פרויקטי גמר - הנדסת חשמל - תואר ראשון - Bioengineering תשפ"ד

הרקע לפרויקט

שיטות רבות פותחו ונלמדו למציאת דרך חדשנית לטיפול בסרטן.  אחת משיטות אלו לטיפול בגידולים סרטניים היא תרפיה פוטודינאמית. הצורך בפיתוח של ננו חלקיקים כמערכות הובלה של תרופות לגידולים סרטניים וביניהם תרופות שמשמשות לטיפול הפוטודינאמי הולך ומתגבר. נשתמש בקומפלקס שפותח במעבדה של ננו חלקיקי זהב שמחוברים לתרופה פוטודינאמית בתאי סרטן ונבחן את התאים לאחר שילוב של טיפולים נוגדי סרטן.

מטרת הפרויקט

מטרת הפרויקט היא לבחון את הטיפול הפוטודינאמי והטיפול התרמי לאחר שימוש בקומפלקס של ננו חלקיקי זהב שקשורים לתרופה. לשם כך, נגדל תאים סרטניים, נבחן את התאים לאחר קליטת החלקיקים בתאים, נבצע טיפול אנטי סרטני בתאים ונאבחן את התאים לאחר הטיפול (כימות התאים, מורפולוגיה).

תכולת בפרויקט

• לימוד תאורטי וקריאה בספרות של מחקרים רלבנטיים.
• טיפול בתאים בעזרת קומפלקס של ננו חלקיקי זהב שקשורים לתרופה.
• מעקב אחר התאים שכולל כימות של התאים לאחר הטיפול האנטי סרטני בעזרת Image J, בדיקת מורפולוגיה ופרמטרים נוספים.

קורסי קדם

• ביולוגיה למהנדסים

 דרישות נוספות

• ידע מוקדם בImage J ו-Matlab

 מקורות:

[1] E. Varon, G. Blumrosen and O. Shefi, "A predictive model for personalization of nanotechnology-based phototherapy in cancer treatment," doi: 10.3389/fonc.2022.1037419.

הרקע לפרויקט:

שיטות רבות פותחו ונלמדו למציאת דרך חדשנית לטיפול בסרטן. אחת משיטות אלו לטיפול בגידולים סרטניים היא תרפיה פוטודינאמית. הצורך בפיתוח של ננו חלקיקים כמערכות הובלה של תרופות לגידולים סרטניים וביניהם תרופות שמשמשות לטיפול הפוטודינאמי הולך ומתגבר. נשתמש בקומפלקס שפותח במעבדה של ננו חלקיקי זהב שמחוברים לתרופה פוטודינאמית בתאי סרטן ונבחן את התאים לאחר שילוב של טיפולים נוגדי סרטן על ידי הקרנות בלייזר.

מטרת הפרויקט:

מטרת הפרויקט היא לבחון את הטיפול הפוטודינאמי והטיפול התרמי לאחר שימוש בקומפלקס של ננו חלקיקי זהב שקשורים לתרופה. לשם כך, נגדל תאים סרטניים, נבחן את התאים לאחר קליטת החלקיקים בתאים, נבצע טיפול אנטי סרטני בתאים ונאבחן את התאים לאחר הטיפול. לאחר מכן נתכנן טיפול רפואי מותאם אישי על ידי אלגוריתם שנפתח ומודלים של למידת מכונה הלוקח בחשבון פרמטרים כגון עוצמת הלייזר ומשך זמן הקרנה כדי להשיג תוצאה המותאמת לגידול ספציפי.

תכולת הפרויקט:

• לימוד תאורטי וקריאה בספרות של מחקרים רלבנטיים.
• טיפול בתאים בעזרת קומפלקס של ננו חלקיקי זהב שקשורים לתרופה.
• מעקב אחר התאים שכולל כימות של התאים לאחר הטיפול האנטי סרטני בעזרת Image J,
• בדיקת מורפולוגיה ופרמטרים נוספים.

קורסי קדם:

ביולוגיה למהנדסים ומבוא ללמידת מכונה

דרישות נוספות:

ידע מוקדם בImage J ו-Matlab או Python

מקורות:

[1] E. Varon, G. Blumrosen, M. Sinvani, E. Haimov, S. Polani, M. Natan, I. Shoval, A. Jacob, A. Atkins, D. Zitoun and O. Shefi, "An Engineered Nanocomplex with Photodynamic and Photothermal Synergistic Properties for Cancer Treatment," Int J Mol Sci, vol. 23, no. 4, pp. 2286, Feb. 2022, https://pubmed.ncbi.nlm.nih.gov/35216400/

הרקע לפרויקט:

אלקטרוקורטיקוגרפיה (ECOG) היא טכניקה מבטיחה המקליטה פעילות מוחית במוח האדם באמצעות אלקטרודות ייעודיות המונחות ישירות על קליפת המוח. טכניקה זו היא כלי קליני שימושי למיפוי תפקוד המוח מכיוון שהיא מספקת נתונים ייחודיים עם רזולוציה גבוהה בזמן ובמרחב, שלא ניתן להשיג עם שיטות מדידה אחרות שאינן פולשניות. בין השאר, ממשקי מוח-מחשב (Brain computer interfaces, BCI) וכן יישומים קליניים אחרים משתמשים בשיטה הנ"ל.

הראנו בעבר כי נתוני ECOG שנאספו במהלך ניתוח מוח בערות של מטופלים עם גידול מוחי, מכילים מידע הקשור לאזורי מוח והתפקודים אליהם הם קשורים. עם זאת, הקשר של פעילות זו לתבניות של קישוריות עם אזורי מוח אחרים, הן באזורים בריאים והן באזור הגידול, עדיין לא ידועים.
בפרויקט זה , נשתמש במספר מדדים כדי לחקור שינויים של האותות העצביים במוח האדם, גם באופן מקומי באזור הגידול תוך שימוש בנתוני ECOG, וגם באופן שבו הם קשורים לאזורים ורשתות בכל המוח באמצעות fMRI (functional MRI). כמו כן, הפרויקט יכלול שיטות של למידת מכונה על מנת לנבא תוצאות קוגניטיביות ולסווג רקמות בריאות לעומת רקמות חולות על סמך פעילות מוחית.

