Die Anwendung moderner Computertomographie (CT) wird durch zwei Faktoren entscheidend beschränkt: Die individuelle Strahlenexposition und die Aufnahmezeit. Für die Erstellung einer tomographischen Aufnahme werden mehrere (bis zu 800) Röntgenbilder pro Schicht durchgeführt. Daraus resultiert eine Vielzahl von nötigen Röntgenprojektionen und damit eine erhebliche Strahlenbelastung. Aus diesen Einzelprojektionen wird das tomographische Bild mit Hilfe von Algorithmen rekonstruiert. Diese Rekonstruktion stellt eine Näherungslösung dar, dessen Qualität maßgeblich von der Anzahl der Projektionen abhängt. Eine einfache Möglichkeit, die Strahlendosis signifikant zu reduzieren und die benötige Aufnahmezeit zu verkürzen, ist die Verwendung von weniger Projektionen pro Schicht. Der damit einhergehende Qualitätsverlust der Rekonstruktion kann jedoch dazu führen, dass pathologische Strukturen wie bspw. feine Frakturlinien nicht mehr sichtbar sind.

Modellbasierte Methoden, die die Tomographie durch iteratives Lösen eines Gleichungssystems berechnen, können zu genaueren Rekonstruktionen führen, haben jedoch einen höheren Rechenaufwand zur Folge. Um die Rechenzeit zu reduzieren, können die Modellparameter auch im Vorfeld auf Basis eines Datensatzes aus Sinogrammen gelernt werden. Dies kann, insbesondere bei Anwendung moderner Convolutional Neural Networks (CNN), dazu führen, dass neue, ungesehene Bilder auf Basis von zuvor gelernten Bildstatistiken erstellt werden. Als Folge werden Bildmerkmale in die Rekonstruktionen eingebettet, die im Sinogramm nicht enthalten sind. Im Rahmen dieses Vorhabens möchten wir daher eine neue Rekonstruktionsmethode erforschen, die die Vorteile modell- und lernbasierter Verfahren kombiniert und dabei Nachteile ausgleicht. In vorherigen Arbeiten wurden am MTEC bereits erfolgreich Bayessche CNNs als neuronale Repräsentation von medizinischen Bildern für die Bildverbesserung angewendet. Es wird vermutet, dass sich diese Verfahren ebenfalls für die tomographische Rekonstruktion eignen und mit weniger Projektionen ein im Vergleich zur klassischen Rückprojektion gleichwertiges Ergebnis liefern. Dies hat automatisch eine Reduktion der Strahlenbelastung zur Folge.

Bei der Anwendung Bayesscher Verfahren werden vor der Betrachtung der Daten Annahmen über die Verteilung der Modellparameter getroffen. Während der Berechnung der Parameter wird überprüft, inwieweit diese von den A-priori-Annahmen abweichen. Dieses Vorgehen verhindert eine Überanpassung an die Daten; ein Problem, das insbesondere bei geringer Datenmenge auftritt. Das fachärztlich-radiologische Expertenwissen am UKE ist für die Bewertung der Rekonstruktionsgüte zwingend erforderlich. Mit Hilfe der Anschubfinanzierung der FMTHH Förderlinie sollen erste Erkenntnisse generiert werden, die für das Einwerben einer Folgeförderung notwendig sind.

Immune cell migration is a key step of the immune response, and its outcome depends on the efficient trafficking of leukocytes, such as dendritic cells (DCs) and T cells, which constantly patrol our body. Upon danger signal detection, leukocytes switch to a fast migration to reach the lymph nodes and start the T cell-mediated immune response. Importantly, the interaction with the microenvironment and other cells are main determinants of this migratory response, especially in pathological contexts, such as the tumor microenvironment where soluble molecules are released to impair proper immune cell function and migration. In addition, changes in the extracellular matrix, as those of the tumor microenvironment, trigger specific signaling pathways that impair proper immune cell migration and function. The Sáez lab investigates how different soluble factors control leukocyte migration by combining live-cell microscopy and microfluidics.

In order to decompose the contribution of the soluble factors released by the cancer cells of the tumor and the changes in the extracellular is necessary to develop physical and chemical methods to obtain matrices that mimick those found in the tumor microenvironment. The Sáez laboratory has therefore joined efforts with the Schroeter laboratory, which specializes in the synthesis of macro- and mesoporous matrices, so called “aerogels”, based on biopolymers. Since control and characterization of porous microstructures is crucial in the aerogel manufacturing process, combining the expertises of both laboratories provides a promising starting point for generation of extracellular matrices with the desired properties, their inclusion in microfluidic devices and therefore for determining the mechanisms of cell migration in tumor microenvironments.

The overall aim of this project is to develop extracellular matrices with controllable properties, to mimic the physical properties of the tumor microenvironment, and to study immune cell behavior on it in presence or absence of soluble molecules present in this context. Therefore we will develop a method to obtain biopolymer based gels for 3D cultures with specific particle sizes, pore structures and surface adhesivity.

We will generate gels from different biopolymers to reproduce the main features of the extracellular matrices observed in the tumor microenvironment. Therefore, in a first step biopolymer hydrogels will be produced from different proteins and polysaccharides (e.g. cellulose and alginate) and included into microfluidic chips. The microstructural properties will be controlled via different gelation techniques (e.g. variation of pH, temperature, biopolymer- and salt contents). Some of the hydrogels will be processed to aerogels via solvent exchange and supercritical CO₂ drying steps, which enables preservation and characterization of  the gel structure in dry state.    Main properties of the gels like pore size distributions and overall porosity  will be characterized using scanning electron microscopy and gas porosimetry. After identification of the most suitable matrix for cell migration, further modifications to the gels properties will be employed (e.g. change of surface adhesivity, inclusion of small spheres) in order to optimize the gels properties to mimic tumor microenvironments.

Then, we will characterize the behavior of immune cells in physiological and pathological conditions, such as the tumor microenvironment, by using 3D cultures, live-cell microscopy and image analysis. In parallel, we will analyze the effect of the main soluble molecules present in the tumor microenvironment over immune cell migration and cytotoxic activity. If successful, our project will advance deciphering the contribution of the soluble components of the tumor microenvironment and consequent cell communication, and the role of the extracellular matrix in such interaction.