[논문 리뷰] Hessian Analysis Enables Prediction of Cytoquake Occurrence

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

Cellular Mechanics and Interactions인용 수 1

한 줄 요약

이 연구는 활성 세 cytoskeletal 네트워크의 에이전트 기반 시뮬레이션을 사용하여, 세포진동—대규모의 지진 유사한 구조 재편—이 근접한 임계 상태, 외부 자극이 가해지고 소산되는 역학에서 발생함을 입증한다. 여기서 변형 에너지가 축적되고 전역적으로 방출된다. 기계적 불안정성이 세포진동 이전에 발생하며, 기계학습 예측 분석에 따르면 이는 네트워크의 힘 분포를 공간적으로 균일하게 만든다.

ABSTRACT

Eukaryotic cells are mechanically supported by a polymer network called the cytoskeleton, which continually consumes chemical energy so that it may 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 ``cytoquakes, may reflect optimized information processing by cytoskeletal networks, and are hence of significant biological interest. The physics underlying cytoquakes are 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. In a near-critical stochastic process, strain energy accumulates before being released in large, 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

• 세포진동—활성 세 cytoskeletal 네트워크에서 발생하는 대규모의 단계적 구조적 사건의 물리적 기원을 이해하기 위해.
• 세포진동이 외부 자극이 가해지고 소산되는 비평형 시스템에서 내재된 비평형 역학에 의해 발생하는지 조사하기 위해.
• 기계적 불안정성이 세포진동 이전에 나타나는지, 그리고 네트워크의 힘 분포에 어떤 영향을 미치는지 규명하기 위해.
• 기계적 네트워크 데이터를 기반으로 기계학습을 사용하여 세포진동 발생을 예측하는 모델을 개발하기 위해.

제안 방법

• 에이전트 기반 시뮬레이션은 지속적인 에너지 소비 조건에서 활성 세 cytoskeletal 필라멘트의 자가조직화를 모델링한다.
• 시뮬레이션은 생물학적 ATP 구동 전환을 모방하는 확률적 비평형 과정을 통해 동적 재편을 캡처한다.
• 헤시안 분석을 적용하여 네트워크의 에너지 경로상의 기계적 불안정성과 임계점을 식별한다.
• 기계적 네트워크 상태를 기반으로 기계학습 모델을 훈련시켜 변형 에너지 축적에 따라 세포진동 발생을 예측한다.
• 세포진동 이전과 이후의 힘 분포 패턴을 분석하여 공간적 힘 균일화를 정량화한다.
• 소규모 외란이 전역적 재구성으로 이어지는 근접 임계 조건을 모델이 식별한다. 이는 상전이와 유사하다.

실험 결과

연구 질문

• RQ1 활성 세 cytoskeletal 네트워크에서 세포진동이 발생하는 데 기여하는 물리적 메커니즘은 무엇인가?
• RQ2 세포진동 사건 이전에 네트워크의 기계적 상태는 어떻게 변화하는가?
• RQ3 컴퓨터 모델링을 통해 기계적 불안정성을 세포진동의 전조로 감지할 수 있는가?
• RQ4 세포진동이 세 cytoskeletal 네트워크 전역에서 힘의 공간적 균일화를 어느 정도 유도하는가?
• RQ5 기계적 네트워크 특징을 기반으로 기계학습 모델이 세포진동 발생을 정확하게 예측할 수 있는가?

주요 결과

• 세포진동은 변형 에너지가 축적되고 대규모 재구성 사건으로 전역적으로 방출되는 근접 임계 상태, 외부 자극이 가해지고 소산되는 역학에서 발생한다.
• 헤시안 분석을 통해 식별된 기계적 불안정성이 세포진동 사건 이전에 나타나며, 네트워크 기계학에서 임계 전이 지점임을 시사한다.
• 세포진동은 세 cytoskeletal 네트워크 전역에서 힘의 공간적 균일화를 유도하여 국소적 이질성을 감소시킨다.
• 기계적 네트워크 상태를 기반으로 훈련된 기계학습 모델은 세포진동 발생을 성공적으로 예측하며, 기계적 전조의 예측 능력을 입증한다.
• 시스템은 국소적 확률적 변동에서 기인한 대규모 재편을 보이며, 비평형 상전이와 유사한 행동을 나타낸다.
• 이러한 발견들은 세포진동이 무작위가 아니라 네트워크의 내재된 역학과 에너지 소산에 뿌리를 둔 탄생 현상임을 시사한다.