Il rilascio d’insulina, da parte delle beta cellule pancreatiche, è una tra le fasi fondamentali della regolazione omeostatica della glicemia all’interno dell’organismo ed uno dei primi segnali d’insorgenza della condizione diabetica di tipo due, in caso di un suo malfunzionamento. Un’accurata identificazione dell’evento di esocitosi ed la descrizione della sua dinamica spazio temporale sono perciò fondamentali per la comprensione della patologia diabetica ed il potenziale sviluppo di strategie terapeutiche contro di essa. La microscopia a fluorescenza a riflessione interna totale (TIRF) è una metodo di imaging che permette di osservare l’interazione tra granulo e membrana cellulare. Integrando questa tecnologia con algoritmi di machine learning, la ricerca, in tal senso, sta sviluppando un processo automatizzato in grado di riconoscere l’esocitosi e più in generale, classificare i diversi fenomeni presenti in prossimità della membrana cellulare.

Identificazione dell'evento di esocitosi in cellule insuliniche in vivo tramite registrazioni TIRFM

TRAORE, ALI
2024/2025

Abstract

Il rilascio d’insulina, da parte delle beta cellule pancreatiche, è una tra le fasi fondamentali della regolazione omeostatica della glicemia all’interno dell’organismo ed uno dei primi segnali d’insorgenza della condizione diabetica di tipo due, in caso di un suo malfunzionamento. Un’accurata identificazione dell’evento di esocitosi ed la descrizione della sua dinamica spazio temporale sono perciò fondamentali per la comprensione della patologia diabetica ed il potenziale sviluppo di strategie terapeutiche contro di essa. La microscopia a fluorescenza a riflessione interna totale (TIRF) è una metodo di imaging che permette di osservare l’interazione tra granulo e membrana cellulare. Integrando questa tecnologia con algoritmi di machine learning, la ricerca, in tal senso, sta sviluppando un processo automatizzato in grado di riconoscere l’esocitosi e più in generale, classificare i diversi fenomeni presenti in prossimità della membrana cellulare.
2024
Identifying insulin exocytosis events in live-cell TIRFM recordings
Exocytosis
Insulin
Machine Learning
File in questo prodotto:
File Dimensione Formato  
Traore_Ali.pdf

Accesso riservato

Dimensione 263.96 kB
Formato Adobe PDF
263.96 kB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/98364