Dissertation/ Thesis
Προβολή σε EDS

Computer vision and deep learning to understand chromatin changes during hematopoietic stem cell aging

Λεπτομέρειες βιβλιογραφικής εγγραφής
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
FullText Text:
  Availability: 0
CustomLinks:
  – Url: https://hdl.handle.net/10803/697450#
    Name: EDS - TDX (ns324271)
    Category: fullText
    Text: View record in TDX
Header DbId: edstdx
DbLabel: TDX
An: edstdx.10803.697450
RelevancyScore: 1435
AccessLevel: 3
PubType: Dissertation/ Thesis
PubTypeId: dissertation
PreciseRelevancyScore: 1435.13293457031
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Computer vision and deep learning to understand chromatin changes during hematopoietic stem cell aging
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22Iáñez+Picazo%2C+Pablo%22">Iáñez Picazo, Pablo</searchLink>
– Name: Author
  Label: Thesis Advisors
  Group: Au
  Data: Florian, Maria Carolina<br />Petrone, Paula<br />Basagaña Flores, Xavier
– Name: TitleSource
  Label: Source
  Group: Src
  Data: TDX (Tesis Doctorals en Xarxa)
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: Universitat Pompeu Fabra, 2026.
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2026
– Name: PhysDesc
  Label: Physical Description
  Group: PhysDesc
  Data: 281 p.
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22Computer+vision%22">Computer vision</searchLink><br /><searchLink fieldCode="DE" term="%22Visión+Artificial%22">Visión Artificial</searchLink><br /><searchLink fieldCode="DE" term="%22Deep+learning%22">Deep learning</searchLink><br /><searchLink fieldCode="DE" term="%22Aprendizaje+Profundo%22">Aprendizaje Profundo</searchLink><br /><searchLink fieldCode="DE" term="%22Machine+Learning%22">Machine Learning</searchLink><br /><searchLink fieldCode="DE" term="%22Aprendizaje+Automático%22">Aprendizaje Automático</searchLink><br /><searchLink fieldCode="DE" term="%22Cellular+Aging%22">Cellular Aging</searchLink><br /><searchLink fieldCode="DE" term="%22Envejecimiento+Celular%22">Envejecimiento Celular</searchLink><br /><searchLink fieldCode="DE" term="%22Hematopoietic+Stem+Cells%22">Hematopoietic Stem Cells</searchLink><br /><searchLink fieldCode="DE" term="%22Células+Madre+Hematopoyéticas%22">Células Madre Hematopoyéticas</searchLink><br /><searchLink fieldCode="DE" term="%22Age+Prediction%22">Age Prediction</searchLink><br /><searchLink fieldCode="DE" term="%22Predicción+de+la+Edad%22">Predicción de la Edad</searchLink><br /><searchLink fieldCode="DE" term="%22Nuclear+Chromatin%22">Nuclear Chromatin</searchLink><br /><searchLink fieldCode="DE" term="%22Chromatina+Nuclear%22">Chromatina Nuclear</searchLink><br /><searchLink fieldCode="DE" term="%22Microscopy+Imaging%22">Microscopy Imaging</searchLink><br /><searchLink fieldCode="DE" term="%22Imagen+de+Microscopia%22">Imagen de Microscopia</searchLink><br /><searchLink fieldCode="DE" term="%22Nuclear+Architecture%22">Nuclear Architecture</searchLink><br /><searchLink fieldCode="DE" term="%22Arquitectura+Nuclear%22">Arquitectura Nuclear</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: 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.
– Name: Abstract
  Label: Description (Translated)
  Group: Ab
  Data: 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.<br />Universitat Pompeu Fabra. Doctorat en Biomedicina
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: Dissertation/Thesis
– Name: Format
  Label: File Description
  Group: SrcInfo
  Data: application/pdf
– Name: Language
  Label: Language
  Group: Lang
  Data: English
– Name: URL
  Label: Access URL
  Group: URL
  Data: <link linkTarget="URL" linkTerm="https://hdl.handle.net/10803/697450" linkWindow="_blank">https://hdl.handle.net/10803/697450</link>
– Name: Copyright
  Label: Rights
  Group: Cpyrght
  Data: 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/
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edstdx.10803.697450
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edstdx&AN=edstdx.10803.697450
RecordInfo BibRecord:
  BibEntity:
    Languages:
      – Text: English
    PhysicalDescription:
      Pagination:
        PageCount: 281
    Subjects:
      – SubjectFull: Computer vision
        Type: general
      – SubjectFull: Visión Artificial
        Type: general
      – SubjectFull: Deep learning
        Type: general
      – SubjectFull: Aprendizaje Profundo
        Type: general
      – SubjectFull: Machine Learning
        Type: general
      – SubjectFull: Aprendizaje Automático
        Type: general
      – SubjectFull: Cellular Aging
        Type: general
      – SubjectFull: Envejecimiento Celular
        Type: general
      – SubjectFull: Hematopoietic Stem Cells
        Type: general
      – SubjectFull: Células Madre Hematopoyéticas
        Type: general
      – SubjectFull: Age Prediction
        Type: general
      – SubjectFull: Predicción de la Edad
        Type: general
      – SubjectFull: Nuclear Chromatin
        Type: general
      – SubjectFull: Chromatina Nuclear
        Type: general
      – SubjectFull: Microscopy Imaging
        Type: general
      – SubjectFull: Imagen de Microscopia
        Type: general
      – SubjectFull: Nuclear Architecture
        Type: general
      – SubjectFull: Arquitectura Nuclear
        Type: general
    Titles:
      – TitleFull: Computer vision and deep learning to understand chromatin changes during hematopoietic stem cell aging
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: Iáñez Picazo, Pablo
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 28
              M: 04
              Type: published
              Y: 2026
ResultId 1