BALVAN, Jan, Tomáš VIČAR a Klára HÁNĚLOVÁ. Analýza typu buněčné smrti kvantitativně-fázovým zobrazováním. Jan Balvan, 2022.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Analýza typu buněčné smrti kvantitativně-fázovým zobrazováním
Název česky Analýza typu buněčné smrti kvantitativně-fázovým zobrazováním
Název anglicky Analysis of cell death type by quantitative phase imaging
Autoři BALVAN, Jan (203 Česká republika, garant, domácí), Tomáš VIČAR (203 Česká republika, domácí) a Klára HÁNĚLOVÁ (203 Česká republika, domácí).
Vydání 2022.
Nakladatel Jan Balvan
Další údaje
Originální jazyk čeština
Typ výsledku Projekty výzkumu a vývoje
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Kód RIV RIV/00216224:14110/22:00129626
Organizační jednotka Lékařská fakulta
Klíčová slova česky Buněčná smrt; apoptóza; nekroptóza; feroptóza; hluboké učení; kvantitativní fázové zobrazování
Klíčová slova anglicky Cell death; apoptosis; necroptosis; ferroptosis; deep learning; quantitative phase imaging
Změnil Změnil: RNDr. Jan Balvan, Ph.D., učo 141792. Změněno: 5. 4. 2023 09:25.
Anotace
Vytvořená metoda dokáže na základě dynamiky distribuce buněčné hmoty v prostoru, bez použití barviv a protilátek, detekovat okamžik smrti buněk ve sledované populaci, zároveň také dokáže odlišit lytickou buněčnou smrt (nekrózu) od apoptózy. Co se týče odlišení specifických typů lytické buněčné smrti – různých typů nekróz, bude pravděpodobně třeba lépe optimalizovat využití jejich induktorů a inhibitorů, protože se nedařilo indukovat pouze požadované typy buněčné smrti a vzniklé datasety tak neposkytly pro analýzu obrazu dostatečně specifický materiál metodám hlubokého učení. Celkový potenciál této metody je však velký a nabízí využití nejen v oblasti detekce a analýzy buněčné smrti, ale i při detekci jiných buněčných procesů. Pro analýzu QPI obrazu byl vytvořen program v jazyce Python pro automatickou segmentaci buněk a extrakci analyzovaných parametrů (dostupný zde: https://github.com/tomasvicar/Cell_deatch_analysis).
Anotace anglicky
The developed method can detect the moment of cell death in the population of interest based on the dynamics of cell mass distribution in space, without the use of dyes and antibodies, and can also distinguish lytic cell death (necrosis) from apoptosis. In terms of distinguishing specific types of lytic cell death - different types of necrosis, the use of their inducers and inhibitors will probably need to be better optimized, as only the desired types of cell death could not be induced and the resulting datasets did not provide specific enough material for deep learning methods for image analysis. However, the overall potential of this method is great and offers applications not only in the detection and analysis of cell death but also in the detection of other cellular processes. For QPI image analysis, a Python program has been developed for automatic cell segmentation and extraction of the analyzed parameters (available here: https://github.com/tomasvicar/Cell_deatch_analysis).
Návaznosti
TP01010039, projekt VaVNázev: Posílení systému komercializace výsledků VaV na Masarykově univerzitě (Akronym: POSTKOM)
Investor: Technologická agentura ČR, Posílení systému komercializace výsledků VaV na Masarykově univerzitě, Podprogram 1
VytisknoutZobrazeno: 13. 6. 2024 05:21