דימות מוחי מדויק (precision neuroimaging) הינו גישה מתפתחת המתמקדת בהבנת פעילות המוח ואזורים תפקודיים ברמת האדם האינדיבידואל. גישה זו כוללת שימוש במידע רווי נתונים משיטות דימות שונות ויש לכך השלכות חשובות בפיתוח שיטות רפואה מותאמות אישית.
פרויקט זה יעסוק בשילוב נתונים משיטות הדימות השונות תוך מטרה מכוונת לשימוש קליני.

מטרת הפרויקט:

מטרת פרויקט זה היא לפתח שיטות לעיבוד מידע וזיהוי מדדי פעילות אותות עצביים בנתוני ECOG ושילובם עם כלי מדידה אחרים כמו שיטת ה-fMRI, על מנת לזהות אזורים תפקודיים במוח ברמת המטופל האינדיבידואל. כלים אלו שנפתח ישמשו בסיס להבנת העקרונות של ארגון אזורים ורשתות במוח ודפוסי קישוריות מוחית.

תכולת הפרויקט:

הסטודנטים יפתחו כלים לניתוח אותות מוחיים משיטות מדידה שונות וישתמשו במודלים סטטיסטיים וויזואליזציה של התוצאות. העבודה תכלול: כתיבת קוד, ניתוח נתונים, מודלים סטטיסטיים, וקריאת ספרות.

קורסי קדם:

ניתוח אותות

דרישות נוספות:

דרושה יכולת תכנות בפייתון או ב-MATLAB.

קורסים (לא חובה):

• מדעי נתונים ביולוגיים
• קורס נוירופיזיולוגיה של מערכות ו/או כל ידע על מערכות מוחיות.

מקורות:

1. Moataz Assem, Michael G. Hart, Pedro Coelho, Rafael Romero-Garcia, Alexa McDonald, Emma Woodberry, Robert C. Morris, Stephen J. Price, John Suckling, Thomas Santarius, John Duncan, Yaara Erez. High gamma activity distinguishes frontal cognitive control regions from adjacent cortical networks, Cortex, Volume 159, 2023, Pages 286-298. https://doi.org/10.1016/j.cortex.2022.12.007.
2. Ayan S. Mandal, Moataz Assem, Rafael Romero-Garcia, Pedro Coelho, Alexa McDonald, Emma Woodberry, Robert C. Morris, Stephen J. Price, John Duncan, Thomas Santarius, John Suckling, Michael G. Hart, Yaara Erez. Tumour-infiltrated cortex participates in large-scale cognitive circuits medRxiv 2022.12.19.22283690. https://doi.org/10.1101/2022.12.19.22283690
3. Crone N.E., Sinai A. & Korzeniewska A. (2006). High-frequency gamma oscillations and human brain mapping with electrocorticography. Progress in Brain Research 159, 275–295. https://doi.org/10.1016/S0079-6123(06)59019-3

הרקע לפרויקט:

מחלות נוירולוגיות מהוות נטל הולך וגובר על חולים, משפחותיהם והחברה ככלל. זיהוי של סמנים ביולוגיים להפרעות נוירולוגיות הוא חיוני להערכת הסיכון והתחזית הרפואית, והם הכרחיים לניטור התגובה לטיפולים פוטנציאליים. אנו משערים שרנ״א שאיננו ממוקם נכון בתוך נוירונים יכול לשמש כמשפחה חדשה של סמנים ביולוגיים להפרעות אלו. השערה זו מבוססת על העובדה שהמיקום התוך התאי של רנ״א חיוני לתפקוד עצבי, ומיקום לקוי של רנ״א מעורב במחלות נוירולוגיות.
כדי לזהות סמנים ביולוגיים אלה, נדרש להתגבר על שני מחסומים טכנולוגיים: היעדר מודלים מחקריים אמינים למחלות נוירולוגיות, והיעדר שיטות למדידה רחבה של רנ״א תוך תאי בנוירונים.

מטרת הפרויקט:

בפרויקט זה נשתמש בטכנולוגיה חדשה שנקראת ׳ריצוף מרחבי׳ המאפשרת מיפוי מולקולרי של תאי עצב בסופר רזולוציה. זה יאפשר לנו לאפיין את הנוירונים ואת מיקומן המדויק של מולקולות הרנא ברזולוציה תוך תאית ובשלוחות על מנת לזהות סמנים ביולוגים למחלות. תאי העצב שנחקור מקורם בתאי גזע של חולים במחלות נוירולוגיות המטופלים בבתי חולים בארץ. תאים מחולים אלו מויינו לנוירונים בעזרת פלטפורמת Brain-on-Chip שמותאמת אישית לחולים.

תכולת הפרויקט:

• הכרת טיפולים חדשניים בתאי גזע ופלטפורמת Brain-on-Chip
• הכרת ולמידת פרוטוקול הריצוף המרחבי במעבדה
• צילום תוצאות עבור מידע רב-ממדי של ריצוף מרחבי
• ניתוח תמונות וניתוח נתונים - איך מיקום הרנא משפיע על חולים שונים במחלות נוירולוגיות שונות? איזה מבין מולקולות הרנא השונות יכולות להוות סמן מובהק למחלה כלשהי?
• הסקת מסקנות וסיכום התוצאות

קורסי קדם:

פיזיולוגיה כמותית

דרישות נוספות:

• רקע בביולוגיה הוא חובה
• רקע בניתוח נתונים ועיבוד תמונה הוא יתרון

מקורות:

https://www.alonlab.org/technology

הרקע לפרויקט:

תסמונת ה-X השביר היא הגורם הגנטי השכיח ביותר לאוטיזים. המחלה נגרמת על ידי השתקה של הגן שהוא קושר רנ״א, מה שמוביל לשיבושים במיקום מולקולות רנ״א במוח ובארגון הסינפסות בין הנוירונים. למרות השפעתה השלילית על בריאות הציבור, ההתקדמות בהבנת תסמונת ה-X השביר ופיתוח טיפולים היא מוגבלת מאוד. בפרויקט זה נחקור את תפקידם של רנ״א מעגליים (circRNAs), משפחה של מולוקולות שהתגלתה רק באחרונה, בפתולוגיה של המחלה.

מטרת הפרויקט:

להשתמש במודל של דג זברה ותאי גזע מחולים כדי לחקור את תפקידם של רנ״א מעגליים בסינפסות ולבסס אותם כסמנים ביולוגיים ומטרות טיפוליות עבור המחלה. תוצאות מחקר זה עשויות להניח את הבסיס למחקר עתידי ולהתקדמות טיפולית במחלה זו והפרעות גנטיות אחרות. בפרויקט זה נשתמש בטכנולוגיה חדשה שנקראת ׳ריצוף מרחבי׳ המאפשרת מיפוי מולקולרי של תאים בתוך רקמות בסופר רזולוציה, על מנת אפיין את הרנ״א המעגלי בתסמונת האיקס השביר.

