Wetenschappers kunnen steeds dieper inzoomen op de cellen in ons lichaam. Dat maakt allerlei belangrijk onderzoek mogelijk. Alleen op dat niveau is het moeilijk om tegelijk ook de interactie tussen cellen en de samenstelling van het weefsel in z'n geheel te bestuderen. 

Een groep onderzoekers wilde daar verandering in brengen. Kunnen we weefsel niet zo in kaart brengen dat het allebei mogelijk is? Overzicht en detail.  

Je zou handmatig de data van de individuele cellen op de data van een groter beeld van het weefsel kunnen plakken, maar dat is enorm veel werk. Algoritmes zijn hier al veelbelovend mee aan de slag gegaan, maar de beperkte trainingsdata zit daar de ontwikkeling weer in de weg.  

Dus pakten ze het anders aan. Denk aan een grote stad die je in kaart wilt brengen. Je zou op elk kruispunt kunnen gaan staan om te bepalen welke verschillende soorten gebouwen je daar ziet. Ook kun je de locatie van elk gebouw noteren. Combineer je dat met elkaar, dan heb je een kaart. Daarmee kun je iets zeggen over waar je welke gebouwen vindt en hoe die samen een stad of wijk vormen.  

Dat is wat ze ook met verschillende typen weefsel hebben gedaan. Het zorgde ervoor dat ze de patronen konden bepalen die ontstaan wanneer verschillend soorten cellen bij elkaar in de buurt hun werk doen. Wat maakt dat mogelijk? Onder andere het veel beter onderscheid maken tussen gezond en afwijkend weefsel op beeld en het onderzoeken van de wisselwerking tussen organisatie van weefsel en de functie van het weefsel.\

Lees meer: New Computational Method Builds Detailed Maps of Human Tissues.

Wetenschappers kunnen steeds dieper inzoomen op de cellen in ons lichaam. Dat maakt allerlei belangrijk onderzoek mogelijk. Alleen op dat niveau is het moeilijk om tegelijk ook de interactie tussen cellen en de samenstelling van het weefsel in z'n geheel te bestuderen. 
Een groep onderzoekers wilde daar verandering in brengen. Kunnen we weefsel niet zo in kaart brengen dat het allebei mogelijk is? Overzicht en detail.  
Je zou handmatig de data van de individuele cellen op de data van een groter beeld van het weefsel kunnen plakken, maar dat is enorm veel werk. Algoritmes zijn hier al veelbelovend mee aan de slag gegaan, maar de beperkte trainingsdata zit daar de ontwikkeling weer in de weg.  
Dus pakten ze het anders aan. Denk aan een grote stad die je in kaart wilt brengen. Je zou op elk kruispunt kunnen gaan staan om te bepalen welke verschillende soorten gebouwen je daar ziet. Ook kun je de locatie van elk gebouw noteren. Combineer je dat met elkaar, dan heb je een kaart. Daarmee kun je iets zeggen over waar je welke gebouwen vindt en hoe die samen een stad of wijk vormen.  
Dat is wat ze ook met verschillende typen weefsel hebben gedaan. Het zorgde ervoor dat ze de patronen konden bepalen die ontstaan wanneer verschillend soorten cellen bij elkaar in de buurt hun werk doen. Wat maakt dat mogelijk? Onder andere het veel beter onderscheid maken tussen gezond en afwijkend weefsel op beeld en het onderzoeken van de wisselwerking tussen organisatie van weefsel en de functie van het weefsel.\
Lees meer: <a href="https://news.weill.cornell.edu/news/2022/10/new-computational-method-builds-detailed-maps-of-human-tissues">New Computational Method Builds Detailed Maps of Human Tissues</a>.

Over diepzeediertjes die broeikasgassen eten, immuuncellen die zichzelf opofferen en de zoektocht naar planeten. Over de nieuwste medicijnen, zonnecellen en sensoren. Kortom: hoe werkt de wereld om ons heen en hoe kunnen we hem nog beter maken?

Wetenschap Vandaag | BNR

Over diepzeediertjes die broeikasgassen eten, immuuncellen die zichzelf opofferen en de zoektocht naar planeten. Over de nieuwste medicijnen, zonnecellen en sensoren. Kortom: hoe werkt de wereld om ons heen en hoe kunnen we hem nog beter maken?

Advertisement