Forscher der Universität Edinburgh haben GelGenie vorgestellt, ein Open-Source-KI-Tool, das die Analyse von Gel-Elektrophorese-Daten deutlich beschleunigen und die Genauigkeit verbessern soll [2, 7]. Die Gel-Elektrophorese ist eine weit verbreitete Technik in den Biowissenschaften zur Analyse von Biomolekülen, aber die manuelle Analyse der resultierenden Gelbilder kann zeitaufwändig und anfällig für Verzerrungen sein [3, 9].
GelGenie automatisiert die Identifizierung und Quantifizierung von Banden in Gelbildern und eliminiert so subjektive Interpretationen [2, 4]. Das KI-Modell wurde mit über 500 manuell beschrifteten Gelbildern trainiert und kann Banden unabhängig von Bildqualität oder Hintergrundrauschen genau identifizieren [2, 3, 9]. Das Team, zu dem auch Forscher der Harvard University und des Dana-Farber Cancer Institute gehören, veröffentlichte das Tool im September 2024 zusammen mit dem Datensatz und den Modellgewichten, um die Weiterentwicklung und Zusammenarbeit zu fördern [7, 8].
Diese Innovation verspricht, Forschungsworkflows zu rationalisieren, menschliche Fehler zu reduzieren und Entdeckungen in verschiedenen Bereichen zu beschleunigen, die auf Gel-Elektrophorese angewiesen sind [5, 6, 14]. GelGenie bringt fortschrittliche KI-Funktionen in eine grundlegende Labortechnik ein und stellt einen bedeutenden Fortschritt in der Datenverarbeitung für die biologische Forschung dar [3, 7, 9].