Bacteriën spelen een belangrijke rol in onder meer de voedselindustrie, gezondheidszorg en biologische gewasbescherming. Zo worden bacteriën gebruikt voor de productie van yoghurt en andere fermentatieprocessen. Ze hebben diverse toepassingen, waarvoor vraag is naar nieuwe bacteriële stammen met specifieke eigenschappen. De huidige klassieke methoden om nieuwe stammen te identificeren zijn arbeidsintensief en lastig reproduceerbaar.
In het project STRAIN-AI (Slimme technologie voor de identificatie van nieuwe microbiële stammen) richten we ons op het ontwikkelen van een innovatieve en efficiëntere workflow voor de identificatie van bacteriële stammen op basis van AI-gestuurde beeldherkenning, geavanceerde sequencingtechnologieën en datagedreven kweekstrategieën. Dit zijn methoden uit de biotechnologie om bacteriën te kweken en op basis van DNA te bepalen welke bacteriën het zijn. Op dit deel van het project richt Hogeschool Leiden zich.
Het eindproduct is een webapplicatie waarin bedrijven foto’s van bacteriekolonies kunnen uploaden. De applicatie bepaalt vervolgens automatisch welke bekende en afwijkende stammen er te vinden zijn.
In dit project werken we vanuit het lectoraat Data Driven Smart Society samen met het lectoraat Microbial Genomics van Hogeschool Leiden. We gaan samen met innovatieve bedrijven uit onder andere de voedselindustrie bacteriën uit natuurlijke bronnen isoleren, opkweken en vastleggen op beeld.
Vanuit Hogeschool Inholland richten we ons op het ontwikkelen van AI-modellen met als doel bacteriële stammen te identificeren. AI-modellen worden getraind op foto’s van bacteriekolonies. Door middel van AI-gebaseerde beeldherkennings- en anomaliedetectietechnieken kunnen bekende stammen worden herkend en afwijkende stammen gedetecteerd. De kolonies die afwijken, zijn potentieel nieuwe stammen.
"Plaats hier een quote over het onderwerp / project"
In dit project participeren studenten van de verschillende AI-gerelateerde opleidingen van Inholland en Hogeschool Leiden. We formuleren verschillende afstudeer- en projectopdrachten voor deze studenten, met name op het gebied van AI-gebaseerde beeldherkenning. Binnen Inholland richten we ons hierbij in eerste instantie op de opleidingen Applied Mathematics / Data Science en Informatica, en de minoren Deep Learning, Understanding AI en Big Data & AI.
Via de docent-onderzoekers die betrokken zijn in dit onderzoek werken de uitkomsten van het onderzoek door in de curricula van deze opleidingen.
[Ongeveer 150-250 woorden in proza]
