MCELLML

Rezumat

Proiectul propus abordează o temă de cercetare în domeniul cancerului mamar, al evaluării și invaziei celulelor tumorale. Pentru a putea analiza migrarea celulelor tumorale, singulare sau în clustere de celule, proiectul propune un instrument integrativ MCELLML pentru analizarea comprehensivă a fenotipului migrator al celulelor tumorale, bazat pe platforme microfluidice, împreună cu algoritmi de procesare a imaginilor și învățare automată. Scopul acestei abordări vizează obținerea unui instrument care să poată fi utilizat pentru a prezice potențialul metastatic al oricărei tumori date, pe baza datelor fenotipice directe.

Proiectul de cercetare se desfașoară in parteneriat public-privat, punând impreună know-how-ul din zona medicală cu aplicabilitatea algoritmilor de calcul cu invățare automată. În ceea ce privește abordările informatice, proiectul propune algoritmi utilizați pentru urmărirea automată a clusterelor de celule care migrează prin canale microfluidice și pentru calcularea caracteristicilor esențiale ale celulelor și clusterelor de celule integrate într-o aplicație software. Noutatea aplicației propuse este reprezentată de dezvoltarea unor rețele neuronale, utilizate pentru identificarea automată a evenimentelor clusterelor de celule precum si a fenotipului de migrare, mezenchimal sau amoeboidal. Mai mult, utilizatorii aplicației au posibilitatea de a eticheta fenotipul celulelor migratoare.

Obiective

Obiectiv general: dezvoltarea unui instrument integrativ MCELLML pentru analiza fenotipului migrator al celulelor tumorale pe platforme microfluidice, combinat cu algoritmi de procesare a imaginilor si invatare automata, pentru a prezice potentialul metastatic al oricarei tumori pe baza datelor fenotipice directe.

O1. Determinarea automatizata a caracteristicilor de migrare ale celulelor individuale si grupurilor de celule prin dispozitive microfluidice, procesare de imagini si retea neuronala feed-forward.

O2. Caracterizarea migrarii mezenchimale si ameboidale prin procesare de imagini si abordari ML dedicate.

O3. Integrarea designului microfluidic si a abordarii ML intr-o platforma multidisciplinara pentru caracterizarea migrarii si predictia metastazelor.

Etape si activitati

Etapa 1

Caracterizarea migrarii celulelor tumorale in dispozitive microfluidice cu automatizarea evaluarii vitezei, persistentei si procentului de celule migratoare pentru celule individuale si clustere.

A1.1 Obtinerea de imagini in serie temporala ale celulelor tumorale migratoare in dispozitive microfluidice de 10 um si 50 um.
- A1.1.1 Producerea dispozitivelor microfluidice si realizarea experimentelor de migrare in cultura celulara (IOCN).
- A1.1.2 Configurarea serverului pentru aplicatia Django si proiectarea modelului bazei de date pentru seturile de imagini (GRAPHIT).
A1.2 Automatizarea evaluarii vitezei, persistentei, procentului de celule migratoare si pozitiei mitocondriilor in celule individuale.
- A1.2.1 Definirea caracteristicilor si structurii rapoartelor de date. Experimente de migrare in cultura celulara (IOCN).
- A1.2.2 Dezvoltarea algoritmilor de procesare imagini si generarea rapoartelor pe baza rezultatelor (GRAPHIT).
A1.3 Automatizarea evaluarii pentru grupuri de celule (clustere) in dispozitive microfluidice.
- A1.3.1 Definirea caracteristicilor pentru antrenarea algoritmului ML specific clusterelor. Experimente de migrare (IOCN).
- A1.3.2 Extragerea caracteristicilor si configurarea topologiei retelei neuronale, antrenarea modelului (GRAPHIT).
A1.4 Proiectarea si producerea dispozitivelor microfluidice pentru evaluarea migrarii mezenchimale si ameboidale (Partea 1).
- A1.4.1 Proiectarea si productia dispozitivelor pentru evaluarea migrarii (IOCN).
A1.5 Obtinerea de imagini in serie temporala ale celulelor migratoare pe dispozitive dedicate migrarii ameboidale/mezenchimale (Partea 1).
- A1.5.1 Experimente de migrare in cultura celulara si inregistrarea imaginilor (IOCN).
- A1.5.2 Dezvoltarea aplicatiei MCELLMLL pentru gestionarea utilizatorilor si accesul la seturi de imagini (GRAPHIT).
A1.6 Dezvoltarea unui algoritm de invatare automata pentru recunoasterea fenotipului migrator (ameboidal/mezenchimal) si calcularea vitezei/persistentei/procentului de celule migratoare (Partea 1).
- A1.6.1 Stabilirea tipului de fenotip migrator necesar pentru antrenarea retelei neuronale (IOCN).
- A1.6.2 Antrenarea modelului ML si afisarea rezultatelor algoritmului (GRAPHIT).
A1.7 Participare la conferinte si congrese in domeniul cercetarii (IOCN).

Etapa 2

Integrarea designului microfluidic si a abordarii ML intr-o platforma completa pentru caracterizarea migrarii si predictia metastazelor, cu testare pe linii tumorale si celule primare.

