Arbeitsschritte, die bislang häufig über Wochen manuell durchgeführt wurden, lassen sich damit innerhalb weniger Stunden erledigen. Zugleich benötigt das System je nach Anwendung nur wenige oder keine zusätzlichen Trainingsdaten. In einem Test erreichte die Erkennung von Proteinkomplexen einen F1 Wert von 91 Prozent. Die Software ist quelloffen und frei über GitHub verfügbar. Sie wurde zudem bereits für sämtliche Tomogramme im öffentlichen Datenportal des Chan Zuckerberg Imaging Institute eingesetzt. Für die biomedizinische Forschung ist vor allem die Skalierbarkeit relevant. Größere Bilddatensätze können schneller ausgewertet und Ergebnisse zwischen Projekten leichter vergleichbar gemacht werden. Das kann Strukturbiologie, Zellbiologie und Wirkstoffforschung beschleunigen, weil molekulare Veränderungen bei Krankheiten systematischer untersucht werden können. Veröffentlicht wurde MemBrain v2 in Nature Methods.
Pressemitteilung des "idw - Informationsdienst Wissenschaft" vom 08.09.2026