222 Appendices SAMENVATTING Overzicht van het proefschrift voor het algemene publiek Van oudsher worden in biomedisch onderzoek in vivo modellen (dieren, mensen) gebruikt om ziekten te bestuderen, medicijnen te screenen en biologische processen te karakteriseren. Diermodellen roepen niet alleen ethische kwesties op, maar hebben ook biologische verschillen met mensen. In vitro- en in silico-systemen bieden de mogelijkheid om het gebruik van diermodellen te minimaliseren en onderzoek te doen dat beter toepasbaar is op mensen. In vitro-modellen worden bestudeerd buiten het levende organisme en in een omgeving die de natuurlijke omstandigheden van het organisme nabootst. Deze modellen kunnen meerdere organen nabootsen en kunnen worden gebruikt om verschillende biologische processen, specifieke ziekten of de werking van medicijnen te bestuderen. In dit proefschrift richt ik me op het gebruik van organoïden of "mini-organen". De ontdekking van organoïden in 2009 heeft het veld van in vitro onderzoek in de biogeneeskunde gerevolutioneerd. Organoïden zijn driedimensionale structuren die lijken op het oorspronkelijke orgaan. Ze kunnen groeien en zich vermeerderen in kweek, en behouden gedeeltelijk de functies van het oorspronkelijke orgaan. Organoïden kunnen worden afgeleid van primair weefsel (biopten verkregen direct uit verschillende organen) of van geïnduceerde pluripotente stamcellen (iPSC's). In silico-modellen zijn wiskundige beschrijvingen van een biologisch systeem. Deze modellen zijn gebaseerd op wiskundige formules en algoritmen die de biochemische reacties uit stofwisselingsroutes of biologisch processen beschrijven. Ze bevatten verschillende parameters zoals reactiesnelheden, reactiemechanismen en thermodynamische parameters. In silico-modellen kunnen worden aangevuld met gegevens verkregen uit andere modellen (inclusief in vitro en in vivo) om verschillende biologische processen te begrijpen. In dit proefschrift ontwikkel ik twee soorten in silico-modellen: een ‘deep learning’-model, gebaseerd op kunstmatige intelligentie, en een gedetailleerd kinetisch model. ‘Deep learning’ is efficiënt instrument binnen het veld van in silico-modellering voor biologische doeleinden en kan heeft een breed toepassingsgebied. Gedetailleerde kinetische modellen zijn gebaseerd op snelheidsvergelijkingen om het gedrag van de verschillende enzymen te beschrijven, en kunnen worden gebruikt de studie van de stofwisseling. Gezamenlijk stellen de verschillende soorten in silico modellen ons in staat om de werking van metabole paden te begrijpen en hoe deze worden gereguleerd in gezondheid en ziekte.
RkJQdWJsaXNoZXIy MTk4NDMw