{"id":4253,"date":"2022-05-05T18:22:02","date_gmt":"2022-05-05T16:22:02","guid":{"rendered":"https:\/\/dianas.web.uah.es\/journal\/?p=4253"},"modified":"2022-05-05T18:22:02","modified_gmt":"2022-05-05T16:22:02","slug":"dianas-2022-11-1-e202203d04-martos-esteban-y-perosanz-amarillo-optimizacion-de-metodos-de-ensayo-en-biologia-mediante-deep-learning","status":"publish","type":"post","link":"https:\/\/dianas.web.uah.es\/journal\/dianas-2022-11-1-e202203d04-martos-esteban-y-perosanz-amarillo-optimizacion-de-metodos-de-ensayo-en-biologia-mediante-deep-learning\/","title":{"rendered":"dianas 11 (1) Martos-Esteban y Perosanz-Amarillo 2022 Optimizaci\u00f3n de m\u00e9todos de ensayo en biolog\u00eda mediante Deep Learning."},"content":{"rendered":"<div class='ad_single_article'>\n<p class='ad_single_article_SO'><a href='https:\/\/dianas.web.uah.es\/journal\/dianas-11-1\/#dianas-2022-11-1-e202203d04-martos-esteban-y-perosanz-amarillo-optimizacion-de-metodos-de-ensayo-en-biologia-mediante-deep-learning'>dianas 11(1)<br \/><\/a> &gt; <a href='https:\/\/dianas.web.uah.es\/journal\/dianas-2022-11-1-e202203d04-martos-esteban-y-perosanz-amarillo-optimizacion-de-metodos-de-ensayo-en-biologia-mediante-deep-learning\/'>Martos-Esteban y Perosanz-Amarillo<br \/><\/a><\/p>\n\n<p class='signature'>dianas | Vol 11 Num 1 | marzo  2022 | e202203d04<br \/><\/p>\n\n<p class='w_authors ad_single_article_authors'>Irene&nbsp;Martos&nbsp;Esteban<br&nbsp;\/>, Sergio&nbsp;Perosanz&nbsp;Amarillo<br&nbsp;\/><\/p>\n\n<p class='w_address ad_single_article_address'>Universidad Polit\u00e9cnica de Madrid. Inari Biotech S.L.<br \/><\/p>\n\n<p class='w_mail ad_single_article_mail'>inaribiotech@gmail.com<br \/><\/p>\n\n<p class='w_meeting ad_single_article_meeting'>VII Congreso de Se\u00f1alizaci\u00f3n Celular, SECUAH 2022.<br \/><br \/>\n14 a 18 de marzo, 2022. Universidad de Alcal\u00e1. Alcal\u00e1 de Henares, Madrid. Espa\u00f1a.<br \/><\/p>\n\n<p class='w_abstract_caption ad_single_article_abstract_caption'>Resumen<\/p>\n<p class='w_abstract ad_single_article_abstract'>Los grandes avances de la biotecnolog\u00eda est\u00e1n poniendo a prueba los sistemas de testeo y de an\u00e1lisis de imagen. Los nuevos campos de estudio requieren softwares que puedan adaptarse a sus necesidades para proporcionar resultados lo m\u00e1s claros y eficientes posibles. <br \/>El campo de investigaci\u00f3n que cubre este proyecto son los denominados ensayos de aspiraci\u00f3n con micropipeta. En estos ensayos se hace pasar de forma total o parcial una c\u00e9lula de un medio al interior de la micropipeta a partir de una diferencia de presi\u00f3n. De esta forma se ha creado un software mediante el entorno de programaci\u00f3n LabView para analizar las im\u00e1genes obtenidas de tales ensayos. Otras plataformas ya existentes en el mercado usadas para el an\u00e1lisis de imagen no ofrecen las herramientas necesarias para estos tipos de ensayos, ya que no se puede usar un m\u00e9todo gen\u00e9rico de an\u00e1lisis al tratarse de c\u00e9lulas con diversas morfolog\u00edas.<br \/>Este programa se ha creado con el objetivo de buscar una soluci\u00f3n eficiente para la medici\u00f3n de par\u00e1metros mec\u00e1nicos como la elasticidad o la tenacidad de las membranas celulares. A partir de estos par\u00e1metros se puede conocer de forma exacta el comportamiento mec\u00e1nico de diversos sistemas biol\u00f3gicos a partir de las im\u00e1genes tomadas en los ensayos de microaspiraci\u00f3n.<br \/>El proceso de an\u00e1lisis de estas im\u00e1genes consta de una primera fase de focalizaci\u00f3n sobre la regi\u00f3n de inter\u00e9s. A continuaci\u00f3n, mediante un modelo de segmentaci\u00f3n de imagen basado en Deep Learning, en concreto de las redes tipo U-NET, el programa es capaz de reconocer la ubicaci\u00f3n de la c\u00e9lula en proceso de microaspiraci\u00f3n dentro de la imagen. El software creado es capaz de seguir a la c\u00e9lula a trav\u00e9s de los fotogramas obtenidos en el ensayo para crear un patr\u00f3n de movimiento y por lo tanto medir las variaciones su morfolog\u00eda a lo largo del ensayo. El impacto de este software reside en que es f\u00e1cilmente implementable en ensayos en vivo. De esta forma los resultados de estos an\u00e1lisis de imagen o video se realizar\u00e1n de forma inmediata mejorando as\u00ed los tiempos de cada investigaci\u00f3n.<br \/><\/p>\n\n<div class='ad_single_article_citation_box'>\n<\/div>\n\n<\/div>\n\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5,94,62,64],"tags":[],"class_list":["post-4253","post","type-post","status-publish","format-standard","hentry","category-article","category-dianas-vol-11-num-1","category-sesion-d","category-vols-10-19"],"_links":{"self":[{"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/posts\/4253","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/comments?post=4253"}],"version-history":[{"count":0,"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/posts\/4253\/revisions"}],"wp:attachment":[{"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/media?parent=4253"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/categories?post=4253"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dianas.web.uah.es\/journal\/wp-json\/wp\/v2\/tags?post=4253"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}