Onderzoek naar de celcyclus van gistcellen naar hoger plan door Artificial Intelligence

Gistcellen. Misschien ken je ze wel, eencellige schimmels die we al eeuwenlang gebruiken om wijn, bier en brood te maken. Maar wist je ook dat gistcellen gebruikt worden voor onderzoek naar kanker? Data Scientists van het Centrum voor Informatie Technologie (CIT) van de RUG helpen onderzoekers om met behulp van Artificial Intelligence de celcylcus van gistcellen in beeld te brengen. “Nog steeds komen we dingen tegen waar we zelfs nog nooit van hebben gehoord.”

Als je op een zonnig terras van een wijntje of een biertje geniet, bij het ontbijt een half brood naar binnen werkt of bij de koffie een reep chocolade oppeuzelt, bedenk dan dat gistcellen aan de basis van al dat lekkers liggen. Wat minder bekend is, maar minstens zo belangrijk: gistcellen bewijzen al jaren hun waarde als modelorganismen bij microscopisch biologisch onderzoek. Ondanks hun eenvoudige structuur vertonen ze veel gelijkenissen met complexere eukaryotische cellen, zoals menselijke cellen.

Onderzoek versnellen met AI

Veel ingewikkelde biologische processen, zoals celdeling of de verspreiding van kankercellen, werden bijvoorbeeld ontdekt via gistcellen. Toch is onze kennis over gistcellen nog relatief beperkt. “Lange tijd dachten biologen dat we goed wisten hoe cellen werkten. Maar dan floreerde het microscooponderzoek, en ontdekten we veel dingen die we nog niet wisten”, vertelt Andreas Milias- Argeitis, universitair docent moleculaire systeembiologie aan de RUG. Hij houdt zich bezig met het onderzoek naar de cyclus van ontluikende gistcellen, de reeks stappen die een gistcel doorloopt om zich te delen. “We onderzoeken hoe cellen groeien tijdens hun celcyclus. Lange tijd dacht men dat de celgroei een 'passief' proces was dat doorlopend plaatsvond tijdens de celcyclus als reactie op de beschikbaarheid van voedingsstoffen, maar we ontdekten dat het een proces is dat zeer zorgvuldig in de tijd wordt georkestreerd en gekoppeld is aan de voortgang door de celcyclus.” Milias-Argeitis werkt aan een project om het onderzoek naar de celcyclus van gistcellen door middel van Artificial Intelligence een versnelling hoger te duwen. “Al enkele jaren nemen we foto’s van de verschillende fases uit de celcyclus van gistcellen, zo’n twee uur in totaal. Maar als je van honderden cellen de hele cyclus fotografeert, ga dan maar eens op zoek naar de precieze momenten waarop knopvorming ontstaat, of wanneer de dochtercel zich afscheidt van de moedercel. Dat willen we dus automatiseren.”

‘Vals gespeeld’ met data

Daarom schreef Milias-Argeitis zich in voor de jaarlijkse call for proposals van het team Data Science van het CIT. Zijn onderzoeksvoorstel werd gehonoreerd, waardoor hij hulp kreeg van data scientist Herbert Kruitbosch, die jaren ervaring heeft met image processing, het verwerken van beelden met machine learning. “Eigenlijk heb ik vals gespeeld’, zegt Kruitbosch. “Ik had heel veel data nodig voor dit project. Je hebt namelijk niet alleen de foto’s nodig, maar ook bijhorende notities van wat op dat moment precies gebeurt. Dat zou erg veel tijd van de onderzoekers vragen. Maar toen ik de beelden bekeek, dacht ik: volgens mij is de structuur van deze cellen vrij makkelijk met data na te bootsen. Dus voedde ik een machine learning-model met 200 GB aan plaatjes die ik zelf gecreëerd had.” Om te controleren of de bevindingen uit zijn eigen gecreëerde datawereld overeenstemmen met de realiteit, bouwde hij een dubbele controleproef met de originele data in. “Eerst keek ik hoeveel van het totaal aantal gistcellen het algoritme herkend heeft. Dan controleerde ik bij alle plekken waar het algoritme een gistcel detecteerde, of er ook daadwerkelijk een zat. Dat bleek gelukkig zo te zijn.”

Celcyclus verstoren

Nu het algoritme erin slaagt om efficiënt gistcellen te herkennen, is het tijd voor een volgende stap: het herkennen van de verschillende levensfases van de gistcel, vanaf het moment dat er knopvorming op de moedercel ontstaat, tot het moment dat de knop uitgroeit tot een nieuwe cel en zich uiteindelijk afscheurt van de moedercel. Daarnaast wil Milias-Argeitis precies achterhalen hoeveel tijd zich tussen deze verschillende fases afspeelt. De celcyclus van gistcellen is onder normale omstandigheden heel voorspelbaar. Daarom probeert hij soms met allerlei impulsen de normale celgroei te beïnvloeden of sterk te verstoren. “Eigenlijk willen we zien wat er gebeurt als we hun groeiprocessen verstoren. Hoe zal hun celcyclus zich aanpassen?”

Vertalen naar complexere celstructuren

Zulke proeven kunnen erg veel informatie bieden over hoe celdeling in zijn werk gaat, of hoe cellen reageren op prikkels. Toch zijn er grote verschillen met bijvoorbeeld menselijke cellen, legt Milias-Argeitis uit. “Onze cellen worden beïnvloed door allerlei prikkels van buitenaf en hebben veel meer functies dan groeien en delen: ze wisselen hormonen en informatie uit, en communiceren onderling. Maar het proces van celdeling bij gistcellen en menselijke cellen is grotendeels hetzelfde. Wij proberen achter de essentie te komen. Tegelijk denken we al na over hoe we onze bevindingen kunnen vertalen naar complexere celstructuren.”

Eigen bubbel doorbreken

Het is een opvallende constatering. Op het moment dat kankerbestrijding een topprioriteit is in de medische wetenschap, staat onze kennis wat betreft de meest essentiële processen die zich in cellen afspelen nog in de kinderschoenen. Dat komt deels omdat de techniek nog niet voor iedereen toegankelijk is. “Pas sinds enkele jaren houden sommige biologen zich bezig met het filmen van cellen over langere tijd. Daar heb je namelijk specifieke software voor nodig, en heel wat expertise”, legt Milias-Argeitis uit. Bovendien blijft zowel de software als de expertise veelal binnenshuis. “Vaak worden algoritmes gebouwd met een specifieke onderzoeksvraag voor ogen. Weinig onderzoekers publiceren daar iets over, dus gaat die kennis weer verloren als het project voorbij is. En als er studies verschijnen, spreken ze elkaar vaak tegen omdat ze andere methodes gebruiken. Daarom hoop ik met dit project een gebruiksvriendelijke tool te kunnen ontwikkelen, die makkelijk aangepast kan worden naargelang je doeleinden. We moeten dezelfde taal beginnen te spreken.”

Toegevoegde waarde van data science

Niet alleen meer contact tussen biologen onderling, ook kruisbestuiving met andere vakgebieden is broodnodig om stappen te blijven zetten, vindt Milias-Argeitis. Door zijn achtergrond in elektrotechniek is hij zich erg bewust van de toegevoegde waarde die data science kan hebben. “Net zoals andere biologen kom ik op vragen door experimenten in het lab, maar ik spreek soms computerwetenschap aan om die vragen te beantwoorden. Er zijn nog zoveel zaken waar biologen geen antwoord op gevonden hebben, en waar data scientists kunnen helpen.”

Meer informatie

• Andreas Milias-Argeitis

• Team Data Science CIT

_{Auteur: Jorn Lelong}