תכולת הפרויקט:

• הכרת תסמונת ה-x השביר ורנ״א מעגלי
• הכרת ולמידת פרוטוקול הריצוף המרחבי במעבדה
• צילום תוצאות עבור מידע רב-ממדי של ריצוף מרחבי במוחות של דגי זברה ובתאי גזע מחולים
• פיתוח טכנולוגיה חדשה לזיהוי רנ״א מעגלי ברקמות
• ניתוח תמונות וניתוח נתונים
• הסקת מסקנות וסיכום התוצאות

קורסי קדם:

הקורס פיזיולוגיה כמותית

דרישות נוספות:

• רקע בביולוגיה הוא חובה
• רקע בניתוח נתונים הוא יתרון

מקורות:

1. Alon S et al. (2021) Expansion sequencing: Spatially precise in situ transcriptomics in intact biological systems. Science 371: eaax2656. Expansion sequencing: Spatially precise in situ transcriptomics in intact biological systems | Science
2. Chen Y, Li C, Tan C, Liu X (2016b) Circular RNAs: a new frontier in the study of human diseases. J Med Genet 53:359–365. Circular RNAs: a new frontier in the study of human diseases - PubMed (nih.gov)

הרקע לפרויקט:

מחלת האלצהיימר הינה מחלה קשה של מערכת העצבים המרכזית. הסיבות למחלה לא ידועות ובשל כך עד היום לא קיים טיפול יעיל למחלה. מחלת האלצהיימר מלווה באובדן ושינוי של נוירונים, בהופעתם של פלאקים עמילואידיים רעילים (Aβ plaques), בהצטברות של גושי סיבים (tangles) בתוך הנוירונים ובריבוי של תאי תמיכה (מיקרוגליה) פעילים. אחת משאלות המפתח היא מה הקשר בין המאפיינים הללו -- למשל איך מגיבים הנוירונים לסיגנליים המרחביים שמגיעים מהפלאקים והאם הקרבה לפלאקים גורמת למוות של הנוירונים? השאלה הזאת מתחברת לשאלה גדולה יותר - עד כמה הסביבה הפיזית של הנוירונים במוח משנה אותם?

מטרת הפרויקט:

בפרויקט זה נשתמש בטכנולוגיה חדשה שנקראת ׳ריצוף מרחבי׳ המאפשרת מיפוי מולקולרי של תאים בתוך רקמות בסופר רזולוציה. הטכנולוגיה מאפשרת ליצור ולנתח מפה מרחבית-מולקולרית ברמת התאים הבודדים במוח של עכברים חולי אלצהיימר. מפה זו תכלול סיגנלים מרחביים כמו פלאקים ותאי מיקרוגליה פעילים, יחד עם התוכן המולקולרי של הנוירונים במיקום המקורי שלהם ברקמה.

תכולת הפרויקט:

• הכרת ולמידת פרוטוקול הריצוף המרחבי במעבדה
• צילום תוצאות עבור מידע רב-ממדי של ריצוף מרחבי
• ניתוח תמונות וניתוח נתונים
• הסקת מסקנות וסיכום התוצאות
• כתיבת מאמר מהווה סיום בהצטיינות של הפרויקט

קורסי קדם:

הקורס פיזיולוגיה כמותית

דרישות נוספות:

רקע בביולוגיה הוא חובה
רקע בעבודה במעבדה ביולוגית הוא יתרון

מקורות:

1. https://www.alonlab.org/technology
2. Hyperbaric oxygen therapy alleviates vascular dysfunction and amyloid burden in an Alzheimer’s disease mouse model and in elderly patients https://www.aging-us.com/article/203485/text

הרקע לפרויקט:

אורגנואיד הוא מודל תלת מימדי של תרבית תאים המחקה את המבנה והתפקוד של איבר או רקמה בגוף האדם. אורגנואיד מיוצר בדרך כלל מתאי גזע או מדגימות רקמה ומכיל סוגי תאים מרובים המאורגנים באופן דומה לאיבר המקורי. האורגאנואידים מספקים ייצוג מדויק יותר של הביולוגיה האנושית בהשוואה לתרביות תאים דו-ממדיות מסורתיות, מה שמאפשר לקבל תובנות חשובות לגבי תפקוד האיברים ומנגנוני המחלה.

אורגנואידים הופיעו ככלי רב עוצמה בתחום חקר הסרטן, ומהווים דרך מבטיחה להעריך את היעילות של טיפולי סרטן שונים. על ידי גידול אורגנואידים במעבדה, ניתן ליצור מחדש את המיקרו-סביבה של הגידול וללמוד כיצד טיפולים שונים בסרטן משפיעים עליהם. אורגנואידים יכולים להיחשף למגוון של טיפולים, כולל תרופות כימותרפיות, טיפולים ממוקדים ואימונותרפיות, דבר המאפשר להעריך את התגובה שלהם ולהתאים אסטרטגיות טיפול בהתאם. גישה מותאמת אישית זו מספקת תובנות חשובות לגבי היעילות של טיפולים ספציפיים עבור מטופלים בודדים, עוזרת לייעל את בחירת הטיפול בסרטן ולשפר את תוצאות המטופל. יתרה מכך, אורגנואידים יכולים להיווצר במהירות יחסית, מה שהופך אותם למשאב רב ערך עבור בדיקת תרופות בתפוקה גבוהה ומאיץ את הפיתוח של תרופות נוגדות סרטן חדשות.

מטרת הפרויקט:

בפרויקט זה נשתמש בטכנולוגיה חדשה שנקראת ׳ריצוף מרחבי׳ המאפשרת מיפוי מולקולרי של האורגנואיד מחולי סרטן בסופר רזולוציה. השיטה מאפשרת ליצור מפה גנומית ולזהות מאות מולקולות רנ"א במרחב האורגנואיד ברזולוציה ננומטרית. כיום ידוע שמיקום של רנ"א בתאים וברקמות מהווה בסיס לתהליכים ביולוגים רבים וכן מקום שגוי עלול להוות מקור לתפקוד רקמה לא תקין. ההבדלים המרחביים בביטוי הרנא שימצאו בין האורגנואידים השונים שנחשפו לטיפולים שונים יהויו ממצא משמעותי ובסיס עבור תיכנון טיפול מותאם אישית עבור חולי סרטן.

