Eine wiederverwendbare Pipeline zur Analyse von Whole-Slide-Aufnahmen von Lebergewebe. Maschinelles Lernen quantifiziert Gewebeschäden anhand histologischer Schnitte; ein interaktiver Viewer stellt die Ergebnisse als kombinierbare Ebenen über den ursprünglichen Gigapixel-Bildern dar. Entwickelt als mein Masterprojekt im König-Lab.
Über mich
- M.Sc. Biophysik Studentin an der Humboldt-Universität zu Berlin
- Studentische Hilfskraft in der Forschungsgruppe von Dr. Matthias König
- Schwerpunkte in Systembiologie, Systemmedizin und computergestützter Pharmakologie
- Forschungsinteressen: PBPK-Modellierung und digitale Zwillinge
- Entwicklung reproduzierbarer Modell-Pipelines für modellinformierte Präzisionsdosierung
Aktuell
- Masterprojekt im König-Lab: Entwicklung einer wiederverwendbaren Pipeline zur Analyse von Whole-Slide-Aufnahmen von Lebergewebe. Maschinelles Lernen quantifiziert Gewebeschäden anhand histologischer Schnitte, und ein interaktiver Viewer, SlideViz, stellt die Ergebnisse als kombinierbare Ebenen über den ursprünglichen Gigapixel-Bildern dar
- Vorbereitung meiner Masterarbeit, die diese Arbeit in die Simulation erweitert: Das segmentierte Gewebe wird in eine Geometrie überführt, auf der Arzneimittelstoffwechsel und Schädigung direkt modelliert werden können
- Entwicklung von VisFEM, einer Webplattform zur Visualisierung von FEM-Simulationen, im Rahmen des DFG SPP 2311
- Unterstützung bei der Manuskriptentwicklung und -redaktion für laufende Publikationen im König-Lab
- Arbeit an reproduzierbaren PBPK-Modellierungsworkflows
- M.Sc.-Studium in Systembiologie, dynamischer Modellierung und medizinsiche Biophysik
Projekte
Ein interaktives webbasiertes Werkzeug zur Visualisierung von Finite-Elemente-Methode (FEM) Simulationsergebnissen mit Fokus auf biomedizinische Anwendungen. Entwickelt im Rahmen von DFG SPP 2311 und als Open-Source-Python-Paket über PyPI verfügbar.
CNN-basierte Vorhersage der mittleren Ribosomenlast (MRL) aus 5′-UTR-Sequenzen zur Untersuchung, wie eine reduzierte Polysom-Profiling-Auflösung die Modellleistung beeinflusst. Trainiert auf 280.000 Sequenzen mit 5-facher Kreuzvalidierung über fünf Auflösungsschemata; Modellinterpretation via Integrated Gradients (Captum).
Interaktive Webanwendung, die den digitalen Zwilling von Glimepirid für eine personalisierte und stratifizierte Diabetesbehandlung implementiert, gebaut mit Marimo und via Docker deploybar. Begleitet das Glimepirid-PBPK/PD-Modell und die zugehörige Publikation in Frontiers in Pharmacology.
Physiologisch-basiertes pharmakokinetisches (PBPK) Modell von Glimepirid im SBML-Format, einschließlich Leber-, Nieren-, Darm- und Ganzkörper-Teilmodellen. Begleitet von einem COMBINE-Archiv, FAIR-Bewertung und reproduzierbarer Simulations-Pipeline.
Publikationen
Hervorgehoben
Erstautor
Co-Autor
Abschlussarbeiten
Arbeit mit Whole-Slide-Aufnahmen von Lebergewebe im König-Lab: Visualisierung der Gigapixel-Bilder, CNNs und Transformer zur Segmentierung des Gewebes und Quantifizierung der Schäden sowie Simulation von Arzneimittelstoffwechsel und Schädigung auf der resultierenden Geometrie. Umfang und Titel entwickeln sich noch; Details folgen im Verlauf der Arbeit.
Entwicklung eines Ganzkörper-PBPK-Modells für Glimepirid basierend auf kuratierten klinischen Daten, zur Untersuchung der pharmakokinetischen Variabilität aufgrund von Nieren- und Leberfunktionsstörungen, Körpergewicht und CYP2C9-Genvarianten.