Development of Machine Learning Techniques for Flow Cytometry Data

Promovendus/a
Sofie Van Gassen
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Informatietechnologie
Curriculum
Master of Science in de wiskundige informatica, Universiteit Gent, 2013
Academische graad
Doctor in de ingenieurswetenschappen: computerwetenschappen
Taal proefschrift
en
Vertaling titel
Ontwikkeling van technieken op basis van machinaal leren voor flowcytometriedata
Promotor(en)
prof. Tom Dhaene, vakgroep Informatietechnologie (EA05) - prof. Yvan Saeys, vakgroep Toegepaste Wiskunde, Informatica en Statistiek (WE02)
Examencommissie
voorzitter prof. Gert De Cooman (onderwijsdirecteur) - prof. Peter Dawyndt (WE02, WE54) - prof. Tijl De Bie (EA06) - prof. Tom Dhaene (EA05) - dr. Emmanuel Gustin (Johnson & Johnson, Beerse) - prof. Sophie Janssens (GE01) - prof. Yvan Saeys (WE02)

Korte beschrijving

Flowcytometrie is een techniek waarbij er per seconde eigenschappen van duizenden individuele cellen worden opgemeten, bijvoorbeeld bij de analyse van een bloedstaal. Door deze eigenschappen te bestuderen, kunnen verschillende types cellen geïdentificeerd worden. De verhouding tussen deze celtypes vormt belangrijke informatie bij de ontwikkeling van geneesmiddelen. Vroeger werden slechts enkele eigenschappen opgemeten, waardoor de analyse manueel kon gebeuren. Tegenwoordig neemt het aantal eigenschappen dat simultaan gemeten wordt steeds sterker toe, waardoor geautomatiseerde technieken noodzakelijk worden. In dit doctoraat werden technieken ontwikkeld op basis van machinaal leren die kunnen omgaan met de specifieke uitdagingen van flowcytometriedata. Zo is FlowSOM een nieuwe visualisatietechniek, die dankzij een tweestapsclustering snelle en accurate resultaten kan behalen om een dataset te verkennen. FloReMi is een pijplijn waarbij de progressietijd tot aids wordt voorspeld voor hiv-patiënten. Deze methode selecteerde relevante celpopulaties uit de vele mogelijkheden en behaalde de beste resultaten in de FlowCAP IV-wedstrijd. Ten slotte werd ook een methode ontwikkeld die celtype-specifieke batch-effecten kan normaliseren, een cruciale voorbereidende stap bij klinische studies waarbij patiëntenstalen over een langere periode verzameld worden en de resultaten toch vergelijkbaar moeten blijven. De ontwikkeling van deze nieuwe algoritmes vereenvoudigt de analyse van flowcytometriedata en biedt immunologen nieuwe perspectieven op hun data.

Praktisch

Wanneer
Dinsdag 23 mei 2017, 17:00
Waar
seminariezaal, UGent-VIB Research Building FSVM, voorbouw, gelijkvloers, Technologiepark Zwijnaarde 927, 9052 Zwijnaarde

Meer info

Contact
doctoraat.ea@UGent.be