Data-driven microscopy: placing high-fidelity data in a population-wide context
Mikroskopi Àr idag ett fundamentalt verktyg inom forskning, dÀr det tillÄter oss att skÄda in och utforska vÄra prover i hög detalj. Mycket utav utvecklingen av nya mikroskopimetoder har strÀvat efter att öka den detaljnivÄ vi kan uppnÄ. Samtidigt har utvecklingen inom hÄrdvara, med tillgÄng till bÀttre och mer kraftfulla instrument, lett till utveckligen av metoder dÀr fokuset Àr att studera en hel population av celler. Till skillnad frÄn nÀr vi studerar ett fÄtal celler i hög detalj, tillÄter det oss att sÀtta perspektiv pÄ det vi ser. Det ger oss en förmÄga att sÀga vad det normala beteendet som man kan förvÀnta sig Àr, och vilka celler som sticker ut i en population. Med andra ord, vad som Àr intressant.Samtidigt finns det ett stort intresse av att veta hur varje individuell cell beter sig. Varje cell Àr, precis som oss mÀnniskor, unik. De har olika historia, olika Älder och befinner sig i olika tillstÄnd. Precis som vÄra celler i kroppen Àr unika, Àr Àven de cellerna som kan orsaka sjukdom unika. För att förstÄ varför vissa personer Àr mer kÀnsliga mot sjukdom, och hur en infektion svarar pÄ vÄra behandlingar behövs en förstÄelse och an förmÄga att studera celler pÄ individuell nivÄ, samtidigt som vi bibehÄller ett perspektiv utifrÄn populations-nivÄ.Denna brist pÄ perspektiv har lÀnge varit ett problem inom mikroskopi. Den vanliga lösningen pÄ detta problem Àr att vi, som mÀnniskor, kan tolka en bild och peka pÄ vad det Àr som Àr intressant eller inte. Vi Àr, trots allt, extremt duktiga pÄ att tolka visuell information. Men detta Àr inte en helt felfri lösning. Som mÀnniskor kan vi vara relativt okonsekventa, vi tolkar oftast utifrÄn hur vi vill att datan ser ut. Med andra ord, vi saknar förmÄgan att vara objektiva i vÄr metodik för att samla in bilder i hög detalj.Min avhandling har till stor del handlat om att utveckla ett verktyg som tillÄter oss att sÀtta perspektiv pÄ det vi studerar med mikroskopi. Detta har lett till Arbete 1, dÀr vi presenterar en allmÀn strategi (data-styrd mikroskopi) för hur vi kan arbeta med mikroskopi för att samla in data pÄ en hel population, samtidigt som vi kan samla in data med hög detalj pÄ relevanta fynd i populationen. Vi presenterar Àven hÀr en teknisk lösning, och utför metoden i tre olika scenarion: ett för att studera en population av celler mer allmÀnt, ett för att fÄnga det ögonblick som bakterier infekterar mÀnskliga celler, och ett dÀr vi studerar och fÄngar in data pÄ relevanta (frÄn ett populations-kontext) cancerceller och följer dem över tid. Denna metod tillÄter oss att samla in data i hög detalj pÄ ett objektivt sÀtt, och att sÀtta perspektiv pÄ det vi studerar.I Arbete 2 har vi vidare utvecklat pÄ vÄr metod, dÀr vi försöker lösa problemet att hitta en och samma cell i flera olika mikroskop. Eftersom vi, genom mikroskopi, jobbar pÄ en sÄ ofantligt liten skala, Àr det oftast vÀldigt svÄrt att orientera sig och hitta rÀtt inom ett prov. Det Àr lite som att spela PÄ spÄret och gissa vart man Àr, fast utan alla ledtrÄdar man fÄr pÄ varje nivÄ. Eftersom vi har tillgÄng till data pÄ en hel population, sÄ utgick vi frÄn att det borde finnas samband mellan celler och deras grannar i ett prov som Àr unika för just dem. Genom att anvÀnda sig av dessa unika samband kom vi fram med en lösning dÀr vi snabbt kan kalibrera ett prov pÄ ett nytt mikroskop. Det öppnar dörrarna för oss forskare att ÄteranvÀnda prov, att lÀttare justera provet med nya markörer (för det vi vill visualisera inom cellerna), och att kunna tolka ett prov med data insamlat frÄn flera system.COVID-19 pandemin var en stor omstÀllning för samhÀllet och vÄrden. LikvÀl var det en stor omstÀllning för mÄnga forskningslabb, dÀr en kapplöpning startade för att sÄ snabbt som möjligt förstÄ sig pÄ hur viruset fungerar och hur vÄrt immunförsvar svarar pÄ dess infektion. Det var i detta kontext som mitt tredje arbete utfördes. Genom den erfarenhet jag samlat pÄ mig inom mikroskopi och att analysera bilder pÄ stora dataset, bidrog jag med hjÀlp för att studera hur framtagna antikroppar kan förhindra bindningen av virus-lika partiklar till celler. Antikroppar Àr ett protein som immunförsvaret producerar i respons mot en patogen. En bÀttre förstÄelse kring hur antikroppar verkar, och vad skillnaden mellan en bra och en dÄlig antikropp Àr kan leda till framtagningen av bÀttre vaccin-program och behandlingar inom sjukvÄrden.I Arbete 4 medverkade jag i ett arbete dÀr bakterien Streptococcus pyogenes var i fokus. S. pyogenes enda vÀrd Àr mÀnniskor, och ansvarar för över 600 miljoner infektionsfall per Är globalt. PÄ bakteriens yta dominerar ett protein, M-proteinet, ett multi-funktionellt protein som bakterien (bland annat) anvÀnder sig för att binda till ytor och förhindra immunförsvarets förmÄga att göra sig av med bakterien. I arbetet upptÀckte vi att fibronektin binder till bakterien (specifikt M-proteinet) olika mycket beroende pÄ mÀngden antikroppar som finns i miljön. Fibronektin Àr ett protein som vi mÀnniskor producerar, och bidrar (bland annat) till att skapa den miljön som celler befinner sig i. MÀngden fibronektin varierar beroende pÄ var i kroppen man kollar. Till exempel, i saliv har du en relativt lÄg mÀngd fibronektin jÀmfört med i blodet. Detta ledde till hypotesen att bakterien Àr special-anpassad för olika miljöer i dess förmÄga att undkomma immunförsvaret. En bÀttre förstÄelse kring hur bakterien Àr anpassad till vÄra olika miljöer och dess infektionsförlopp kan leda till bÀttre och mer anpassade behandlingar inom sjukvÄrden.
https://lup.lub.lu.se/record/a0b1f0ac-47b6-4700-b33f-60df27d3a30a