תכולת הפרויקט:

• הכרת התחום של אורגנואידים בהקשר של טיפול בסרטן
• הכרת ולמידת פרוטוקול הריצוף המרחבי במעבדה
• פיתוח טכנולוגיה למיפוי מרחבי של אורגנואידים
• צילום תוצאות עבור מידע רב-ממדי של ריצוף מרחבי
• ניתוח תמונות וניתוח נתונים
• הסקת מסקנות וסיכום התוצאות

קורסי קדם:

פיזיולוגיה כמותית

דרישות נוספות:

• רקע בביולוגיה הוא חובה
• רקע בניתוח נתונים ועיבוד תמונה הוא יתרון

מקורות:

1. https://www.alonlab.org/technology

הרקע לפרויקט:

במעבדה שלנו חוקרים רקמות בעזרת טכנולוגית ריצוף מולקולרי המאפשרת לדעת, בדיוק ננומטרי, מה מיקומם המרחבי של מאות גנים בתוך הרקמה. טכנולוגיה זו נמצאת בחזית המחקר ואף נכנסת לשימוש בתעשייה. הטכנולוגיה מאפשרת אפיון עמוק של מחלת הסרטן, אלצהיימר, עיוורון כתוצאה ממחלות רשתית, אוטיזם ועוד. הטכנולוגיה מבוססת על תהליכים אנזימטיים המתרחשים ברקמה וזיהוי מיקום המולקולות ע"י שימוש במיקרוסקופ כך שמתקבלות מפות גנומיות מדויקות של אזורים שונים ברקמה. בעזרת הריצוף ניתן לדעת היכן כל גן מתבטא ברקמה ומה רמת הביטוי של כל גן. ההכנה של הרקמות לריצוף והריצוף עצמו כוללים שלבים רבים של פעילות אנזימטית וצילום במיקרוסקופ. כיום שלבי ההכנה ושלבי הריצוף מתבצעים באופן ידני במעבדה כך שהכנה של רקמה לריצוף אורכת זמן רב והצילום גם כן ארוך ובזבזני. אוטומציה של תהליך הכנת הדוגמה ושל תהליך הריצוף תוכל לאפשר להשתמש בטכנולוגיה על מספר גדול יותר של רקמות ביעילות רבה יותר, שיפור שבאופן יש לו גם משמעות קלינית.

מטרת הפרויקט:

מטרת הפרויקט היא לאפשר אוטומציה של הכנת הרקמות לריצוף וריצופן.
הפרויקט יכלול תכנון ותכנות של רובוט שיאפשר הכנה אוטומטית של הרקמות לריצוף ותכנון ובניה של מערכת מיקרופלואידית שתאפשר אוטומציה של שלבי הריצוף האנזימטיים תחת המיקרוסקופ. בניית המערכת דורשת תכנון הנדסי מדויק כך שתכיל תא-זרימה (Flow Cell) אשר יותקן על במת המיקרוסקופ. בתוך תא הזרימה יונחו רקמות הניסויי ואל התא יוזרמו אנזימים וראגנטים שונים בזמנים מדוייקים ובטמפרטורות שונות. המערכת כולה צריכה לפעול על יד מחשב המיקרוסקופ ולכן יהיה צורך בהבנת חומרה ותוכנה. הפרויקט יאפשר ריצוף מרחבי אוטומטי בסופר רזולוציה.

תכולת הפרויקט:

• הכרת הרובוט ומערכת המיקרוסקופיה הקיימת במעבדה ושל וכן תוכנות האנליזה לצורך הבנה בסיסית של הפרויקט
• למידה של אופן תכנות הרובוט וכיולו
• למידת שלבי הפרוטוקול הנדרשים לאוטומציה
• חיבור במת המיקרוסקופ, תא הזרימה, המשאבות והמחשב למערכת אחת
• הבנת הפקודות הנדרשות להפעלה מרחוק של המשאבות
• יצירת קוד עבודה שיאפשר לכלל הרכיבים לפעול יחד
• ריצוף לדוגמא והשגת דאטא
• סיכום התוצאות

קורסי קדם:

מבוא להנדסת תוכנה ומחשבים

דרישות נוספות:

• רקע בביולוגיה מומלץ
• רקע בתכנות חובה
• רקע בחומרה יתרון

מקורות:

https://www.alonlab.org/technology

הרקע לפרויקט:

מחלת הסרטן היא מחלה קשה ואחד מגורמי המוות העיקריים בעולם המודרני. עם התקדמות הרפואה, קיימים כיום טיפולים מגוונים כולל טיפולים ביולוגיים שונים ואימונותרפיה, מעבר לטיפולים הסטנדרטיים בכימותרפיה, ניתוחים והקרנות. עדיין קיים קושי בהתאמה אישית של טיפול לסרטן הספציפי, ולמחלה של כל מטופל באופן פרטני. זמן רב, כמו גם סבל רב ויכולת עמידה של המטופלים, מתבזבז, בגלל שהיכולת להתאים טיפול מתאים לכל חולה עדיין איננה מפותחת דיה.

רוב חולי הסרטן עוברים בשגרה לקיחת ביופסיה, הכוללת צביעה כללית (H&E) שמאפשרת לזהות את הרקמה הסרטנית, החדירות שלה לרקמה הבריאה וכן חדירות של תאי מערכת החיסון לתוך הסרטן. כיום מביופסיות אלו ניתן להפיק מידע רב יותר, כגון הסוגים הספציפיים של תאי החיסון בתוך הרקמה הסרטנית, האינטראקציות ביניהן וכדומה. שיטות המשתמשות בצביעות במימד גבוה - כלומר עשרות נוגדנים שונים (במקום נוגדן אחד או שניים כמקובל כיום) יאפשרו זיהוי מדויק יותר של סוגי התאים השונים. ייתכן מאוד ששיטות אלו גם יאפשרו ללמוד על מאפיינים המרמזים על הטיפול הנכון לחולה הספציפי.

