(C) MOAST

Matthieu Sainlez arbeitet beim LCSB. Doch was macht ein Mathematiker inmitten von Biologen, deren Arbeitsgebiet sich eher auf Krankheiten und Genetik erstreckt?

Die Arbeit von Matthieu Sainlez beginnt dann, wenn die Biologen ihre Arbeit bereits verrichtet haben. So werden von den Biologen Millionen mikroskopischer Aufnahmen, z. B. von Nervenzellen, gespeichert. Matthieu Sainlez entwickelt mathematische und computergestützte Methoden, mit denen diese Bilderserien automatisch ausgewertet werden können.

Entwicklung besonderer Methoden zur Auswertung der riesigen Datenbestände

„Es ist viel zu kompliziert, wenn nicht sogar unmöglich, eine Abfolge von Dutzenden oder Hunderten Bildern einzeln zu untersuchen. Deshalb muss man Methoden entwickeln, mit denen alle Bilder automatisch analysiert werden können. Und hier kommt die Mathematik ins Spiel“, so Matthieu Sainlez, Doktor der Angewandten Wissenschaft und Ingenieur im Bereich Angewandte Mathematik.

„Ein Bild ist eine Zusammenstellung von Bildpunkten unterschiedlicher Helligkeit. In der Mathematik ist ein Bild eine Reihe von Zahlen. Doch kann man ein Bild auch in wenigen Worten durch das beschreiben, was es darstellt. Dabei kommen Methoden zur visuellen Wiedererkennung von Formen zum Einsatz. Das heißt, eine Reihe von Bildpunkten wird automatisch mit dem verknüpft, was sie darstellen“, erläutert Matthieu Sainlez.

Entdeckung visueller Formen, die den Nervenzellen von Parkinson-Patienten eigen sind

Er entwickelt Instrumente zur automatischen Erkennung von Bildern, auf denen die Gehirnzellen von Parkinson-Patienten und von gesunden Patienten abgebildet sind. „Die wichtigste Frage lautet hierbei: Gibt es visuelle Motive und Formen, die sich in beiden Fällen deutlich voneinander unterscheiden? Das vorrangige Ziel meiner Forschung besteht somit darin, visuelle Formen aufzudecken, die spezifisch bei biologischen Neuronen von Parkinson-Patienten auftreten“, so der junge Forscher. „Ich erforsche also die mathematischen und computergestützten Methoden, die sich für dieses biologische Problem am besten eignen.“

Ableitung neuer Erkenntnisse durch die Nutzung großer Bilddatenbanken

Ein weiteres wichtiges Ziel besteht darin, die großen Bilddatenbanken im Labor zu nutzen, um daraus neue Erkenntnisse abzuleiten. Dieses Verfahren wird als automatischer Wissenserwerb bezeichnet.
„Es handelt sich um ein sehr aktuelles und vielversprechendes Forschungsgebiet. Dank der Methoden zur visuellen Erkennung von Formen ist es möglich, interessante Formen schnell herauszustellen. Anschließend wird zusammen mit den Kollegen aus der Biologie versucht, diese im biologischen Sinne zu interpretieren. Denn genau das ist das Ziel der Forschungen im LCSB: Die Zusammenarbeit der verschiedenen Wissenschaftsbereiche, um Krankheiten besser zu verstehen“, so Matthieu Sainlez.

Autor: Jean-Paul Bertemes (FNR), Matthieu Sainlez
Video: MOAST

Smart Schoul 2025 Die digitalen Bürger von morgen schulen

Wie schafft man es, Schüler nachhaltig für Informatik zu begeistern? Die Antwort darauf könnte das Projekt Smart Schoul ...

Virtual Metabolic Human Database Datenbank bringt weltweites Wissen über den menschlichen Stoffwechsel zusammen

Ein internationales Forschungskonsortium unter Leitung des Luxembourg Centre for Systems Biomedicine hat eine weltweit ...

Datenschutz in der Biomedizin Gut Ding braucht Weile – aber Patienten haben auch nicht ewig Zeit!

Datenschutz ist ein großes Thema nicht nur im Internet, sondern auch in der medizinischen Forschung. Der Austausch von m...

Auch in dieser Rubrik

Chevigne S
Opioide Neue Hoffnung für die Behandlung von Schmerz- und Depressionspatienten

Forscher am LIH entwickeln ein neues Molekül mit Potenzial für eine schmerzhemmender Wirkung und für die Entwicklung alternativer Behandlungsmethoden.

LIH
FAQ Large Scale Testing Die wichtigsten Fragen und Antworten zum Large-Scale-Testing

Das Interesse unserer Leser am Large-Scale-Testing war riesengroß. Wir konnten nicht alle Fragen einzeln beantworten und haben daher einen FAQ erstellt, wo wir auf die wichtigsten Fragen antworten.

Prognose von hospitalisierten Patienten COVID-19: Hochrisikopatienten mithilfe von mathematischem Modell ermitteln

Forscher aus Luxemburg und Wuhan haben ein Modell entwickelt, mit dem sich der Verlauf einer COVID-19-Erkrankung ziemlich genau vorhersagen lässt. Dabei werden bestimmte Biomarker identifiziert.

Erste Resultate der CON-VINCE Studie 0,3% der Bevölkerung aktuell infiziert, 2% hatten Kontakt mit dem neuen Coronavirus

Eine repräsentative Stichprobe der Bevölkerung wurde getestet, um die Verbreitung von COVID-19 in Luxemburg einzuschätzen.