Imec, UZ Leuven, KU Leuven en het Vlaams Instituut voor Biotechnologie hebben een uniek samenwerkingsverband opgericht waarmee ze hun biomedische, klinische en technologische expertise combineren om dementieonderzoek te innoveren. Dit onderzoek kreeg de naam Mission Lucidity.

Om de code van dementie te breken, gaan de wetenschappers de hersenen cel per cel ontleden. Ze gaan ook duizenden patiënten opvolgen met digitale wearables, zodat ze meer data en dus meer inzicht krijgen in dementie. Bovendien gaan ze brains-on-chips in 3D fabriceren, omdat proeven op dieren vaak niet sluitend zijn.

“Hersenziekten zijn bijzonder complex, waardoor het noodzakelijk is de krachten te bundelen. Tot nu werd in België vooral gefocust op het onderzoek aan de universiteiten. Maar we moeten ook ingenieurs en artsen betrekken, zodat we de oorzaken vinden van dementie en echte doorbraken realiseren”, zegt Vandeurzen in de krant.

Ook jij kan als Master of Engineering Technology, Master of Science, Master of Engineering Science jouw steentje bijdragen in het onderzoek en helpen de functies van de hersenen te ontrafelen door gebruik te maken van Imec’s state-of-the-art medische hardware apparatuur.

Data analysis on in-vitro neuronal network electrophysiology: In vitro neuronal networks are employed to model brain function and neurological disease states. Electrophysiological signals recorded from neuronal networks provide distinctive information on the nature of the network and can be employed to unravel mechanisms of relevant neurodegenerative diseases. However, translation from the raw signals to biologically meaningful results is not straightforward and advanced computing methods are often necessary. At imec, we have developed a state-of-the-art high-density CMOS multielectrode array which can record from 1024 sites simultaneously using subcellular-sized electrodes. This platform collects large amounts of data on neuronal recordings which later need to be postprocessed in order to be interpreted. Typically, the postprocessing involves spike detection and sorting, clustering and pattern recognition techniques. The student will be responsible for developing robust algorithms which can help scientists extracting relevant information from big data in a fast and efficient manner.