Utilizing deep learning algorithms on genomic maps from cancer tissues to uncover cell-cell interactions

הרקע לפרויקט:

גנומיקה מרחבית היא משפחה של טכנולוגיות המאפשרת לזהות את מיקום הגנים בתוך רקמות. לטכנולוגיות אלו חשיבות רבה בסרטן, כיוון שזה מאפשר לדעת איזה סוגי תאים נמצאים בתוך ביופסיות מחולים. המעבדה שלנו יצרה מפות גנומיות המציגות את הביטוי המרחבי של כ-300 גנים שונים ברקמות סרטניות, בתוך ומחוץ לתאים ברקמה. התמונות של המפות הגנומיות יכולות לשמש כקלט לרשתות נוירונים. בנייה איכותית של רשתות הנוירונים ואימונן על גבי התמונות יכולה לחשוף מידע על מצב התאים הנמצאים ברקמה. דוגמה למצב כזה היא אינטראקציה בין תאים מסוגים שונים, למשל תא ממערכת החיסון שנמצא קרוב לתא סרטני ומושפע ממנו ברמת ביטוי הגנים שלו.
האם התמונות הגנומיות יכולות לחשוף לא רק את סוגי התאים שנמצאים בתוך הרקמה הסרטנית, אלא גם את מצב התאים והאינטראקציה ביניהם?

מטרת הפרויקט:

בפרויקט נפעיל שיטות של עיבוד תמונה לצורך התאמת המפות הגנומיות שישמשו כקלט לאלגוריתמים של למידה עמוקה. נממש כתיבת קוד ויישום של רשתות נוירונים, תוך אימון ושיפור הביצועים של המודל. נשתמש בכלים חישוביים לחלץ פרשנות ביולוגית מהרשתות, החל מזיהוי סוגי התאים ברקמה ובהמשך חשיפת אינטראקציות בין סוגי התאים השונים - האם התא הגיב ברמה הגנומית לתא הסמוך אליו על סמך התמונה שהוכנסה כקלט לרשת.

תכולת הפרויקט:

1. סקר ספרות - איזה שיטות של רשתות נוירונים / למידה עמוקה קיימות לניתוח מידע של גנומיקה מרחבית בהקשר של סרטן.
2. ניתוח ראשוני של המידע הוויזואלי בכלים של עיבוד תמונה על מנת להכין קלט לרשתות נוירונים.
3. בנייה ואימון של רשתות נוירונים לצורך ניתוח המידע.
4. פרשנות של הרשתות בעזרת כלים חישוביים כדי לגלות איזה גנים במרחב שימשו לקבלת ההחלטה.

קורסי קדם:

רשתות נוירונים

דרישות נוספות:

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

מקורות:

https://www.alonlab.org/technology