Geautomatiseerde karakterisering van cellulaire morfologie en subcellulaire expressiepatronen met behulp van spatiale transcriptomica en diepe neurale netwerken

De ontwikkeling van spatiale transcriptomica (ST) technieken, die tot “Nature’s method of the year 2020” zijn uitgeroepen, bracht een revolutie teweeg in de analyse van biologisch weefsel. Het maakt het mogelijk om een heterogeen cellulair landschap te beschrijven en behoudt de de ruimtelijke dimensie. ST technieken zoals MERFISH kunnen het transcriptoom op subcellulaire resolutie beschrijven, maar er is een grote nood aan computationele technieken die nuttige informatie uit de resulterende afbeeldingen kunnen extraheren en verwerken. Hier stellen we de ontwikkeling voor van nieuwe computationele methodes om cellen te identificeren op basis van histologische afbeeldingen en om subcellulaire expressiepatronen te karakteriseren op basis van MERFISH data en deep learning netwerken. Dit PhD project stelt een software basis voor die gebruikt kan worden in toekomstige ST projecten, en ook fundamenteel inzicht brengt over cellulaire morfologie en subcellulaire expressiepatronen in weefsel micro-architecturen. De voorgestelde cell classificeerder zal MERFISH data gebruiken voor het trainen, maar kan daarna ook gebruikt worden in standaard microscopie analyse van histologische stalen in digitale pathologie. De methodes zullen toegepast worden in verscheidene biologische contexten, zoals de rol van genetische variatie in pathogenese van de ziekte van Parkinson of de menselijke embryo ontwikkeling, maar kan toegepast worden of elk biologisch veld.