Filter and export

Publications

What is a Publication?
19 Publications visible to you, out of a total of 19
Colorectal cancer incidences in Lynch syndrome: a comparison of results from the prospective lynch syndrome database and the international mismatch repair consortium

Abstract (Expand)

Abstract Objective To compare colorectal cancer (CRC) incidences in carriers of pathogenic variants of the MMR genes in the PLSD and IMRC cohorts, of which only the former included mandatory colonoscopy …of which only the former included mandatory colonoscopy surveillance for all participants. Methods CRC incidences were calculated in an intervention group comprising a cohort of confirmed carriers of pathogenic or likely pathogenic variants in mismatch repair genes ( path_MMR) followed prospectively by the Prospective Lynch Syndrome Database (PLSD). All had colonoscopy surveillance, with polypectomy when polyps were identified. Comparison was made with a retrospective cohort reported by the International Mismatch Repair Consortium (IMRC). This comprised confirmed and inferred path_MMR carriers who were first- or second-degree relatives of Lynch syndrome probands. Results In the PLSD, 8,153 subjects had follow-up colonoscopy surveillance for a total of 67,604 years and 578 carriers had CRC diagnosed. Average cumulative incidences of CRC in path_MLH1 carriers at 70 years of age were 52% in males and 41% in females; for path_MSH2 50% and 39%; for path_MSH6 13% and 17% and for path_PMS2 11% and 8%. In contrast, in the IMRC cohort, corresponding cumulative incidences were 40% and 27%; 34% and 23%; 16% and 8% and 7% and 6%. Comparing just the European carriers in the two series gave similar findings. Numbers in the PLSD series did not allow comparisons of carriers from other continents separately. Cumulative incidences at 25 years were < 1% in all retrospective groups. Conclusions Prospectively observed CRC incidences (PLSD) in path_MLH1 and path_MSH2 carriers undergoing colonoscopy surveillance and polypectomy were higher than in the retrospective (IMRC) series, and were not reduced in path_MSH6 carriers. These findings were the opposite to those expected. CRC point incidence before 50 years of age was reduced in path_PMS2 carriers subjected to colonoscopy, but not significantly so.

Authors: Pål Møller, Toni Seppälä, James G. Dowty, Saskia Haupt, Mev Dominguez-Valentin, Lone Sunde, Inge Bernstein, Christoph Engel, Stefan Aretz, Maartje Nielsen, Gabriel Capella, Dafydd Gareth Evans, John Burn, Elke Holinski-Feder, Lucio Bertario, Bernardo Bonanni, Annika Lindblom, Zohar Levi, Finlay Macrae, Ingrid Winship, John-Paul Plazzer, Rolf Sijmons, Luigi Laghi, Adriana Della Valle, Karl Heinimann, Elizabeth Half, Francisco Lopez-Koestner, Karin Alvarez-Valenzuela, Rodney J. Scott, Lior Katz, Ido Laish, Elez Vainer, Carlos Alberto Vaccaro, Dirce Maria Carraro, Nathan Gluck, Naim Abu-Freha, Aine Stakelum, Rory Kennelly, Des Winter, Benedito Mauro Rossi, Marc Greenblatt, Mabel Bohorquez, Harsh Sheth, Maria Grazia Tibiletti, Leonardo S. Lino-Silva, Karoline Horisberger, Carmen Portenkirchner, Ivana Nascimento, Norma Teresa Rossi, Leandro Apolinário da Silva, Huw Thomas, Attila Zaránd, Jukka-Pekka Mecklin, Kirsi Pylvänäinen, Laura Renkonen-Sinisalo, Anna Lepisto, Päivi Peltomäki, Christina Therkildsen, Lars Joachim Lindberg, Ole Thorlacius-Ussing, Magnus von Knebel Doeberitz, Markus Loeffler, Nils Rahner, Verena Steinke-Lange, Wolff Schmiegel, Deepak Vangala, Claudia Perne, Robert Hüneburg, Aída Falcón de Vargas, Andrew Latchford, Anne-Marie Gerdes, Ann-Sofie Backman, Carmen Guillén-Ponce, Carrie Snyder, Charlotte K. Lautrup, David Amor, Edenir Palmero, Elena Stoffel, Floor Duijkers, Michael J. Hall, Heather Hampel, Heinric Williams, Henrik Okkels, Jan Lubiński, Jeanette Reece, Joanne Ngeow, Jose G. Guillem, Julie Arnold, Karin Wadt, Kevin Monahan, Leigha Senter, Lene J. Rasmussen, Liselotte P. van Hest, Luigi Ricciardiello, Maija R. J. Kohonen-Corish, Marjolijn J. L. Ligtenberg, Melissa Southey, Melyssa Aronson, Mohd N. Zahary, N. Jewel Samadder, Nicola Poplawski, Nicoline Hoogerbrugge, Patrick J. Morrison, Paul James, Grant Lee, Rakefet Chen-Shtoyerman, Ravindran Ankathil, Rish Pai, Robyn Ward, Susan Parry, Tadeusz Dębniak, Thomas John, Thomas van Overeem Hansen, Trinidad Caldés, Tatsuro Yamaguchi, Verónica Barca-Tierno, Pilar Garre, Giulia Martina Cavestro, Jürgen Weitz, Silke Redler, Reinhard Büttner, Vincent Heuveline, John L. Hopper, Aung Ko Win, Noralane Lindor, Steven Gallinger, Loïc Le Marchand, Polly A. Newcomb, Jane Figueiredo, Daniel D. Buchanan, Stephen N. Thibodeau, Sanne W. ten Broeke, Eivind Hovig, Sigve Nakken, Marta Pineda, Nuria Dueñas, Joan Brunet, Kate Green, Fiona Lalloo, Katie Newton, Emma J. Crosbie, Miriam Mints, Douglas Tjandra, Florencia Neffa, Patricia Esperon, Revital Kariv, Guy Rosner, Walter Hernán Pavicic, Pablo Kalfayan, Giovana Tardin Torrezan, Thiago Bassaneze, Claudia Martin, Gabriela Moslein, Aysel Ahadova, Matthias Kloor, Julian R. Sampson, Mark A. Jenkins

