ENGINEERINGNET.BE - Gistcellen bewijzen al jaren hun waarde als modelorganismen bij microscopisch biologisch onderzoek. Ondanks hun eenvoudige structuur vertonen ze veel gelijkenissen met complexere eukaryotische cellen, zoals menselijke cellen.
Andreas Milias- Argeitis, universitair docent moleculaire systeembiologie aan de RUG, onderzoekt de reeks stappen die een gistcel doorloopt om zich te delen.
Hij werkt aan een project om het onderzoek naar de celcyclus van gistcellen door middel van Artificial Intelligence te versnellen. “Als je van honderden cellen de hele cyclus fotografeert, ga dan maar eens op zoek naar de precieze momenten waarop knopvorming ontstaat, of wanneer de dochtercel zich afscheidt van de moedercel. Dat willen we automatiseren.”
Milias-Argeitis krijgt daarvoor hulp van data scientist Herbert Kruitbosch, die ervaring heeft met image processing, het verwerken van beelden met machine learning.
Het gaat er nu om precies te achterhalen hoeveel tijd zich tussen de levensfases van een gistcel afspeelt. Ook willen de onderzoekers zien wat er gebeurt als groeiprocessen worden verstoord. Hoe zal hun celcyclus zich aanpassen?
Zulke proeven kunnen veel informatie bieden over hoe celdeling in zijn werk gaat, of hoe cellen reageren op prikkels. Milias-Argeitis: "Het proces van celdeling bij gistcellen en menselijke cellen is grotendeels hetzelfde. Wij proberen achter de essentie te komen."
"Tegelijk denken we al na over hoe we onze bevindingen kunnen vertalen naar complexere celstructuren.” Daarbij komt onderzoek naar de werking van kankercellen in beeld.
“Pas sinds enkele jaren houden sommige biologen zich bezig met het filmen van cellen over langere tijd. Daar heb je namelijk specifieke software voor nodig en veel expertise”, aldus Milias-Argeitis.
“Vaak worden algoritmes gebouwd met een specifieke onderzoeksvraag voor ogen. Weinig onderzoekers publiceren daar iets over, dus gaat die kennis weer verloren als het project voorbij is."
"En als er studies verschijnen, spreken ze elkaar vaak tegen omdat ze andere methodes gebruiken. Daarom hoop ik met dit project een gebruiksvriendelijke tool te kunnen ontwikkelen, die makkelijk aanpasbaar is aan doeleinden. We moeten dezelfde taal beginnen te spreken.”
Meer contact tussen biologen onderling is nodig, en kruisbestuiving met andere vakgebieden, vindt Milias-Argeitis. Door zijn achtergrond in elektrotechniek is hij zich erg bewust van de toegevoegde waarde die data science kan hebben.
“Net zoals andere biologen kom ik op vragen door experimenten in het lab, maar ik spreek soms computerwetenschap aan om die vragen te beantwoorden. Er zijn nog zoveel zaken waar biologen geen antwoord op gevonden hebben, en waar data scientists kunnen helpen.”
