Praca magisterska
Brak miniatury
Licencja
ClosedAccessDostęp zamknięty
 

Analysis of the cellular environments based on the BERT architecture models

Uproszczony widok
dc.abstract.enThe advances in spatial cellular imaging enabled a new understanding of cellular neighborhoods. Nowadays, researchers believe it is not the cell alone but the cell in its neighborhood context that provides complete information about its function and work mechanism. Modeling these neighborhoods is challenging due to the natural invariances of the data, leading most existing approaches to rely on simplified aggregations. In this study, we utilized the state-of-the-art BERT architecture to model cellular neighborhoods comprehensively and avoid such simplifications. Using data from the Immucan consortium, we introduced two novel algorithms: Cell2Vec, an adaptation of Word2Vec for cellular neighborhood data that captures cell type co-occurrence patterns, and NicheBERT, a transformer-based model with spatial graph embeddings for robust neighborhood analysis. These models provided biologically meaningful representations, excelling in cell type classification tasks and revealing key relationships at both the cellular and patient levels.
dc.abstract.plPostępy w obrazowaniu przestrzennym komórek umożliwiły nowe zrozumienie otoczeń komórkowych. Obecnie naukowcy uważają, że to nie sama komórka, lecz komórka w kontekście swojego sąsiedztwa dostarcza informacji o jej funkcji i mechanizmie działania. Modelowanie tych otoczeń jest jednak wyzwaniem z powodu naturalnych niezmienników danych, co sprawia, że większość istniejących podejść opiera się na uproszczonych agregacjach. W tym badaniu wykorzystaliśmy architekturę BERT do kompleksowego modelowania otoczeń komórkowych, unikając takich uproszczeń. Korzystając z danych konsorcjum Immucan, wprowadziliśmy dwa nowe algorytmy: Cell2Vec, adaptację Word2Vec do danych dotyczących otoczeń komórkowych, który wychwytuje wzorce współwystępowania typów komórek, oraz NicheBERT, model oparty na transformatorze z uwzględnieniem informacji przestrzenej do analizy otoczeń komórkowych. Modele te dostarczyły biologicznie istotnych reprezentacji, osiągając doskonałe wyniki w zadaniach klasyfikacji typów komórek i ujawniając kluczowe zależności zarówno na poziomie komórkowym, jak i pacjenta.
dc.affiliationUniwersytet Warszawski
dc.affiliation.departmentWydział Matematyki, Informatyki i Mechaniki
dc.contributor.authorMalinowska-Traczyk, Roksana
dc.date.accessioned2025-01-20T14:44:13Z
dc.date.available2025-01-20T14:44:13Z
dc.date.defence2024-12-19
dc.date.issued2024
dc.date.submitted2024-12-04
dc.description.promoterSzczurek, Ewa
dc.description.reviewerSzczurek, Ewa
dc.description.reviewerWilczyński, Bartosz
dc.identifier.apd227905
dc.identifier.urihttps://repozytorium.uw.edu.pl//handle/item/165674
dc.languageen
dc.language.otherpl
dc.publisherUniwersytet Warszawski
dc.rightsClosedAccess
dc.subject.entransformer
dc.subject.endeep learning
dc.subject.enIMC
dc.subject.enbioinformatics
dc.subject.encellular neighborhood
dc.subject.entumor microenvironment
dc.subject.pltransformer
dc.subject.pluczenie głębokie
dc.subject.plIMC
dc.subject.plbioinformatyka
dc.subject.plotoczenia komórkowe
dc.subject.plmikrośrodowisko nowotworowe
dc.titleAnalysis of the cellular environments based on the BERT architecture models
dc.title.alternativeAnaliza mikrootoczeń komórkowych przy pomocy modeli na bazie architektury BERT
dc.typeMasterThesis
dspace.entity.typePublication