Tuore väitös edistää konenäköä ja data-analytiikkaa syövän tutkimuksessa (Väitös: FM Ilmari Ahonen, 3.3.2018, tilastotiede)
Ilmari Ahonen kehitti Turun yliopistoon tekemässään väitöstutkimuksessa uusia menetelmiä syöpäsoluista kerättyjen kuva-aineistojen analysointiin. Uudet työkalut auttavat tutkijoita ymmärtämään paremmin erilaisten lääkkeiden vaikutuksia ja taudin käyttäytymistä.
Turun yliopiston tiedote 26.2.2018
Syöpä on äärimmäisen monimutkainen ja monimuotoinen ilmiö, jota ei maailmanlaajuisen tiedeyhteisön vuosikymmenten tutkimuksesta huolimatta edelleenkään täysin ymmärretä. Taudin mahdollisimman realistinen mallintaminen laboratorio-olosuhteissa lisää tietoa taudista sekä edesauttaa uusien hoitomuotojen kehityksessä.
– Tällaisia edistyneitä biologisia malleja hyödynnetään Turun yliopiston ja Turku Science Parkin Pharmacityssä sijaitsevassa High-Content Screening -laboratoriossa esimerkiksi lääkeaineiden testaukseen. Potilaista irrotettuja syöpäsoluja kasvatetaan muovisissa maljoissa, jossa ne muodostavat aitoja kasvaimia muistuttavia kolmiulotteisia rakenteita, Ahonen kertoo.
Näitä “keinokasvaimia” voidaan käsitellä eri lääkkeillä, joiden vaikutukset todetaan suoraan rakenteiden ulkomuodosta mikroskoopilla otettuja kuvia tarkastelemalla. Laboratorio- ja kuvantamismenetelmien kehitys on kuitenkin Ahosen mukaan kasvattanut kokeiden suuruusluokkaa niin paljon, etteivät yksittäiset ihmiset enää pysty niitä helposti analysoimaan.
– Kuvia syntyy kokeesta riippuen satoja, mahdollisesti muutamia tuhansia. Kun yksittäisessä kuvassa esiintyy usein kymmeniä syöpäsolurakenteita, analysoitavien objektien määrä mitataan helposti kymmenissä tuhansissa. Tarvitsemme konenäköä ja automatisoituja menetelmiä näiden kokeiden analysointiin, Ahonen sanoo.
Kuvista numeroihin
Syöpärakenteiden ulkomuodon analysoiminen koneellisesti on monitahoinen ongelma, jonka ratkaisemiseksi tarvitsee käsitellä lukuisia pienempiä haasteita. Väitöskirjan kaksi ensimmäistä artikkelia ovat luonteeltaan soveltavia ja käsittelevät suoraan syöpäsoluaineistojen analysointia. Niissä esitellään kuvien alustavaan prosessointiin sopivia menetelmiä sekä solurakenteiden ulkoasua kuvaavia numeerisia mittareita.
– Meidän piti kehittää sopivia tapoja mitata rakenteiden ominaisuuksia, joista olisi hyötyä tutkimustulosten muodostamisessa. Esimerkiksi rakenteista lähtevien ulokkeiden tunnistaminen ja rakenteen reunan tasaisuus ovat biologisesti hyvin tärkeitä piirteitä, Ahonen kuvailee.
Menetelmiä taudin monimuotoisuuden mallintamiseen
Syöpä on vaikeahoitoinen tauti varsinkin siksi, että se vaihtelee suuresti eri potilaiden ja syöpätyyppien välillä. Sama lääke ei välttämättä toimi kaikille, vaikka itse kasvain olisi päällepäin samanlaatuinen.
Suhteellisen tuore löydös on, että edes saman kasvaimen solut eivät ole perimältään samanlaisia vaan saattavat reagoida eri tavoin samaan interventioon. Ahosen väitöskirjan kaksi jälkimmäistä artikkelia käsittelevätkin ongelmia, joissa analysoitava aineisto koostuu toisistaan poikkeavista osajoukoista.
– Hyvin usein oletamme, että tietty käsittely aiheuttaa keskimäärin samanlaisen vaikutuksen koeyksilöissämme. Jos todellisuudessa esimerkiksi osa yksilöistä reagoi positiivisesti ja osa negatiivisesti, ei keskimääräinen reaktio olekaan mielekäs mittari. Tämän takia niin sanotut latenttien ryhmien menetelmät ovat tärkeitä, Ahonen selittää.
Syöpäsoluaineistot johdattivat Ahosen tutkimaan myös poikkeavien havaintojen tunnistamista. Joskus tutkijoiden on vaikea tietää, minkälaisia muutoksia heidän tulisi etsiä, sillä eri solutyypit ja ympäristöt voivat erota toisistaan merkittävästikin ja tuottaa myös odottamattomia tuloksia.
– Monissa ongelmissa on kyse poikkeavien havaintojen tunnistamisesta. Esimerkiksi huonosti onnistuneet kuvat halutaan suodattaa onnistuneiden joukosta ja toimivat lääkeaineet löytää tehottomien joukosta. Kehitimme uudenlaisen teoreettisen lähestymistavan, jossa keskitymme yksittäisten havaintojen sijaan poikkeavuuden tunnistamiseen sinänsä. Menetelmällä pyrimme vastaamaan kysymykseen, onko näiden kuvien joukossa poikkeavia kuvia ylipäätään. Tämä edustaa uudenlaista ajattelumallia, Ahonen päättää.
***
FM Ilmari Ahonen esittää väitöskirjansa Statistical Methods for the Analysis of High-Content Organotypic Cancer Cell Culture Imaging Data julkisesti tarkastettavaksi Turun yliopistossa lauantaina 3.3.2017 kello 12.00 (Turun yliopisto, Agora, Sali XXI, Yliopistonmäki, 20014 Turun yliopisto).
Vastaväittäjänä toimii professori Fred Godtliebsen (University of Tromsø, Norja) ja kustoksena professori Mervi Eerola (Turun yliopisto). Tilaisuus on englanninkielinen.
FM Ilmari Ahonen on syntynyt vuonna 1988 ja kirjoitti ylioppilaaksi Turku Luostarivuoren lukiosta vuonna 2007. Ahonen suoritti korkeakoulututkintonsa vuonna 2012 Turun yliopistossa. Väitöksen alana on tilastotiede. Ahonen työskentelee data-analyytikkona Vincit-teknologiayrityksessä.
Väittelijän yhteystiedot: p. 040 571 5736, ilmari.ahonen@utu.fi
Väittelijän kuva: https://apps.utu.fi/media/vaittelijat/ahonen_ilmari.png
Väitöskirja on julkaistu sähköisenä: http://urn.fi/URN:ISBN:978-951-29-7112-1