Many human diseases are known to be genetically determined. In recent years, successful attempts were made to gain a better understanding of the genetic contribution to phenotypically expressed disease states. Animal models, especially mouse models, have been used to establish the relationship of genotype to phenotype. With the efficient techniques given to geneticists, they are nowadays able to identify locations on chromosomes, which play a major role in the process of modeling and remodeling of bone, thus defining the actual competence of bone. Nevertheless, the geneticists need quantitative endpoints to accomplish that work. Micro-computed tomography (μCT) has proven to be well suited for assessing and quantifying a variety of three-dimensional micro-structural bone phenotypes. These new possibilities on the biological as well as the technical side have revolutionized molecular approaches to common musculoskeletal diseases such as osteoporosis or osteoarthritis.

However, since the number of investigated animals in a genetic linkage study can be very high (500 - 2’000), large-scale phenotypic screenings have to be performed. This new field is also called phenomics. The realization of such studies is nowadays only possible with a tremendous effort and therefore not yet applicable as a standard way of analysis. To improve on that, the overall goals of this thesis are first the development of a fully automated analysis algorithm, which enables efficient highthroughput phenomics and second the development of a service-oriented platform for advanced handling and accessibility of the generated image data.

First, the reproducibility of an existing compartmental analysis in murine femora was investigated. This regional characterization includes the computation of morphometric indices in three different compartments of the femur (whole bone, trabecular bone in metaphysis and cortical bone in diaphysis) and needs two hand-drawn digital contours for the definition of the volumes of interest within the image data. The results of this study showed that the analysis approach offers good precision. However, the time needed to draw these contours makes this an unfeasible approach for high-throughput phenotypic studies. Therefore, a new algorithm was developed, which for the first time recognizes the volumes of interest automatically. This algorithm was then compared to the previously investigated standard approach and also applied to a genetic linkage study with 2’000 femora. Precision errors were 3% or less for all micro-structural indices. This corresponds to the precision achieved with the hand-drawn contours. However, it offers tremendous time-savings and provides objective results, which are not biased by the operator. Furthermore, the algorithm showed a very high robustness and worked successfully for 99.64% of all femora.

To deal with the large-scale μCT image data and micro-structural information produced in these genetic linkage studies, a distributed system is presented in this thesis offering web-based access to the image data for visualization and analysis. A new architecture was developed and introduced, which combines a Java Enterprise Edition (Java EE) application server with Java Remote Method Invocation (Java RMI) servers into a service-oriented platform. The developed design provides computational services in a distributed environment on the server-side and enables the remote client to make use of this powerful server-side hardware for visualization and analysis purposes. The front-end client applications were implemented in Java and are thus running on a wide variety of operating systems. A performance analysis of different aspects of the system revealed that the first prototype is running very stable. More than 10’000 users can login to the platform at the same time and the computational services have the ability to visualize large image data and to deal with numerous batch jobs for analysis. However, some design weaknesses prevent it from being used by a large audience right now. An extension to the architecture will solve this in the future. Nevertheless, such a platform is a very effective approach of combining a high-performance computing environment in the back-end with user-friendly front-end client applications.

In conclusion, the developed automated analysis algorithm together with the service-oriented platform are now affording a high-throughput and standardized characterization in bone phenomics. In the future, this collaborative visualization and analysis environment will bring the different communities involved in genetic linkage studies closer together and will help to gain better understanding of the genetic regulation of bone micro-structure.

Viele humane Krankheiten sind genetisch bestimmt. In den letzten Jahren wurden erfolgreiche Versuche unternommen, ein besseres Verständnis der genetischen Komponente von phenotypisch ausgebildeten Krankheitszuständen zu entwickeln. Mausmodelle wurden verwendet, um eine Verbindung zwischen Genotyp und Phenotyp herzustellen. Mit effizienten Techniken ist es Genetikern heutzutage möglich Regionen auf Chromosomen aufzuspüren, welche eine wichtige Rolle im Knochenaufbau und -umbau einnehmen und somit auch die mechanische Kompetenz des Knochens definieren. Um dies zu untersuchen, brauchen die Genetiker aber quantitative Grössen, welche diese Phenotypen beschreiben. Die Mikro-Computertomographie (μCT) hat in den letzten Jahren gezeigt, dass sie sehr gut geeignet ist, eine Vielzahl von mikrostrukturellen Knochenphenotypen zu erfassen. Diese neuen Möglichkeiten, sowohl auf der biologischen wie auch auf der technischen Seite, haben die Erforschung von bekannten Krankheiten wie Osteoporose und Osteoarthritis revolutioniert.