Date Published: 1st Dec 2022

Publication Type: Journal

Natural variability in bee brain size and symmetry revealed by micro-CT imaging and deep learning

Abstract (Expand)

Abstract Analysing large numbers of brain samples can reveal minor, but statistically and biologically relevant variations in brain morphology that provide critical insights into animal behaviour, …into animal behaviour, ecology and evolution. So far, however, such analyses have required extensive manual effort, which considerably limits the scope for comparative research. Here we used micro-CT imaging and deep learning to perform automated analyses of 3D image data from 187 honey bee and bumblebee brains. We revealed strong inter-individual variations in total brain size that are consistent across colonies and species, and may underpin behavioural variability central to complex social organisations. In addition, the bumblebee dataset showed a significant level of lateralization in optic and antennal lobes, providing a potential explanation for reported variations in visual and olfactory learning. Our fast, robust and user-friendly approach holds considerable promises for carrying out large-scale quantitative neuroanatomical comparisons across a wider range of animals. Ultimately, this will help address fundamental unresolved questions related to the evolution of animal brains and cognition. Author Summary Bees, despite their small brains, possess a rich behavioural repertoire and show significant variations among individuals. In social bees this variability is key to the division of labour that maintains their complex social organizations, and has been linked to the maturation of specific brain areas as a result of development and foraging experience. This makes bees an ideal model for understanding insect cognitive functions and the neural mechanisms that underlie them. However, due to the scarcity of comparative data, the relationship between brain neuro-architecture and behavioural variance remains unclear. To address this problem, we developed an AI-based approach for automated analysis of brain images and analysed an unprecedentedly large dataset of honey bee and bumblebee brains. Through this process, we were able to identify previously undescribed anatomical features that correlate with known behaviours, supporting recent evidence of lateralized behaviour in foraging and pollination. Our method is open-source, easily accessible online, user-friendly, fast, accurate, and robust to different species, enabling large-scale comparative analyses across the animal kingdom. This includes investigating the impact of external stressors such as environmental pollution and climate change on cognitive development, helping us understand the mechanisms underlying the cognitive abilities of animals and the implications for their survival and adaptation.

Authors: Philipp D. Lösel, Coline Monchanin, Renaud Lebrun, Alejandra Jayme, Jacob Relle, Jean-Marc Devaud, Vincent Heuveline, Mathieu Lihoreau

Date Published: 17th Oct 2022

Publication Type: Journal

Is HLA type a possible cancer risk modifier in Lynch syndrome?

