Jane Synnergren
Institutionen för biovetenskap
I projektet utvecklas och implementeras en innovative Deep-Learning (DL) metod för kvalitetsanalyser. För utveckling av metoden används humana embryonala stamceller som modellsystem för en stegvis utveckling av ett neuralt nätverk (NN) för klassificering av cellkvalitet med hjälp av kvantitativ PCR data (qPCR).
Innovationen och det unika med projektet innefattas i två viktiga aspekter, tolkning av information i neurala nätverk och kunskapsöverföring. Tolkningen av informationen i de representationer som lärts in i den initiala NN modellen som tränas på single-cell RNAseq-data möjliggör identifiering av signaturer på transkriptionell nivå som är associerade med cellkvalitet. Den kunskap som lärts in av NN modellen överförs sedan till en reducerad NN-modell som använder qPCR-baserad inputdata.
Fördelen med detta är att qPCR data är mer kostnadseffektiv att generera och därför möjlig att använda i ett industriellt kvalitetskontrollsystem. Den panel av biomarkörer som identifierats av modellen har stor potential att utvecklas till kommersiella qPCR-analyser hos våra industriella partners.
Målet är att den utvecklade analysmetoden också ska integreras som ett programpaket i en kommersiell mjukvara för avancerade qPCR-analyser av en av projektets partner.
Projektet koordineras från Högskolan i Skövde och genomförs i nära samarbete med våra industriella partners Takara Bio Europé Swedish filial, RISE, TATAA Biocenter AB och MultiD Analyses AB.