[논문 리뷰] Driven-dissipative dynamics of active cytoskeletal networks underlie near-critical energy fluctuations

Carlos Floyd, Herbert Levine외 2명|arXiv (Cornell University)|2020. 06. 02.

Cellular Mechanics and Interactions인용 수 1

한 줄 요약

이 연구는 에이전트 기반 시뮬레이션을 통해 활성 세 cytoskeletal 네트워크에서 비틀림-소산 역학이 근접한 임계 에너지 변동, 즉 '세세포진동'(cytoquakes)을 이끌어내는 방식을 밝혀냈다. 이는 전역적 재구성 사건에서 변형 에너지의 축적과 방출을 보여주며, 기계적 불안정성이 세세포진동 이전에 나타나는 것을 기계학습 예측이 확인한다. 이로 인해 네트워크가 지속적으로 일관된 기계적 힘 분포를 유지한다.

ABSTRACT

Eukaryotic cells are mechanically supported by a polymer network called the cytoskeleton, which continually consumes chemical energy as fuel to dynamically remodel its structure. Recent experiments revealed that this remodeling process occasionally happens through unusually large, step-like events reminiscent of earthquakes. These rare events, termed may reflect optimized information processing by cytoskeletal networks, and are hence of significant biological interest. The physics underlying cytoquakes is poorly understood, however, hindering investigation of their possible biological roles. We address this gap by using agent-based simulations of cytoskeletal self-organization to show that cytoquakes' origins lie in the inherent driven-dissipative dynamics of active cytoskeletal networks. Similarly to models exhibiting self-organized criticality, strain energy accumulates in the network before being released in global restructuring events. By forecasting cytoquakes using a machine learning model, we furthermore show that mechanical instability precedes cytoquakes, which then induce a spatial homogenization of tension sustained by the network.

연구 동기 및 목표

• 유도세포에서 관찰된 세 cytoskeleton의 대규모 단계적 구조 재편성인 '세세포진동'의 물리적 기원을 이해하는 것.
• 이러한 사건들이 외부 자극이 아닌 내재된 비틀림-소산 역학에서 기인하는지 조사하는 것.
• 기계적 불안정성이 세세포진동 이전에 발생하는지, 그리고 그것이 네트워크의 기계적 힘 분포에 어떤 영향을 미치는지 규명하는 것.
• 컴퓨터 모델링을 통해 활성 세 cytoskeletal 네트워크에서 자가조직 임계성의 역할을 탐구하는 것.

제안 방법

• 세 cytoskeleton 자가조직화의 에이전트 기반 시뮬레이션을 사용하여 세 cytoskeletal 네트워크의 동적이고 에너지를 소비하는 행동을 모델링하였다.
• 비틀림-소산 특성을 반영하기 위해 활성력과 에너지 소산을 시뮬레이션에 통합하였다.
• 전역적 재구성 사건을 식별하기 위해 시간에 따른 변형 에너지 축적과 방출을 추적하였다. 이러한 사건들은 세세포진동과 유사하였다.
• 사전에 사건 발생 전의 기계적 네트워크 상태를 기반으로 세세포진동을 예측하기 위해 기계학습 모델을 훈련시켰다.
• 세세포진동 이전과 이후의 공간적 힘 분포를 분석하여 균일화 효과를 평가하였다.

실험 결과

연구 질문

• RQ1 활동적인 세 cytoskeletal 네트워크에서 세세포진동이 나타나는 물리적 메커니즘은 무엇인가?
• RQ2 비틀림-소산 역학만으로도 세 cytoskeleton에서 근접한 임계 에너지 변동이 발생하는가?
• RQ3 기계적 불안정성이 세세포진동 사건의 전조인가?
• RQ4 세세포진동은 세 cytoskeletal 네트워크 내 기계적 힘의 공간 분포에 어떤 영향을 미치는가?

주요 결과

• 세세포진동은 활성 세 cytoskeletal 네트워크의 내재된 비틀림-소산 역학에서 기인하며, 변형 에너지의 축적과 방출을 통해 자가조직 임계성과 유사한 행동을 보인다.
• 기계학습 모델이 네트워크 상태를 기반으로 훈련한 결과, 세세포진동 이전에 기계적 불안정성이 나타나는 것으로 확인되었다.
• 세세포진동은 세 cytoskeletal 네트워크 전역에서 기계적 힘의 지속적인 균일화를 유도한다.
• 지속적인 에너지 소비를 통해 네트워크는 근접한 임계 상태를 유지하며, 대규모 재구성 사건을 가능하게 한다.