מטרת הפרויקט:

בפרויקט זה נשתמש בצביעות של כמה נוגדנים פלורסנטים במקביל, כמו גם איפוס הסיגנל וחזרה לצביעות עם סט נוגדנים חדש. הפרויקט ידרוש גם יכולת של עיבוד תמונה - לצורך איחוד התמונות השונות לאותו מיקום, ככה שאפשר יהיה לאחד את כל הצביעות ובעצם לסמן את הדוגמה הסרטנית בעשרות נוגדנים שונים.

בחירה מושכלת של הנוגדנים תאפשר זיהוי של כמה שיותר סוגי תאים שונים בתוך הרקמה הסרטנית, לדוגמא סוגים שונים של תאי B ו- T, ועוד סוגי תאים שונים של מערכת החיסון, כמו גם אפיון תאים סרטניים ותאים של הרקמה הבריאה.

לאחר שיתקבלו תמונות מפורטות כאלו מדוגמאות סרטניות שונות ניתן יהיה להשתמש בלמידת מכונה כדי להבין אלו מאפיינים קשורים לסוג או השלב של הגידול ואולי גם לפרגנוזה של החולה או התגובה שלו לטיפולים שונים. מערכת כזאת תאפשר התאמה מיטבית של תרופות לסוגי סרטנים שונים.

תכולת הפרויקט:

• בניית טכנולוגיה לצביעות עם כמה נוגדנים במקביל כולל מחיקת הסיגנל הפלוארסנטי וצביעה מחדש
• כתיבת קוד של עיבוד תמונה שידע לאחד תמונות שונות של אותו אזור
• בחירה מושכלת של נוגדנים שיתנו כמה שיותר אינפורמציה רלוונטית לדוגמאות הסרטניות
• ניתוח התמונות וקביעת זהות התאים השונים
• הפקת מידע בעזרת machine learning לגבי סיווג הסרטן ו/או התגובות לטיפולים שונים
• הסקת מסקנות וסיכום התוצאות
• ניתוח משמעותי של המידע מהווה סיום בהצטיינות של הפרויקט

קורסי קדם:

פיזיקה 1 ו-2

דרישות נוספות:

• רקע בביולוגיה הוא חובה
• רקע בניתוח נתונים הוא יתרון

מקורות:

1. Schürch CM, Bhate SS, Barlow GL, Phillips DJ, Noti L, Zlobec I, Chu P, Black S, Demeter J, McIlwain DR, Kinoshita S, Samusik N, Goltsev Y, Nolan GP. Coordinated Cellular Neighborhoods Orchestrate Antitumoral Immunity at the Colorectal Cancer Invasive Front. Cell. 2020 Sep 3;182(5):1341-1359.e19. doi: 10.1016/j.cell.2020.07.005.
2. A novel deep learning pipeline for cell typing and phenotypic marker quantification in multiplex imaging doi: https://doi.org/10.1101/2022.11.09.515776

הרקע לפרויקט:

מפות גנומיות מספקות תמונת מצב מפורטת של התאים ברקמות. במעבדה אנחנו משתמשים בטכנולוגיה חדשה שמאפשרת מדידה מרחבית של מפות גנומיות, וכך אפשר למדוד אינטראקציות בין תאים. כימות האינטראקציות בין תאים יכול לאפשר מידול של מחלות מורכבות כגון סרטן. עם זאת, תמונת המצב הנמדדת היא רגעית בלבד, ולכן אין מידע לגבי הדינמיות בתאים.
באמצעות מודל חישובי חדש בשם RNA velocity המתבסס על משוואות קצב ניתן לתאר את הדינמיות והכיווניות העתידית בביטוי הגנים בתאים. מודל נוסף המבוסס על Matrix Factorization יחשוף אילו גנים משתנים ביחד ומושפעים מהקרבה בין סוגי התאים השונים.

האם ניבוי המצב העתידי של התאים ברקמה סרטנית יחשוף אינטראקציות בין תאי סרטן לתאי מערכת חיסון? אילו קומבינציות של גנים מתארות את אותן אינטראקציות בין סוגי התאים השונים?

הפרויקט מנסה לענות על שאלות אלה תוך יישום האלגוריתמים והתאמתם למפה הגנומית המרחבית של הרקמה הסרטנית.

מטרת הפרויקט:

בפרוייקט נכתוב קוד שיממש RNA velocity model על מטריצות ביטוי גנים שהתקבלו משיטת single cell RNA sequencing. מאחר והמודל החדשני מאפשר ניבוי של ה-mRNA העתידי בתא, נחלץ מידע רחב היקף זה על התהליכים הדינמיים ברקמה הסרטנית. כמו כן, בשילוב עם המידע המרחבי של התאים ברקמה, ננסה לבדוק האם תאי מערכת החיסון מציגים דפוס ייחודי בביטוי הגנים העתידי שלהם כפונקציה של המרחק שלהם מתאי הסרטן. בנוסף, נשתמש בשיטה החישובית cNMF לזיהוי קומבינציות של גנים שמשתנים יחד ומתארים אינטראקציות בין תאי מערכת החיסון לבין תאי הסרטן.

תכולת הפרויקט:

• ניתוח מקדים של הנתונים: הכנה מותאמת של מטריצות ביטוי גנים כקלט לאלגוריתם.
• הכרה עמוקה של האלגוריתם לשלביו השונים, כתיבת קוד בפייתון שכולל מימוש של המודל.
• ניתוח הנתונים וזיהוי דפוסים בדאטא הויזואלי שהתקבל מהמודל.
• בחינת הקשר בין הדפוסים שהתקבלו במודל בקרב תאי מערכת החיסון לבין המידע על המרחק הפיזי שלהם מתאי הסרטן.
• סיכום התוצאות.

קורסי קדם:

מבוא להסתברות וסטטיסטיקה

דרישות נוספות:

• תכנות בפייתון.
• רקע בביולוגיה הוא יתרון.
• יתרון למי שלקח את הקורס בנוירו-גנומיקה.

מקורות:

1. Xia, C., Fan, J., Emanuel, G., Hao, J., & Zhuang, X. (2019). Spatial transcriptome profiling by MERFISH reveals subcellular RNA compartmentalization and cell cycle-dependent gene expression. Proceedings of the National Academy of Sciences, 116(39), 19490-19499.
2. La Manno, G., Soldatov, R., Zeisel, A., Braun, E., Hochgerner, H., Petukhov, V., ... & Kharchenko, P. V. (2018). RNA velocity of single cells. Nature, 560(7719), 494-498.
3. https://www.alonlab.org/technology

הרקע לפרויקט:

אחת הדרכים להתאים טיפולים לחולים בסרטן היא על ידי מיפוי מולקולרי רחב היקף בסופר רזולוציה של רקמות. עם זאת, ניתוח המידע מהווה אתגר מרכזי - איך אפשר לייצג ולנתח מידע מתמונות של מיליוני מולקולות כדי להחליט מה מצב התאים ברקמה הסרטנית? הפרויקט מנסה להתמודד עם האתגר הזה על ידי שיטות מעולם הלמידה העמוקה.

