geeignet ist.

lokalen Berichten erwarten die Verantwortlichen der UVM, dass die Fördermittel die Beschäftigung in der Forschung unterstützen und das wachsende Forschungsprofil der Universität stärken werden. Das Projekt umfasst außerdem Lehrmaterialien für Bachelor-Studierende, Virtual-Reality-Ressourcen für Gymnasien und Schulungen für Masterstudierende der Biomedizintechnik.

Der praktische Maßstab wird sein, ob UVM und seine Partner riesige Sammlungen von Mikroskopbildern in nutzbare, teilbare wissenschaftliche Daten umwandeln können. Sollten die Pilotprojekte erfolgreich sein, plant das Team die Entwicklung eines Implementierungsplans für ein größeres nationales Observatorium – und sichert Vermont damit eine dauerhafte Rolle in einem Forschungsfeld, in dem der Fortschritt ebenso sehr von Rechenleistung und Datenmanagement wie vom Mikroskop selbst abhängt.