Publicação
Automated analysis of electrophoresis gels
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Krippahl, Ludwig | |
| dc.contributor.author | Figueiredo, Miguel Alexandre | |
| dc.date.accessioned | 2024-05-15T18:22:24Z | |
| dc.date.available | 2024-05-15T18:22:24Z | |
| dc.date.issued | 2021-10 | |
| dc.description.abstract | Gel Electrophoresis is an important technique used to divide molecules such as proteins, DNA, RNA, and others, into isolated components, by placing them in a gel and applying an electric field, that will make them migrate towards the end of the gel and separate while doing so. This procedure is usually used as an intermediate step in many experiments, to obtain a particular component. Generally, neither the samples or the migrations are visible to the naked eye and it’s necessary to use dyes and development processes to observe the results post gel electrophoresis, meaning any analysis in the course of the experiment is limited or non-existent. The application of gold nanoparticles to the gel electrophoresis has changed that, since their red colored stain can be used as a marker, making it so that it’s feasible to observe all of the samples’ migrations, from start to finish, and record them. This way, gel electrophoresis becomes a useful method to learn more about each sample and its migration rates, since it can be used in samples interacting with gold nanoparticles to analyse the visible migrations, so as to obtain the migration parameters. This thesis focuses on the analysis of video recordings of the gel electrophoresis procedure when applied to samples interacting with gold nanoparticles. Two different prototypes were developed, in order to divide the videos into frames, analyse those frames and identify each sample’s location throughout time, making it possible to obtain their migration paths and starting points. For this, several machine learning models were implemented, all focused on different areas of computer vision. By the end, both prototypes managed to identify the majority of the migration paths, with the second one having a much higher success rate and with lower number of false positives, while taking a tenth of the time to analyse each video, compared to the first one. As such, this prototype was chosen as the best choice to solve the initial problem. Success in this work may lead to an easier process of extraction of meaningful data from gel electrophoresis’ video recordings in the future and an eventual estimation of samples’ migration rate parameters. | pt_PT |
| dc.description.abstract | Eletroforese em gel é uma técnica usada para dividir moléculas como proteínas, ADN, ARN, entre outros, em componentes isolados, colocando-as num gel e aplicando um campo elétrico, que as fará migrar para o fim do gel e separar enquanto isso. Este procedimento é normalmente usado como um passo intermédio em muitas experiências, para obter um componente específico . Geralmente, tanto as amostras como as migrações não costumam ser visíveis a olho nu, sendo necessário o uso de corantes e técnicas de revelação para observar os resultados pós eletroforese, o que significa que qualquer análise no decurso da experiência é limitada ou não-existente. A utilização de nanopartículas de ouro na eletroforese em gel possibilitou o desaparecimento dessa limitação, já que a mancha corada vermelha das nanopartículas pode ser usada como um marcador, tornando possível observar as migrações de todas as amostras, de início ao fim, e gravá-las. Desta forma, a eletroforese em gel torna-se um método útil para uma aprendizagem mais profunda sobre as amostras e as suas taxas de migração, visto que pode ser usada em amostras com nanopartículas de ouro, com o intuito de analisar as migrações visiveis, de modo a obter os parâmetros da migração. Esta tese foca-se na análise de vídeos do procedimento de eletroforese em gel com amostras que possuem nanopartículas de ouro. Foram desenvolvidos dois protótipos, de modo a dividir os vídeos em imagens, analisar essas imagens e identificar a localização de cada amostra durante o tempo, tornando possível obter as suas faixas de migração e os pontos de partida. Para tal, vários modelos de aprendizagem automática foram implementados, todos eles específicos a diferentes áreas de visão computacional. No fim, ambos os protótipos foram capazes de identificar a maioria das faixas de migração, com o segundo tendo uma maior taxa de sucesso e um número menor de falsos positivos, levando apenas um décimo do tempo a analisar cada vídeo, comparado ao primeiro. Assim sendo, este protótipo foi escolhido como sendo a melhor opção à resolução do problema inicial. O sucesso neste trabalho possibilitará o desenvolvimento de um processo mais simples de extração de dados de vídeos de eletroforese em gel no futuro, tal como uma eventual estimação dos parâmetros de taxa de migração de amostras. | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10362/167458 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Gel Electrophoresis | pt_PT |
| dc.subject | Machine Learning | pt_PT |
| dc.subject | Computer Vision | pt_PT |
| dc.subject | Image Segmentation | pt_PT |
| dc.subject | Image Classification | pt_PT |
| dc.subject | Neural Networks | pt_PT |
| dc.title | Automated analysis of electrophoresis gels | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Master of Science in Computer Science and Informatics Engineering | pt_PT |