מטרת הפרויקט:

בפרויקט נשתמש במידע שהתקבל מטכנולוגיה מתקדמת במעבדה שלנו המאפשרת יצירת מפות תלת מימדיות של ביטוי הגנים ברקמה סרטנית.
כדי לנתח את המידע נפעיל אלגוריתמים של למידה עמוקה שישתמשו במיקום התוך תאי המדויק של מולקולות הרנ"א המוצגות במפות (תמונות) הנ"ל.

תכולת הפרויקט:

• ניתוח מקדים של הנתונים: זיהוי התאים ברקמה ואיחוד נתונים ממקורות שונים ליצירת מאגר אחד.
• היכרות מעמיקה עם אלגוריתמי למידה עמוקה.
• כתיבת קוד פייתון הכולל מימוש של האלגוריתם הנבחר ובנוסף, יצירת שכבת נוירונים שיכולה להסביר את קבלת ההחלטות.
• ניתוח הנתונים וזיהוי דפוסים של מצבי התאים במחלה.
• סיכום התוצאות.

קורסי קדם:

• כריית מידע וייצוג מידע – 83676
• למידה עמוקה – 83882 (ניתן לבצע במקביל לפרויקט)
• מדעי נתונים ביולוגים (ניתן לבצע במקביל לפרויקט, במקרים מסוימים יתכן פטור מקורס זה)

דרישות נוספות:

• רקע בלמידת מכונה הוא חובה.
• רקע בביולוגיה הוא יתרון.

מקורות:

1. Elkan, C. The foundations of cost-sensitive learning. Proceedings of the Seventeenth International Conference on Artificial Intelligence: 4-10 August 2001; Seattle, 1, 05, 2001.
2. Wang, S., Liu, W., Wu, J., Cao, L., Meng, Q., and Kennedy,P. Training deep neural networks on imbalanced datasets. pp. 4368–4374, 07 2016. doi: 10.1109/IJCNN.2016.7727770.
3. https://www.alonlab.org/technology

הרקע לפרויקט:

אחת הדרכים להתאים טיפולים לחולים בסרטן היא על ידי מיפוי מולקולרי רחב היקף ברזולוציה גבוהה של רקמות. עם זאת, ניתוח המידע מהווה אתגר מרכזי -- איך אפשר לייצג ולנתח מידע מתמונות של מיליוני מולקולות כדי להחליט מה מצב התאים ברקמה הסרטנית? הפרויקט מנסה להתמודד עם האתגר הזה על ידי שיטות של למידת מכונה.

מטרת הפרויקט:

בפרויקט נשתמש במידע שהתקבל מטכנולוגיה שהיא בחזית המידע של חקר הסרטן - מיפוי מדויק של מולקולות ברקמה סרטנית וננתח אותו באמצעות שיטות של למידת מכונה.

תכולת הפרויקט:

• הכרת הנתונים הביולוגיים המשמשים כקלט וכפלט לשלב ניתוח הדאטא.
• הבנת סט האלגוריתמים בשימוש במעבדה, המבוסס ברובו על אלגוריתמים של עצי החלטה.
• כתיבת קוד בפייתון עם כלים של למידת מכונה הכולל שיפור האלגוריתמים הקיימים במעבדה, יצירת אלגוריתמים חדשים, ואוטומציה שתאפשר ניתוח של מספר רקמות בצורה מהירה.
• ניתוח הנתונים וזיהוי דפוסים של מצבי התאים במחלה.
• סיכום התוצאות.

קורסי קדם:

לפחות אחד משלושת הקורסים הבאים:

• כריית מידע וייצוג מידע – 83676
• מבוא ללמידת מכונה (אפשר במקביל לביצוע הפרויקט)
• מדעי נתונים ביולוגים

דרישות נוספות:

• רקע בלמידת מכונה - חובה
• רקע בביולוגיה - יתרון

מקורות:

https://www.alonlab.org/technology

הרקע לפרויקט:

עבור טכנולוגיות ביולוגיות רבות, שלב קריטי וראשוני בניתוח הדאטא הוא שלב עיבוד התמונה. זהו שלב המקשר בין קבלת תוצאות הניסוי מהמיקרוסקופ לשלב של הסקת המסקנות הביולוגיות. שלב זה דורש עבודה נרחבת ומגוונת של עיבוד תמונות בתלת-מימד, והוא כולל בין היתר אלגוריתמים של registration, filtering, normalization, thresholding ועוד. בפרויקט זה נשתמש במידע שהתקבל מטכנולוגיה חדשנית המאפשרת מיפוי מדויק של מולקולות ברקמה, ונתמקד באלגוריתמים של עיבוד התמונה שעליהם נשען המשך ניתוח הנתונים.

מטרת הפרויקט:

הפרויקט יתחיל בהכרה ובהבנה של הדאטא הביולוגי איתו נעבוד, לאחר מכן ימשיך בלמידה של סט האלגוריתמים לעיבוד תמונה בשימוש במעבדה, ובסוף יתמקד בשיפור וביישום האוטומטי שלו על דאטא חדש הקיים היום במעבדה (שילוב של מטלב ו- Shell Script/bash script בלינוקס). מטרת הפרויקט היא לשפר את היישום האוטומטי, ולהתאים ולממש אותו על סוגי רקמות שונים. למשל, רקמות מוח של עכבר, רקמות סרטניות של בני אדם וכו', על מנת לייעל את שלב ניתוח התמונה במעבדה.

תכולת הפרויקט:

• הכרת הנתונים הביולוגיים המשמשים כקלט וכפלט לשלב עיבוד התמונה.
• למידת כלים ואלגוריתמים חשובים בתחום של עיבוד תמונה.
• הבנת סט האלגוריתמים בשימוש במעבדה, המבוסס ברובו על registration בתלת מימד.
• שיפור כלי שכבר קיים במטלב וב Shell Script/bash script בלינוקס המאפשר אוטומציה של סט האלגוריתמים. המטרה היא לשפר את היציבות של הכלי הקיים ולהבטיח שהוא עובד על סוגי דאטא שונים.
• מימוש הכלי החדש על סוגי דאטא שונים.