Da aber die Anzahl der Tiere in einer genetischen Kopplungsstudie sehr gross sein kann (500 - 2’000), müssen grossangelegte phenotypische Untersuchungen (Phenomik) durchgeführt werden. Die Realisierung solcher Untersuchungen ist heutzutage mit einem enormen Aufwand verbunden und daher bei genetischen Studien noch nicht standardmässig einsetzbar. Um hier eine Verbesserung zu erzielen, sind die Hauptziele dieser Dissertation erstens die Entwicklung eines vollständig automatisierten Analysealgorithmus, welcher eine effiziente Analyse mit grossem Durchsatz ermöglicht und zweitens die Entwicklung einer service-orientierten Platform für eine effiziente Bearbeitung der grossen Mengen an generierten Bilddaten.

Zuerst wurde die Reproduzierbarkeit einer bereits existierenden regionalen Auswertung von Mausfemora untersucht. Diese Charakterisierung beinhaltet die Analyse von morphometrischen Indizes in drei Gebieten des Femurs und benötigt zwei von Hand gezeichnete digitale Konturen, welche die Auswerteregionen definieren. Die Resultate dieser Studie zeigten, dass diese Art der Auswertung sehr präzise ist. Allerdings verunmöglicht das zeitintensive Konturenzeichnen, einen hohen Analysedurchsatz zu erzielen, was diesen Ansatz für phenotypische Studien unbrauchbar macht. Deshalb wurde ein neuer Algorithmus entwickelt, welcher die auszuwertenden Gebiete innerhalb des Femurs erstmals vollständig automatisch erkennt. Dieser Algorithmus wurde dann mit dem zuvor untersuchten Standardansatz verglichen und zudem auf eine genetische Kopplungsstudie mit 2’000 Femora angewendet. Die untersuchten morphometrischen Indizes zeigten Präzisionsfehler von 3% und weniger. Dies entspricht der Präzision, welche mit den Handkonturen erreicht wurde. Die automatisierte Auswertung ermöglicht jedoch enorme Zeiteinsparungen und erzeugt objektive Resultate, welche nicht vom Benutzer beeinflusst werden. Des weiteren zeigte sich der Algorithmus sehr robust und arbeitete bei 99.64% der Femora korrekt.

Um mit den in solchen genetischen Kopplungsstudien anfallenden grossen Mengen an μCT Bilddaten und mikrostrukturellen Informationen umzugehen, wurde im Rahmen dieser Dissertation ein verteiltes System entwickelt, welches einen Internetbasierten Zugang zu den Bilddaten für Visualisierung und Analyse bietet. Eine neue Architektur wurde entwickelt, welche einen Java Enterprise Edition (Java EE) Applikationsserver mit Java Remote Method Invocation (Java RMI) Servern zu einer service-orientierten Platform verbindet. Die entwickelte Anordnung stellt rechenintensive Dienste in einem verteilten Umfeld auf der Serverseite zur Verfügung und ermöglicht es den externen Benutzern, zu Visualisierungs- und Analysezwecke die leistungsstarke Hardware auf der Serverseite zu benutzen. Die Applikationen für die Benutzer wurden in Java implementiert und stehen daher für eine grossen Anzahl an Betriebssystemen zur Verfügung. Eine Leistungsanalyse verschiedener Aspekte des Systems zeigte, dass der erste Prototyp sehr stabil läuft. Mehr als 10’000 Benutzer können gleichzeitig in das System einloggen und die rechenintensiven Dienste ermöglichen es, grosse Bilddaten zu visualisieren und zu evaluieren. Kleinere Konstruktionsschwächen verhindern im Moment jedoch noch einen produktiven Einsatz mit grossen Zielgruppen. Eine Erweiterung der Architektur wird diese Probleme aber in Zukunft beheben. Nichtsdestotrotz ist die implementierte Platform ein sehr erfolgreicher Ansatz, um eine leistungsstarke Rechnerumgebung mit benutzerfreundlichen Applikationen zu verbinden.

Zusammenfassend ermöglichen der automatische Analysealgorithmus sowie die service-orientierte Platform nun eine standardisierte Charakterisierung mit grossem Durchsatz in der Knochen-Phenomik. In Zukunft wird diese kollaborative Visualisierungs- und Analyseumgebung die verschiedenen an solchen Kopplungsstudien arbeitenden Forschergruppen näher zusammenbringen und somit massgeblich dazu beitragen, die genetische Steuerung des Knochenbaus besser zu verstehen.