Dissertation/ Thesis
Computer vision and deep learning to understand chromatin changes during hematopoietic stem cell aging
| Τίτλος: | Computer vision and deep learning to understand chromatin changes during hematopoietic stem cell aging |
|---|---|
| Συγγραφείς: | Iáñez Picazo, Pablo |
| Thesis Advisors: | Florian, Maria Carolina, Petrone, Paula, Basagaña Flores, Xavier |
| Πηγή: | TDX (Tesis Doctorals en Xarxa) |
| Στοιχεία εκδότη: | Universitat Pompeu Fabra, 2026. |
| Έτος έκδοσης: | 2026 |
| Φυσική περιγραφή: | 281 p. |
| Θεματικοί όροι: | Computer vision, Visión Artificial, Deep learning, Aprendizaje Profundo, Machine Learning, Aprendizaje Automático, Cellular Aging, Envejecimiento Celular, Hematopoietic Stem Cells, Células Madre Hematopoyéticas, Age Prediction, Predicción de la Edad, Nuclear Chromatin, Chromatina Nuclear, Microscopy Imaging, Imagen de Microscopia, Nuclear Architecture, Arquitectura Nuclear |
| Περιγραφή: | La función de las células madre hematopoyéticas (HSC) se deteriora con la edad, contribuyendo a la inmunosenescencia y a la aparición de trastornos asociados al envejecimiento. Comprender y cuantificar este deterioro resulta, por tanto, de gran interés tanto científico como clínico. Aunque los enfoques actuales para medir el envejecimiento celular se basan principalmente en ensayos moleculares, los cambios en la arquitectura de la cromatina, otro rasgo distintivo del envejecimiento celular, no han sido explorados en profundidad como marcadores cuantitativos. En esta tesis se investiga si las alteraciones de la cromatina asociadas a la edad en los núcleos de las HSC pueden capturarse mediante imágenes de microscopía 3D y modelarse computacionalmente para predecir procesos de envejecimiento y rejuvenecimiento. En primer lugar, desarrollamos un software de visión artificial para extraer características a partir de imágenes de HSC de ratones jóvenes y viejos teñidas con DAPI, lo que permite identificar diferencias significativas asociadas con la edad, así como una restauración parcial de características de la cromatina de células jóvenes tras la inhibición de RhoA. A continuación, presentamos un modelo explicable de aprendizaje profundo basado en redes neuronales convolucionales que aprende patrones espaciales de la cromatina asociados al envejecimiento y supera el rendimiento de clasificadores basados en características predefinidas. En conjunto, esta investigación contribuye a una mejor comprensión de las alteraciones de la cromatina durante el envejecimiento de las HSC y proporciona herramientas basadas en imágenes para la evaluación de la edad biológica a nivel de núcleo individual. |
| Description (Translated): | The function of hematopoietic stem cells (HSCs) declines with age, contributing to immunosenescence and aging-related disorders. Measuring and understanding this decline is therefore of major scientific and clinical interest. While current approaches to quantify cellular aging largely rely on molecular assays, changes in chromatin architecture, another hallmark of aging, remain underexplored as quantitative markers. This thesis investigates whether age-associated chromatin alterations in HSC nuclei can be captured from 3D microscopy images using computational models to predict aging and rejuvenation. We first develop a computer vision pipeline to extract features from DAPI-stained images of HSCs from young and aged mice, revealing significant age-dependent differences and a partial restoration of youthful chromatin features following RhoA inhibition. We then introduce an explainable deep learning model based on convolutional neural networks that learns spatial patterns of chromatin aging and outperforms feature-based classifiers. Overall, our research advances the study of chromatin alterations in HSC aging and provides image-based tools to evaluate biological age at the single-nucleus level. Universitat Pompeu Fabra. Doctorat en Biomedicina |
| Τύπος εγγράφου: | Dissertation/Thesis |
| Περιγραφή αρχείου: | application/pdf |
| Γλώσσα: | English |
| Σύνδεσμος πρόσβασης: | https://hdl.handle.net/10803/697450 |
| Rights: | L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| Αριθμός Καταχώρησης: | edstdx.10803.697450 |
| Βάση Δεδομένων: | TDX |
| Η περιγραφή δεν είναι διαθέσιμη |