Data Mapping Across Compact Cellular Tissues of Varying Morphology
(2021) FYTM03 20211Computational Biology and Biological Physics - Undergoing reorganization
- Abstract
- A problem with cellular image data from plant tissues is that it is difficult to compile and compare data from different specimens due to their varying morphology. In this thesis, a method for compiling image data from different tissues in a unified geometry is developed and evaluated on early floral buds of Arabidopsis thaliana. The proposed method can transfer subcellular resolution data between tissues on both cell and tissue scale. The images are first aligned on a tissue level using image registration techniques, and it is then possible to determine the cell-to-cell connections between the tissues. After the cell-to-cell connections have been found, the data is decomposed in a form that is easy to transfer between the images. By... (More)
- A problem with cellular image data from plant tissues is that it is difficult to compile and compare data from different specimens due to their varying morphology. In this thesis, a method for compiling image data from different tissues in a unified geometry is developed and evaluated on early floral buds of Arabidopsis thaliana. The proposed method can transfer subcellular resolution data between tissues on both cell and tissue scale. The images are first aligned on a tissue level using image registration techniques, and it is then possible to determine the cell-to-cell connections between the tissues. After the cell-to-cell connections have been found, the data is decomposed in a form that is easy to transfer between the images. By dividing the cells into sectors formed by angular intervals, it is possible to map data that is asymmetrically distributed across an individual cell's membranes. It is shown that hormone transport simulations based on the raw data and the mapped data of geometries and cell polarity have similar behaviours, indicating that the data distribution remains intact after the mapping. The method shows promise for revisiting older datasets and integrating them with new ones for improved analysis and model optimization. (Less)
- Popular Abstract (Swedish)
- Vår kunskap om växter har ökat sedan den första jordbruksrevolutionen för mer än 10.000 år sedan, men det är fortfarande mycket vi inte vet. Med moderna mikroskop och genmodifieringstekniker har växtcellernas inre processer börjat kartläggas. Genom att använda fluorescerande markörer som är bundna till de protein man vill undersöka så kan man se var dessa proteiner finns på cellnivå. Ett problem är att man bara kan använda ett fåtal markörer i samma vävnad, och istället krävs flera separata vävnader med olika markörer. De separata vävnaderna gör det svårare att analysera datan eftersom de olika vävnaderna har varierande struktur och olika mängder celler med annorlunda former. Målet med denna uppsats är att utveckla en metod för att kunna... (More)
- Vår kunskap om växter har ökat sedan den första jordbruksrevolutionen för mer än 10.000 år sedan, men det är fortfarande mycket vi inte vet. Med moderna mikroskop och genmodifieringstekniker har växtcellernas inre processer börjat kartläggas. Genom att använda fluorescerande markörer som är bundna till de protein man vill undersöka så kan man se var dessa proteiner finns på cellnivå. Ett problem är att man bara kan använda ett fåtal markörer i samma vävnad, och istället krävs flera separata vävnader med olika markörer. De separata vävnaderna gör det svårare att analysera datan eftersom de olika vävnaderna har varierande struktur och olika mängder celler med annorlunda former. Målet med denna uppsats är att utveckla en metod för att kunna integrera data från flera olika vävnadsprover, i en såkallad atlas.
Det första steget är att se till att vävnaderna har samma form. Detta kan illustreras med en bild på en amerikansk fotboll och en på en vanlig fotboll. Båda objekten är bollar, men de har olika form. Genom att manipulera bilden på den amerikanska fotbollen så kan man göra den mer sfärisk, så att om man skulle klippa ut bilden på den manipulerade amerikanska fotbollen och placera den på bilden av den vanliga fotbollen så skulle de överlappa perfekt. På samma sätt som man kan manipulera en bild på en fotboll så kan man manipulera en tredimensionell bild av en vävnad, så att flera vävnader får samma form. När vävnadsbilderna har manipulerats så de har samma form är det möjligt att sammanställa informationen i de olika vävnaderna.
I denna uppsats presenteras en ny metod för att överföra data mellan vävnader med varierande former. Metoden testas på bilder av blommor i ett mycket tidigt utvecklingsstadie från växten \textit{Arabidopsis thaliana}. Efter att bilddatan har blivit manipulerad så att vävnaderna överlappar så är det möjligt att överföra data från den ena vävnaden till den andra. Genom att sedan göra simuleringar med både originaldatan och datan som är överförd till den andra vävnaden kan man jämföra om simuleringarna beter sig på samma sätt. Resultatet från simuleringarna visar att dynamiken kvarstår efter dataöverföringen, vilket indikerar att metoden lyckas med en form av dataöverföring som inte gjorts förr. Med hjälp av denna nya metoden kan gammal och ny data sammanställas i en form som möjliggör avancerade simuleringar och analyser. (Less)
Please use this url to cite or link to this publication:
http://lup.lub.lu.se/student-papers/record/9057299
- author
- Petersson, Jonas LU
- supervisor
- organization
- course
- FYTM03 20211
- year
- 2021
- type
- H2 - Master's Degree (Two Years)
- subject
- keywords
- Arabidopsis thaliana, image processing, data mapping
- report number
- LU-TP 21-28
- language
- English
- id
- 9057299
- date added to LUP
- 2021-08-03 14:41:54
- date last changed
- 2022-06-30 11:32:26
@misc{9057299,
abstract = {{A problem with cellular image data from plant tissues is that it is difficult to compile and compare data from different specimens due to their varying morphology. In this thesis, a method for compiling image data from different tissues in a unified geometry is developed and evaluated on early floral buds of Arabidopsis thaliana. The proposed method can transfer subcellular resolution data between tissues on both cell and tissue scale. The images are first aligned on a tissue level using image registration techniques, and it is then possible to determine the cell-to-cell connections between the tissues. After the cell-to-cell connections have been found, the data is decomposed in a form that is easy to transfer between the images. By dividing the cells into sectors formed by angular intervals, it is possible to map data that is asymmetrically distributed across an individual cell's membranes. It is shown that hormone transport simulations based on the raw data and the mapped data of geometries and cell polarity have similar behaviours, indicating that the data distribution remains intact after the mapping. The method shows promise for revisiting older datasets and integrating them with new ones for improved analysis and model optimization.}},
author = {{Petersson, Jonas}},
language = {{eng}},
note = {{Student Paper}},
title = {{Data Mapping Across Compact Cellular Tissues of Varying Morphology}},
year = {{2021}},
}