Abstract

Not specified

Authors: Aysel Ahadova, Johannes Witt, Saskia Haupt, Richard Gallon, Robert Hüneburg, Jacob Nattermann, Sanne ten Broeke, Lena Bohaumilitzky, Alejandro Hernandez‐Sanchez, Mauro Santibanez‐Koref, Michael S. Jackson, Maarit Ahtiainen, Kirsi Pylvänäinen, Katarina Andini, Vince Kornel Grolmusz, Gabriela Möslein, Mev Dominguez‐Valentin, Pål Møller, Daniel Fürst, Rolf Sijmons, Gillian M. Borthwick, John Burn, Jukka‐Pekka Mecklin, Vincent Heuveline, Magnus von Knebel Doeberitz, Toni Seppälä, Matthias Kloor

Date Published: 14th Oct 2022

Publication Type: Journal

Opportunities and challenges in machine learning‐based newborn screening—A systematic literature review

Abstract

Not specified

Authors: Elaine Zaunseder, Saskia Haupt, Ulrike Mütze, Sven F. Garbade, Stefan Kölker, Vincent Heuveline

Date Published: 1st May 2022

Publication Type: Journal

GPU-basierte Verfahren zur Segmentierung biomedizinischer Bilddaten

Abstract (Expand)

Die Analyse medizinischer und biologischer Bilddaten erfordert häufig die Isolierung einzelner Strukturen aus einem 3D-Volumen durch Segmentierung. Trotz einer Vielzahl halb- und vollautomatischer … Verfahren erfolgt die Bildsegmentierung oft noch manuell und gilt nach wie vor für viele Szenarien als die arbeitsintensivste und zeitaufwendigste Aufgabe innerhalb der 3D-Bildanalyse. Die herkömmliche manuelle Segmentierung vieler Schichten, gefolgt von einer linearen Interpolation und einer manuellen Korrektur der Ergebnisse verhindert jedoch in vielen Fällen die Analyse einer großen Anzahl von Proben. In dieser Arbeit wird darum ein neues parameterfreies Verfahren zur halbautomatischen Segmentierung großer komplexer 3D-Bilddaten entwickelt, das auf einer Interpolation von wenigen manuell vorsegmentierten Schichten basiert, wobei es den gesamten zugrunde liegenden volumetrischen Bilddatensatz berücksichtigt. Die Interpolation erfolgt durch gewichtete Random Walks, deren Unabhängigkeit voneinander eine Berechnung durch massiv parallele Hardware, wie den Grafikprozessoren (GPUs), ermöglicht. Anhand einer vielfältigen Auswahl von Beispieldatensätzen wird gezeigt, dass dieses GPU-basierte Verfahren, insbesondere bei der Segmentierung sehr großer komplexer Bilddaten, wie sie typischerweise in der Mikro-Computertomographie (µCT) entstehen, dazu in der Lage ist, sowohl den Zeit- und Arbeitsaufwand erheblich zu reduzieren als auch die Qualität der Ergebnisse deutlich zu steigern. Dabei erreicht es eine deutliche Beschleunigung und höhere Genauigkeit gegenüber dem konventionellen Ansatz der fast ausschließlich manuellen Segmentierung und auch gegenüber den am weitesten verbreiteten Segmentierungsalgorithmen. Die GPU-basierten Random Walks sind insbesondere dann geeignet, wenn wenig Vorwissen über das zu segmentierende Objekt vorhanden ist, zum Beispiel bei der Beschreibung einer neu entdeckten Art, oder zum Erstellen von Trainingsdaten für ein anschließendes maschinelles Lernen. Um darüber hinaus bei der Segmentierung vieler ähnlicher Proben eine weitgehend automatische Segmentierung zu ermöglichen, wird hier zusätzlich ein auf künstlichen neuronalen Netzen basierendes Verfahren vorgestellt und anhand von 110 µCT-Scans von Honigbienengehirnen evaluiert. Ergänzend wird auf Basis der entwickelten Algorithmen die neue Online-Segmentierungsplattform Biomedisa präsentiert. Die Plattform ist über einen Webbrowser zugänglich und erfordert keine komplexe und langwierige Konfiguration von Software- und Modellparametern. Sie richtet sich gezielt an die Bedürfnisse von Wissenschaftlern/-innen, die nicht über umfangreiche Computer- und Softwarekenntnisse verfügen. Die integrierten GPU-basierten Methoden ermöglichen eine intuitive Anwendung für verschiedene bildgebende Verfahren innerhalb eines breiten Spektrums wissenschaftlicher Disziplinen. Die Plattform wurde bereits in mehreren Studien erfolgreich eingesetzt. Darüber hinaus ermöglicht ihr modularer Aufbau eine leichte Erweiterung der hier vorgestellten Kernfunktionen um weitere benutzerspezifische Funktionalitäten.

Author: Philipp Lösel

Date Published: 22nd Apr 2022

Publication Type: Doctoral Thesis

Powered by
 (v.1.14.2)
About HITS Publication SEEK | About HITS-Publication-SEEK | Funding and Programmes | Credits
Copyright © 2008 - 2023 The University of Manchester and HITS gGmbH