A2.1 Proiectarea si producerea dispozitivelor microfluidice pentru migrari mezenchimale/ameboidale (Partea 2).
- A2.1.1 Proiectarea si producerea dispozitivelor microfluidice pentru evaluarea migrarii (IOCN).
A2.2 Obtinerea de imagini in serie temporala ale celulelor migratoare pe dispozitive selectate pentru migrarea ameboidala sau mezenchimala (Partea 2).
- A2.2.1 Experimente de migrare in cultura celulara si inregistrarea imaginilor (IOCN).
- A2.2.2 Imbunatatirea aplicatiei MCELLMLL pentru gestionarea utilizatorilor si acces la seturi de imagini (GRAPHIT).
A2.3 Dezvoltarea unui algoritm ML pentru recunoasterea fenotipului migrator (Partea 2).
- A2.3.1 Stabilirea tipului de fenotip migrator pentru antrenarea retelei neuronale (IOCN).
- A2.3.2 Antrenarea modelului ML si afisarea rezultatelor clasificarii (GRAPHIT).
A2.4 Dezvoltarea aplicatiei web MCELLML prin integrarea functionalitatilor dezvoltate in A1.2, A1.3, A1.5, A1.6 si A2.3.
- A2.4.1 Evaluarea criteriilor si caracteristicilor pentru dezvoltarea aplicatiei web (IOCN).
- A2.4.2 Dezvoltarea nodurilor de procesare pentru deep learning si rapoarte front-end cu scoruri de incredere si precizie medie (GRAPHIT).
A2.5 Testarea si validarea platformei combinate microfluidice + ML pe cinci linii celulare de cancer mamar si patru linii celulare suplimentare.
- A2.5.1 Producerea dispozitivelor si realizarea experimentelor de migrare (IOCN).
- A2.5.2 Suport pentru validarea aplicatiei MCELLML (GRAPHIT).
A2.6 Testarea aplicatiei MCELLML pe celule primare de cancer mamar de la 20 de paciente.
- A2.6.1 Producerea dispozitivelor si experimentelor de migrare pe celule primare (IOCN).
- A2.6.2 Suport pentru validarea pe celule primare (GRAPHIT).
A2.7 Participare la conferinte si congrese, publicarea a doua articole ISI (IOCN).

A2.7.1 Participare la conferințe și congrese în domeniul temei de cercetare. Publicarea a doua articole ISI (IOCN).

Rezultate

Etapa 2025

Rezultatele obținute în cadrul etapei anului 2025, s-au bazat pe implementarea activitatile specifice (A1-A7) mentionate in cadrul Etapei 1. Astfel, în cadrul Obiectivului 1 au fost realizate studii de migrare celulară în dispozitive cu canale de 10 și 50 µm, utilizând linii tumorale derivate din cancere solide – cancer mamar și cancer colorectal (A1.1). Ca rezultate, au fost obținute imagini time-lapse cu celule migratoare, atât individuale cât și în clustere, în contrast de fază și cu nucleul marcat fluorescent, însumând un total de 43.516 imagini. Utilizând aceste imagini, a fost dezvoltat un algoritm de procesare automatizată, care include un flux complet – de la corecția unghiului imaginilor până la urmărirea automată a celulelor și clusterelor. Acest algoritm a fost utilizat pentru evaluarea parametrilor relevanți ai migrării, precum viteza scalară, viteza vectorială, procentul de celule migratoare, procentul de celule penetratoare, dimensiunea și vitezele clusterelor (A1.2, A1.3). De asemenea, a fost realizat designul dispozitivelor microfluidice pentru evaluarea migrării de-a lungul continuului mezenchimo-amoeboidal (A1.4). Având în vedere complexitatea tehnică ridicată, au fost testate mai multe metode de producție, atât turnarea PDMS pe o matriță fotolitografiată, cât și gravarea PDMS cu laser CO₂.

În cadrul acestei etape a fost realizată și prima parte a Obiectivului 2 – Caracterizarea tranziției de la migrarea mezenchimală la cea ameboidă prin procesare de imagini și abordări de tip machine learning. Pentru evaluarea modurilor migratorii, au fost generate imagini time-lapse utilizând celule cu marcaj fluorescent pentru nucleu și citoschelet, obținându-se un total de 16.240 de imagini în dispozitive cu canale de 6 µm (A1.5). Pentru dezvoltarea algoritmului de evaluare a tranziției mezenchimal–ameboidale au fost selectate seturi de date relevante privind forma, poziția și dinamica clusterelor celulare, utilizate ulterior în antrenarea inițială a unui model de tip YOLO. Primele sesiuni de antrenare au demonstrat fezabilitatea detecției și clasificării automate a fenotipurilor migratorii, permițând ajustarea etichetelor și optimizarea parametrilor pentru creșterea acurateței (A1.6). Pe durata implementării, echipa proiectului a participat la două conferințe științifice pe tema cercetării (A1.7).

MCELLML

Despre proiect

Rezumat

Echipa

Obiective

Etape si activitati

Etapa 1

Etapa 2

Rezultate

CSI Dr. Ovidiu Balacescu

Trimite un mesaj