Anschlussprojekte | Sonderprojekte

Förderbeginn 01.07.2024

Statistische Assoziation von räumlicher Transkriptomik und Gewebestruktur zur Entdeckung von Markergenen

Prof. Dr. Stefan Canzar
Universität Regensburg
Fakultät für Informatik & Data Science

Prof. Dr. Jingyi Jessica Li
University of California, Los Angeles (UCLA)
The Junction of Statistics and Biology


Durch die Integration histologischer Bilder mit räumlichen transkriptomischen Daten können Forscher die räumliche Organisation der Genexpression im Kontext der Gewebearchitektur verstehen. Diese Integration hilft dabei, biologisch wichtige Eigenschaften wie die Variabilität zwischen und innerhalb von Tumoren aufzudecken, die für das Verständnis der Krankheitsentwicklung und die Vorhersage der Reaktion auf eine Behandlung essentiell sind.

Dieses Projekt zielt darauf ab, die komplexen Zusammenhänge zwischen Genexpression und Gewebearchitektur zu untersuchen. Die Ergebnisse dieses Projekts helfen dabei, die molekularen Mechanismen hinter Gewebestrukturen und -substrukturen zu entdecken, die auf histologischen Bildern erkennbar sind. Mit leistungsstarken, hochmodernen Bildanalysetools wie Vision Transformers und Convolutional Neural Networks (CNNs) können bereits genaue Vorhersagen der Genexpression aus hochauflösenden histologischen Bildern generiert werden. Jedoch weisen diese Methoden eine unzureichende Interpretierbarkeit auf und liefern deshalb kaum biologisch wichtige Erkenntnisse. Dies motiviert uns, neue interpretierbare statistische Modelle zu erforschen, um die Zusammenhänge zwischen Genexpression und Gewebearchitektur zu entschlüsseln.