קורסי קדם:

סדנה במטלב (או לחילופין ניסיון מוכח בעבודה עם מטלב)

דרישות נוספות:

• רקע במטלב - חובה
• רקע בלינוקס - חובה
• רקע בעיבוד תמונה - יתרון
• רקע בניתוח נתונים - יתרון
• רקע ב - Shell Script/bash script - יתרון

מקורות:

https://www.alonlab.org/technology

הרקע לפרויקט:

Today, many drugs have unacceptable side effects due to the drug’s interaction with healthy tissues that are not the target site. Drug delivery systems are engineered technologies for targeted delivery and/or controlled release of therapeutic agents. Drug delivery systems that respond to external stimuli have a great research interest, as they enable the pulsatile release of drugs, according to external alterations. Many physical and chemical stimuli can be used as triggers, such as temperature, pH, light, electric fields, magnetic fields, osmotic pressure, and ultrasound (US). The US attracts great attention, due to its many advantages: absence of ionizing radiations, low cost, ease of operation, and the ability to transmit energy to precise locations.

מטרת הפרויקט:

Our goal is to develop an implantable device, loaded with drugs for controlled and under-demand release of the drug.
The students will design and fabricate a polymeric-based device for controlled drug delivery by acoustic waves. They will simulate theoretically and examine experimentally the effect of acoustic waves upon the device and cells in culture.

תכולת הפרויקט:

The student will simulate the acoustic force with the simulation software COMSOL. The simulation will be based on the physical properties of our system and examine it under different conditions. According to the results, the student will design and fabricate a model device, based on ultrasound-responsive polymer, combined with a drug.

קורסי קדם:

• פזיולוגיה כמותית
• דימות רפואי

מקורות:

1. Kim, H. J.; Matsuda, H.; Zhou, H.; Honma, I. Ultrasound-Triggered Smart Drug Release from a Poly(Dimethylsiloxane)- Mesoporous Silica Composite. Advanced Materials 2006, 18 (23), 3083–3088.
2. Cohen, S.; Sazan, H.; Kenigsberg, A.; Schori, H.; Piperno, S.; Shpaisman, H.; Shefi, O. Large-scale acoustic-driven neuronal patterning and directed outgrowth. Scientific Report 2020, 10.
3. A. Stewart, S.; Domínguez-Robles, J.; F. Donnelly R.; Larrañeta, E. Implantable Polymeric Drug Delivery Devices: Classification, Manufacture, Materials, and Clinical Applications. Polymers 2018, 10, 1379.

הרקע לפרויקט:

Drug delivery systems are engineered technologies for targeted delivery and/or controlled release of therapeutic agents. Drug delivery systems that respond to external stimuli have a great research interest, as they enable the pulsatile release of drugs, according to external alterations. Many physical and chemical stimuli can be used as triggers, such as temperature, pH, light, electric fields, magnetic fields, osmotic pressure, and ultrasound (US). The US attracts great attention, due to its many advantages: absence of ionizing radiations, low cost, ease of operation, and the ability to transmit energy to precise locations.

מטרת הפרויקט:

The project goals are to develop a drug delivery system which triggers by acoustic waves and examine the interaction between the acoustic force and an organ.
The student will model a drug delivery system based on external acoustic triggering. They will simulate theoretically and examine experimentally the effect of acoustic waves in flow, mimicking the behavior inside a live organ.

תכולת הפרויקט:

In order to examine how acoustic forces interact with an organ, the penetration of the waves through different tissues, and the effect at the cellular level, the student will model flow-acoustic interaction, with the simulation software COMSOL.
First, they will simulate flow-acoustic interaction in a fluidic system, and later in a model of an organ. In the second semester, the student will examine experimentally the effect of acoustic waves in a fluidic system in the lab.

קורסי קדם:

• פזיולוגיה כמותית
• דימות רפואי

מקורות:

1. Kim, H. J.; Matsuda, H.; Zhou, H.; Honma, I. Ultrasound-Triggered Smart Drug Release from a Poly(Dimethylsiloxane)- Mesoporous Silica Composite. Advanced Materials 2006, 18 (23), 3083–3088.
2. Cohen, S.; Sazan, H.; Kenigsberg, A.; Schori, H.; Piperno, S.; Shpaisman, H.; Shefi, O. Large-scale acoustic-driven neuronal patterning and directed outgrowth. Scientific Report 2020, 10.
3. A. Stewart, S.; Domínguez-Robles, J.; F. Donnelly R.; Larrañeta, E. Implantable Polymeric Drug Delivery Devices: Classification, Manufacture, Materials, and Clinical Applications. Polymers 2018, 10, 1379.
4. Ciancia, S., Cafarelli, A., Zahoranova, A., Menciassi, A., Ricotti, L. Pulsatile Drug Delivery System Triggered by Acoustic Radiation Force. Front. Bioeng. Biotechnol. 2020, 8.

הרקע לפרויקט:

השימוש בננו חלקיקים מגנטיים להפעלת מניפולציות מגנטיות על תאים, ארגון רשתות נוירונים והכוונת תרופות לאזורי מטרה נעשה פופולרי ומהווה מוקד מחקר בשנים האחרונות.
התקשורת בין נוירונים היא באמצעות סיגנלים חשמליים, וזו למעשה אחראית על כל התפקודים העצביים, ולכן הבנת ההשפעה של נוכחות חלקיקים מגנטיים על הפעילות החשמלית של נוירונים היא קריטית והכרחית בכדי לקדם שימוש נרחב ויישומים חדשניים של שליטה מגנטית ברשתות נוירונים.

מטרת הפרויקט:

במסגרת הפרויקט נמדוד פרמטרים שונים שנחלץ מהדאטא של ההקלטות החשמליות של הנוירונים (כמו אמפליטודה ותדירות שישמשו כמדדים להשוואה בין הקלטות שונות), וננסה ליישם מודלים שונים של למידת מכונה כדי להצליח להבחין בין הקלטות שמקורן ברשתות ממוגנטות להקלטות שמקורן ברשתות נוירונליות רגילות.

