[논문 리뷰] Modeling multi-cellular systems using sub-cellular elements

T. J. Newman|ArXiv.org|2005. 04. 20.

Mathematical Biology Tumor Growth참고 문헌 21인용 수 33

한 줄 요약

이 논문은 적응형 세포 형태와 민감한 생물학적 세부 정보를 갖춘 대규모 다세포 시스템을 시뮬레이션하기 위한 세포내 요소(Sub-cellular element, SCE) 모델을 제안한다. 세포를 과다된 랑주반 역학에 의해 지배되는 상호작용 요소의 집합으로 간주함으로써, 이 모델은 격자 기반의 잡음 문제를 피하고, 동적 세포 형태를 가능하게 하며, PDE나 이산 세포 모델로의 군집화를 지원하여 배아 발생, 종양 성장 등 복잡한 과정을 위한 확장 가능한 프레임워크를 제공한다.

ABSTRACT

We introduce a model for describing the dynamics of large numbers of interacting cells. The fundamental dynamical variables in the model are sub-cellular elements, which interact with each other through phenomenological intra- and inter-cellular potentials. Advantages of the model include i) adaptive cell-shape dynamics, ii) flexible accommodation of additional intra-cellular biology, and iii) the absence of an underlying grid. We present here a detailed description of the model, and use successive mean-field approximations to connect it to more coarse-grained approaches, such as discrete cell-based algorithms and coupled partial differential equations. We also discuss efficient algorithms for encoding the model, and give an example of a simulation of an epithelial sheet. Given the biological flexibility of the model, we propose that it can be used effectively for modeling a range of multi-cellular processes, such as tumor dynamics and embryogenesis.

연구 동기 및 목표

• 동적 형태와 복잡한 생물학적 상호작용을 갖춘 대규모 세포 집단을 모델링하기 위한 확장 가능한 계산 프레임워크를 개발하는 것.
• 격자 기반 모델의 한계(예: 화학성향성에서의 잡음)와 군집화된 PDE의 한계(예: 세포 해상도 손실)를 극복하기 위해 민감한 요소 기반 접근법을 도입하는 것.
• 세분화된 세포 과정—예를 들어 세 cytoskeletal 동역학, 영양소 감지, 세포 주기 진행—을 통합된 시뮬레이션 프레임워크 내에 통합하는 것.
• SCE 모델이 기존의 모델들(예: 이산 세포 기반 알고리즘과 결합된 PDE)로 체계적으로 군집화될 수 있음을 입증하여 다양한 척도 간 일관성을 확보하는 것.

제안 방법

• 세포를 M개의 세포내 요소(SCE) 집합으로 모델링하며, 각 요소의 위치 벡터는 과다된 랑주반 역학에 의해 진화한다.
• 동일 세포 내 요소 간의 상호작용을 잠재 에너지 함수 V_intra(α_i, β_i)로 정의하고, 다른 세포의 요소 간 상호작용은 V_inter(α_i, β_j)로 정의한다.
• 열적 불확실성과 생물학적 변동성을 모델링하기 위해 위치에 따라 강도가 달라지는 스토케스 노이즈 ν_i 를 통합한다.
• 평균장 근사법을 사용하여 SCE 모델을 군집화된 기술(예: 연속 세포 밀도 PDE 및 이산 세포 기반 모델)과 연결한다.
• 효율적인 이웃 찾기 및 힘 계산 알고리즘을 구현하여 고정된 공간 격자가 없는 대규모 3차원 시스템의 시뮬레이션을 가능하게 한다.
• 세포 유형 이질성, 세포막 요소와 세 cytoplasmic 요소, 세포외 기질 요소, 그린 함수를 통한 화학성향성, 요소 생성 및 미토시스를 수반하는 세포 주기 진행을 포함하도록 모델을 확장한다.

실험 결과

연구 질문

• RQ1 격자 없는, 요소 기반의 모델이 적응형 세포 형태 역학을 갖춘 대규모 다세포 시스템을 시뮬레이션할 수 있는가?
• RQ2 세포 수준의 시뮬레이션 프레임워크에 세 cytoskeletal 동역학, 영양소 감지 등의 세포내 생물학적 복잡성을 어떻게 통합할 수 있는가?
• RQ3 세포내 요소 모델이 PDE나 이산 세포 모델과 같은 기존 모델로 체계적으로 군집화될 수 있는 정도는 어느 정도인가?
• RQ4 장거리 화학 신호(예: 화학성향성)와 기계적 상호작용이 일관되고 잡음 없는 시뮬레이션 프레임워크에서 어떻게 공존할 수 있는가?
• RQ5 기본 요소 역학을 손상시키지 않고 생물학적으로 현실적인 세포 주기 진행(성장 및 미토시스 포함)을 모델이 지원할 수 있는가?

주요 결과

• 세포내 요소 모델은 격자가 없는 상태에서 적응형 세포 형태를 갖는 대규모 상피층의 역학을 성공적으로 시뮬레이션하며, 격자 기반 모델에서 흔히 발생하는 격자 유도 잡음 문제를 피한다.
• 모델은 세포막과 세 cytoplasmic 요소의 별도 처리, 세포외 기질 모델링, 그린 함수 방법을 통한 화학성향성 신호 전달 등 민감한 생물학적 확장 기능을 지원한다.
• 평균장 근사법을 통해 SCE 모델이 이산 세포 기반 모델과 연속적 PDE 기술 간에 성공적으로 연결되어 다양한 척도 간 일관성이 검증된다.
• 다양한 노이즈 강도, 세포 내·외부 잠재 에너지 함수, 영양소 수준과 같은 내부 변수를 통해 세포 유형 이질성을 구현할 수 있다.
• 세포 성장과 미토시스는 새로운 요소 생성 및 임계 조건 하에서의 분리 강제 조건을 통해 구현 가능하여 종양 성장과 같은 증식 과정의 시뮬레이션을 가능하게 한다.
• 효율적인 수치 알고리즘을 통해 수만에서 수백만 개의 세포를 포함하는 3차원 시스템을 시뮬레이션할 수 있으며, 복잡한 생물학적 과정에 대한 확장 가능성과 스케일링 능력을 입증한다.