Abstract
Het cerebraal organoïde is een opkomend modelsysteem met groot potentieel voor fundamenteel en toegepast neurowetenschappelijk onderzoek. De variabiliteit tussen individuele partijen van organoïden en het onvermogen om deze efficient op cellulair niveau te karakteriseren, belemmeren hun integratie in een industriële omgeving. Met dit project willen we een platform ontwikkelen voor onbevooroordeelde cellulaire fenotypering van intacte cerebrale organoïden door een combinatie van multiplex fluorescente labelling, light-sheet microscopie en deep learning. Onze aanpak bouwt op het concept van celidentificatie via zuiver morfologische informatie. Eerst zullen we deze zogenaamde celprofilering perfectioneren in mengculturen van verschillende hersencellijnen door machine learning classificatie algoritmen te trainen. Vervolgens vertalen we het concept naar 3D, met behulp van sferoïden gevormd uit dezelfde hersencellen. We zullen de kleuring compatibel maken met chemische weefselklaring en een staalmontage procedure ontwikkelen voor seriële, isotrope beeldacquisitie. Ten slotte zullen we de methode inzetten om celtype en -staat te herkennen in iPSC-afgeleide cerebrale organoïden behandeld met actieve stoffen of gezaaid met invasieve glioblastoma cellen. Samen zal dit werk bijdragen aan de gestandaardiseerde kwaliteitscontrole van organoïden en zal de implementatie ervan farmacologische screening vereenvoudigen, waardoor de translationele waarde van preklinisch onderzoek vergroot.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)