תכולת הפרויקט:

• הסטודנטים ילמדו על הסיגנלים שמתקבלים בהקלטות חוץ תאיות
• הסטודנטים יפתחו קוד לעיבוד של הדאטה ולחילוץ מאפיינים מתוך ההקלטות החשמליות
• הסטודנטים ישוו מודלים שונים לקלסיפיקציה של סיגנלים חשמליים- אם הגיעו מנוירון רגיל או מנוירון עם חלקיקים מגנטיים בתוכו

קורסי קדם:

פיזיולוגיה כמותית, מדעי נתונים ביולוגים, מבוא ללמידת מכונה

דרישות נוספות:

כל ידע בניתוח נתונים ,למידת מכונה וdeep learning, תכנות בMATLAB ו python

מקורות:

1. Carter, M., & Shieh, J. (2015). Electrophysiology. Guide to Research Techniques in Neuroscience, 89–115. https://doi.org/10.1016/B978-0-12-800511-8.00004-6
2. Beker, S., Kellner, V., Chechik, G., & Stern, E. A. (2016). Learning to classify neural activity from a mouse model of Alzheimer's disease amyloidosis versus controls. Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring, 2, 39-48 .‏https://doi.org/10.1016/j.dadm.2016.01.002

הרקע לפרויקט:

אקסון של נוירון יכול להיפגע וגם להיקטע, וכתוצאה מכך יפגע חלק במערכת העצבים. בטבע יש דרגות שונות של יכולת ההתחדשות והשיקום של מערכת העצבים. יש אורגניזמים כמו לדוגמא הלטאה שלהם יכולת לשקם את כל הזנב שלהם. אנחנו כבני אדם כמובן לא יכולים לעשות זאת ויש לנו יכולת מוגבלת מאוד של חידוש עצבי וגם יכולת זאת שונה אצלנו בין מערכת העצבים ההיקפית למרכזית. במערכת העצבים ההיקפית יש יכולת מסוימת להתחדשות לעומת המערכת המרכזית ששם כמעט אין יכולת התחדשות. לכן להבנה של איך אורגניזמים שונים מחדשים את מערכת העצבים שלהם ומה משפיע על כך יש חשיבות עצומה.

כשאקסון נפגע, הוא צריך לגדול בחזרה ולעצבב מחדש את אתר המטרה שלו. חשוב מאוד שההתחדשות שלו תהיה מהירה כדי שהשחזור של הקשרים עם התאים האחרים יהיה מיטבי ויימנע נזק בלתי הפיך, כגון ניוון של שרירים. לא ידוע הרבה על מהירות צמיחת הנוירונים. עוד פחות מכך ידוע לנו על ההבדל בקצב ההתחדשות בין שלוחות שונות והיכולת של גוף התא לשלוט על קצב התחדשות השונה.

במחקר זה נעבוד עם עלוקות. עלוקה היא אחת מבעלי החיים שלהם יש יכולת טובה להתחדשות נוירונאלית. משום כך, משתמשים הרבה בתאים שלה במחקרים על גדילה של אקסונים. ידוע לנו שגנגליון (צביר נוירונים) של עלוקה הוא מערכת יחסית פשוטה כי יש בו מעט מאוד תאים. בנוסף, אצל עלוקה התאים יחסית גדולים לעומת תאים של בעלי חיים אחרים, כך שיותר קל לעקוב אחרי השלוחות שלהם.

מטרת הפרויקט:

בפרויקט זה ננסה בשלב הראשון להכין תרביות נוירונלית ולהקליט במשך פרקי זמן גדולים (3 ימים) לעקוב אחרי נוירון שגדל מחדש אחרי פגיעה. לאחר מכן נבצע עיבוד תמונה וננסה לעקוב אחרי השלוחות השונות ולמדוד את קצב התפתחות השלוחות. לאחר מכן נערוך אנליזה וננתח שאלות כמו האם שלוחות שונות של אותו תא יכולות לגדול בקצבים שונים, או איך משפיע שינוי קצב בשלוחה אחת על הקצב בשאר השלוחות.

תכולת הפרויקט:

לימוד תיאורטי וקריאה בספרות על מחקרים בתחום.
לימוד IMAGEJ
Image processing

קורסי קדם:

לא צריך

דרישות נוספות:

אין

מקורות:

1. Horton AR, Davies AM. Initial axon growth rate from embryonic sensory neurons is correlated with birth date. Dev Neurobiol. 2020 Mar;80(3-4):126-131. doi: 10.1002/dneu.22743. Epub 2020 Apr 21. PMID: 32289872; PMCID: PMC8370019
2. Ren Y, Suter DM. Increase in Growth Cone Size Correlates with Decrease in Neurite Growth Rate. Neural Plast. 2016;2016:3497901. doi: 10.1155/2016/3497901. Epub 2016 May 4. PMID: 27274874; PMCID: PMC4870373.

הרקע לפרויקט:

בשנים האחרונות עם ההתקדמות הטכנולוגית ושיפור יכולות המדידה עולה הצורך בפיתוח חישנים ואלקטרודות בעלי ממשק לסביבה ביולוגית. פרויקט זה עוסק בפיתוח ויצור של אלקטרודות למדידת אימפדנס של אלקטרוליט / מדיום ביולוגי / cell containing solution [1,2].

במסגרת הפרויקט יבחנו תהליכי יצור של אלקטרודות אשר יבואו במגע עם תמיסות אלקטרוליטיות בעלי מיגוון של ריכוזים של חומרים כימיים וסוגי תאים שונים.

מטרת הפרויקט:

התלמידים יחשפו לתהליכי איפיון תווך ביולוגי ויצור של מיקרו-אלקטרוניקה
תיבחן אפרות למידול תהליכים עם תוכנת הסימולציה למודלים פיסיקליים – Comsol [3] ותוכנה למידול תאים NEURON [4]

תכולת הפרויקט:

הפרויקט הוא מולטי דיסציפלינארי ומחייב לימוד מגוון נושאים הנדסיים וביולוגיים לאיפון האימפדנס הכימי של המערכת.

קורסי קדם:

יקבע בתאום עם המנחים

מקורות:

1. Yoon, Gilwon. "Dielectric Properties of Body Fluids with Various Hematocrit Levels." World Acad. Sci. Eng. Technol 5 (2011): 1646-1649.
2. Franks, Wendy, et al. "Impedance characterization and modeling of electrodes for biomedical applications." Biomedical Engineering, IEEE Transactions on52.7 (2005): 1295-1302.
3. www.comsol.com
4. https://www.neuron.yale.edu/neuron/