Master thesis - University of Veterinary Medicine Vienna - 2021 The full text is only available to university members. Please log in!

Masterarbeit - Veterinärmedizinische Universität Wien - 2021 Aus rechtlichen Gründen sind nicht alle Teile dieser Arbeit frei zugänglich. Der Zugriff auf den elektronischen Volltext ist auf Angehörige der Veterinärmedizinischen Universität Wien beschränkt. Bitte einloggen!

Prostate cancer is the most common type of cancer among men but it can often be treated successfully. In this project we are investigating the links between cancer and the process of inflammation in the prostate. The molecular and cellular changes may be revealed by alterations in the tissue architecture or by the presence of specific signaling molecules and their interactions with one another. In collaboration with KML-Vision, we have developed a computational system that automatically classifies and evaluates differences in the prostate- cancer image data. To overcome the limitation of normal bright field microscopy, we used fluorescent antibody multistainings to stain different targets within the same prostate tissue. The spectrum of each fluorophore is known, so spectral scanning and unmixing algorithms, developed by us, can isolate each individual color and detect tissue-autofluorescence in a wider range of simultaneous targets. Laser scanning confocal microscopy was used for imaging the stained prostate tissue. Artificial intelligence (AI) routines were also performed, in order to enable an automated analysis through machine learning. We observed the correlation between a signaling molecule of inflammation (caIKK2) and one of the most important oncogenes, c-Myc, as well as a link between thrombosis and cancer in prostate tissue.

Prostatakrebs ist die häufigste Krebsart bei Männern, kann aber oft erfolgreich behandelt werden. In diesem Projekt untersuchen wir die Zusammenhänge zwischen Krebs und Entzündungsprozessen in der Prostata. Die molekularen und zellulären Prozesse können durch Veränderungen in der Gewebearchitektur oder durch das Vorhandensein spezifischer Signalmoleküle und deren Wechselwirkungen miteinander aufgedeckt werden. In Zusammenarbeit mit KML-Vision haben wir einen Algorithmus entwickelt, der Unterschiede in den Prostatakrebs Bilddaten automatisch klassifizieren und bewerten kann. Um die Einschränkungen der normalen Hellfeldmikroskopie zu überwinden, verwendeten wir fluoreszierende Antikörper-Multifärbungen, um verschiedene molekulare Ziele innerhalb desselben Prostatagewebes sichtbar zu machen. Das Spektrum jedes Fluorophors ist bekannt, daher können von uns entwickelte spektrale Scan- und Entmischungsalgorithmen jede einzelne Farbe isolieren und Gewebe-Autofluoreszenz in einem breiteren Spektrum gleichzeitiger Ziele erkennen. Zur Aufnahme des gefärbten Prostatagewebes wurde konfokale Laser-Scanning-Mikroskopie verwendet. Außerdem wurden Routinen der Künstlichen Intelligenz durchgeführt, um eine automatisierte Analyse zu ermöglichen. Wir beobachteten die Korrelation zwischen einem Signalmolekül der Entzündung (caIKK2) und einem der wichtigsten Onkogene, c-Myc, sowie einen Zusammenhang zwischen Thrombose und Krebs im Prostatagewebe.

application/pdf

VII, 93 Blätter