Blütenpollen effizient bestimmen

Pollenkörner haben eine für die jeweilige Pflanzenart charakteristische Form, Oberflächenstruktur und Größe. Um die zwischen 10 und 180 Mikrometer großen Pollenkörner einer Probe zu bestimmen und zu zählen, galt bislang die Mikroskopie als Goldstandard. Die Arbeit am Mikroskop erfordert jedoch eine große Expertise und ist sehr zeitaufwendig. In ihrer aktuellen Studie hat das Forscherteam um Susanne Dunker ein neuartiges Automatisierungsverfahren für die Pollenanalyse entwickelt. Dafür kombinierte es den Hochdurchsatz der bildbasierten Durchflusszytometrie, ein Verfahren der Partikelanalyse, mit einer Form der künstlichen Intelligenz (KI), dem sogenannten Deep Learning – und entwarf damit ein hocheffizientes Analyse-Tool, das neben der exakten Artbestimmung auch eine Quantifizierung der in einer Probe enthaltenen Pollenkörner möglich macht und gleichzeitig das Analyseverfahren erheblich beschleunigt.

Erste Untersuchungen im Rahmen der Studie bewiesen eine sehr hohe Genauigkeit der KI-basierten Identifizierung. 96 % der Pollen konnten richtig bestimmt werden, darunter auch Arten, die selbst für Experten unter dem Mikroskop schwer zu unterscheiden sind. Ziel des Forscherteams ist nun, die Pollendatenbank auf mindestens 500 Arten zu erweitern, um so umfangreiche Rückschlüsse auf Pflanzen-Bestäuber-Interaktionen möglich zu machen.

Die gesamte Studie wurde im Fachmagazin „New Phytologist“ veröffentlich. Über Webcode NuL4196 gelangen Sie zum Download.