Onderzoeksgroep

Expertise

- (Biomedische) beeldanalyse, machine learning en deep learning op 2D en 3D beelden - High-throughput image analysis - Fluorescentiemicroscopie - Ontwikkelen van methoden voor de fenotypering van 2D en 3D cell culturen (bv. organoïden)

Schaalbare en hoog-informatieve in-toto profilering van organoiden met cellulaire resolutie met behulp van deep learning-ondersteunde analyse 01/01/2024 - 31/12/2025

Abstract

Ondanks technologische verbeteringen zijn geneesmiddelenontdekkingsprogramma's in de afgelopen decennia minder succesvol en duurder geworden. Dit kan deels worden toegeschreven aan de hardnekkige toepassing van suboptimale preklinische screeningsplatformen die voornamelijk gebruik maken van eenvoudige celculturen en toxiciteits- en farmacokinetische experimenten met diermodellen. Organoïden vormen een nieuwe generatie van beloftevolle modelsystemen voor preklinisch onderzoek. De belangrijkste obstakels voor het gebruik van organoïden zijn hun gebrek aan reproduceerbaarheid en het ontbreken van een technologie om ze grondig te karakteriseren. Wij geloven dat robuuste en reproduceerbare organoïdeproductie en analyse alleen kan worden gegarandeerd als organoïden in toto worden gekarakteriseerd met cellulaire resolutie. Met dit project willen we een pijplijn ontwikkelen voor snelle cellulaire fenotypering van intacte organoïden en ons voorbereiden op de lancering van een spin-off bedrijf dat dit als dienstenplatform aanbiedt aan de farmaceutische en biotechnologische industrie.

Onderzoeker(s)

Onderzoeksgroep(en)

Project type(s)

  • Onderzoeksproject

INFERENCE. Schaalbaar screening platform dat het werkingsmechanisme van genverstoringen voorspelt op basis van geïntegreerde transcriptionele en celfenotypische metingen. 01/05/2023 - 30/04/2024

Abstract

De klassieke werkwijze voor de ontdekking van geneesmiddelen is gebaseerd op een selectie van moleculaire doelwitten en de validatie van verbindingen via enkelvoudige uitlezing van technologieën die grote celpopulaties uitmiddelen. Deze strategie gaat voorbij aan de grote variatie en informatie die aanwezig zijn in een biologisch staal, wat leidt tot selectie bias en verlies van veelbelovende leads. High-content microscopie biedt een groot potentieel voor verfijnde analyse van het werkingsmechanisme (mode-of-action, MoA) van farmaco-genomische verstoringen. Een bijzonder informatierijke uitlezing kan worden verkregen met Cell Painting (CP), een aanpak die in ons lab is geïmplementeerd en bestaat uit geautomatiseerde microscopie en morfologische analyse van cellen die gekleurd zijn met goedkope fluorescente kleurstoffen. De resulterende fenotypische beschrijvingen kunnen worden gebruikt om de MoA van behandelingen accuraat te voorspellen. Deze voorspellingen zijn echter beperkt tot bekende MoA in de dataset. Bovendien kunnen factoren, zoals experimentele ruis en intercellulaire heterogeniteit, relevante biologische eigenschappen vertroebelen. Vandaar dat wij een uitgebreidere MoA documentatie voor ogen hebben door een aanvullende informatielaag toe te voegen op basis van genexpressie analyse van dezelfde celcultuur. Daartoe zullen wij samenwerken met het OncoRNA lab van Prof. Mestdagh (Universiteit Gent), die een efficiënt platform heeft ontwikkeld voor parallelle shotgun transcriptomics met hoge genoomdekking. Samen willen we de combinatie van CP en transcriptomics inzetten voor systematische gen silencing screens op basis van CRISPRi-technologie. Als proof-of-concept zullen we een set genen met gekende MoA gericht neerreguleren in een panel van ziekte-relevante cellijnen. Door de associatie van specifieke genen met simultane veranderingen in celmorfologie en genexpressie, beogen wij een aanrijkingsanalyse op punt te stellen die onbevooroordeelde MoA voorspelling mogelijk maakt. We zullen deze technologie aanbieden als een service voor biotechnologische en farmaceutische bedrijven die hun preklinische R&D lijnen willen verbeteren. Tezelfdertijd, bouwen we een biologisch datakapitaal op, waarmee we op termijn de manier van moleculaire doelwitontdekking willen hertekenen en waarmee we ons zullen positioneren als een voortrekker van data-gedreven biotech op Europees niveau.

Onderzoeker(s)

Onderzoeksgroep(en)

Project type(s)

  • Onderzoeksproject