Neue Studie zeigt, wie man die Gleichungen der Zellmigration lernt

Wenn Sie sich schneiden, beginnt eine Massenwanderung in Ihrem Körper: Hautzellen strömen zu Tausenden an die Wundstelle, wo sie bald neue Schichten von schützendem Gewebe ablegen.

In einer neuen Studie haben Forscher der University of Colorado Boulder einen wichtigen Schritt getan, um die Treiber hinter diesem kollektiven Verhalten zu enträtseln. Das Team hat eine Technik zum Lernen von Gleichungen entwickelt, die Wissenschaftlern eines Tages helfen könnte zu verstehen, wie der Körper Haut wiederherstellt, und möglicherweise neue Therapien zur Beschleunigung der Wundheilung inspirieren könnte.

„Das Lernen der Regeln, wie einzelne Zellen auf die Nähe und relative Bewegung anderer Zellen reagieren, ist entscheidend, um zu verstehen, warum Zellen in eine Wunde wandern“, sagte David Bortz, Professor für angewandte Mathematik an der CU Boulder und leitender Autor der neuen Studie.

Die Forschung ist die neueste in einer jahrzehntelangen Zusammenarbeit zwischen Bortz und Xuedong Liu, Professor für Biochemie an der CU Boulder. Die Methode der Gruppe mit dem Namen Weak form Sparse Identification of Nonlinear Dynamics (WSINDy) kann auf eine breite Palette von Phänomenen in der natürlichen Welt angewendet werden, sagte der Hauptautor der Studie, Dan Messenger.

„Obwohl es in diesem Artikel um Zellen geht, ist die Mathematik auch auf eine Vielzahl von Gebieten anwendbar, einschließlich der Art und Weise, wie Vogelschwärme sowohl Raubtieren als auch einander ausweichen“, sagte Messenger, ein Postdoktorand in Bortz‘ Labor.

Er und seine Kollegen veröffentlichten ihre Ergebnisse am 12. Oktober in der Journal of The Royal Society Interface.

Die Forschung stützt sich auf eine Reihe von Werkzeugen aus dem Bereich der „datengesteuerten Modellierung“, einem aufstrebenden Bereich an der Schnittstelle von angewandter Mathematik, Statistik und Datenwissenschaft. Unter Verwendung dieses Ansatzes entwarf die Gruppe Computersimulationen von Hunderten von Zellen, die sich auf eine künstliche Wunde zubewegten, und entwickelte dann eine Methode, um die Gleichungen zu lernen, um die Bewegung jeder einzelnen Zelle zu beschreiben und zu untersuchen. Die Werkzeuge des Teams sind möglicherweise viel schneller und genauer als herkömmliche Modellierungsansätze – ein Segen für das Verständnis komplexer natürlicher Phänomene wie der Wundheilung.

„Um Infektionen vorzubeugen, wollen wir, dass sich unsere Wunden so schnell wie möglich schließen“, sagte Liu. „Wir planen, diese erlernten Modelle zu verwenden, um Pharmazeutika und Arzneimitteltherapien zu testen, die möglicherweise die Wundheilung stimulieren können.“

Versuch und Irrtum

Mathematische Modelle gibt es in vielen Formen und Größen, aber die meisten verwenden eine komplexe Reihe von Gleichungen, um zu versuchen, ein Phänomen in der realen Welt zu erfassen.

Bortz beispielsweise schloss sich 2020 einem Team von Wissenschaftlern an, die anhand von Modellen versuchten, die Ausbreitung von COVID-19 in Colorado vorherzusagen. Aber, bemerkte er, es kann viel Versuch und Irrtum und sogar Supercomputer erfordern, um diese Gleichungen zu validieren.

„Die Entwicklung eines genauen und zuverlässigen Modells kann ein sehr langer und mühsamer Prozess sein“, sagte Bortz.

In dieser neuen Studie erweiterten er und seine Kollegen ihre kürzlich entwickelte WSINdy-Methode Daten direkt zu verwenden, um Modelle von Individuen zu lernen.

„Es geht darum, die Daten an die erste Stelle zu setzen und die Mathematik folgen zu lassen“, sagte Bortz.

Zellen zu Teilchen

In der aktuellen Studie entschieden er und seine Kollegen, darunter der Doktorand der Biochemie, Graycen Wheeler, diese datengesteuerte Linse auf das Problem der Zellmigration zu richten.

Liu und seine Kollegen haben im Labor beobachtet, wie Hautzellen als Gruppe zusammenwachsen. Sie fanden heraus, dass wandernde Hautzellen bestimmten Regeln folgen: Wie eine Herde wilder Büffel richten Hautzellen ihre Richtung an den Zellen vor ihnen aus, versuchen aber auch, nicht von hinten an die Anführer zu stoßen.

Um zu sehen, ob WSINdy Licht in diese Massenbewegung bringen könnte, entwarfen Bortz und Messenger Computersimulationen, die Hunderte von digitalen Zellen zeigen, die sich im Tandem bewegen. Das Team setzte seinen WSINDy-Ansatz ein, um präzise Gleichungen zu erstellen, die die Bewegung jeder einzelnen dieser Zellen beschreiben.

„Mit WSINDy können Sie mit 1.000 Zellen 1.000 verschiedene Modelle lernen“, sagte Bortz.

Sie griffen dann auf noch mehr Mathematik zurück, um diese Modelle zu gruppieren. Bortz bemerkte, dass WSINDy besonders gut geeignet ist, um die in Daten versteckten Muster zu finden. Wenn die Forscher beispielsweise zwei oder mehr Zelltypen vermischten, die sich auf unterschiedliche Weise bewegten, konnten ihre Tools die Zellen genau erkennen und in Gruppen sortieren.

„Wir lernen nicht nur Modelle für jede Zelle, sondern diese Modelle können sortiert werden, wodurch die vorherrschenden Kategorien des Zellverhaltens aufgedeckt werden, die bei der Wundheilung eine Rolle spielen“, sagte Messenger.

In Zukunft hoffen die Mitarbeiter, ihren Ansatz nutzen zu können, um das Verhalten echter Zellen im Labor zu untersuchen. Liu bemerkte, dass die Technik besonders nützlich für die Untersuchung von Krebs sein könnte. Krebszellen, sagte er, durchlaufen ähnliche Massenwanderungen, wenn sie sich von einem Organ zum anderen ausbreiten.

„Als Biochemiker haben wir normalerweise keine quantitative Möglichkeit, diese Zellmigration zu beschreiben“, sagte Liu. „Aber jetzt tun wir es.“