[论文解读] Hessian Analysis Enables Prediction of Cytoquake Occurrence

Carlos Floyd, Herbert Levine+2 more|arXiv (Cornell University)|Jun 2, 2020

Cellular Mechanics and Interactions被引用 1

一句话总结

本研究通过活性细胞骨架网络的代理模型模拟，表明细胞地震——一种大规模、类似地震的结构重组——源于接近临界点、受驱、耗散的动力学，其中应变能积累并全局释放。机器学习预测显示，机械不稳定性先于细胞地震出现，随后引发网络张力的空间均质化。

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.

研究动机与目标

• 理解细胞地震——活性细胞骨架网络中大规模、阶跃式结构事件的物理起源。
• 研究细胞地震是否源于受驱、耗散系统中的内在非平衡动力学。
• 确定机械不稳定性是否先于细胞地震出现，以及其如何影响网络张力分布。
• 基于机械网络数据，利用机器学习开发细胞地震发生的预测模型。

提出的方法

• 代理模型模拟在持续能量消耗下活性细胞骨架丝的自组织行为。
• 模拟捕捉了具有随机性、非平衡过程的动态重构，类比生物ATP驱动的周转。
• 应用海森分析以识别网络能量景观中的机械不稳定性与临界点。
• 基于网络机械状态训练机器学习模型，依据应变能积累预测细胞地震发生。
• 通过分析细胞地震事件前后的作用力分布模式，量化张力的空间均质化程度。
• 模型识别出接近临界状态，其中微小扰动可触发全局重构，类似于相变行为。

实验结果

研究问题

• RQ1 活性细胞骨架网络中细胞地震的物理机制是什么？
• RQ2 细胞地震发生前，网络的机械状态如何演化？
• RQ3 能否通过计算建模检测到机械不稳定性作为细胞地震的前兆？
• RQ4 细胞地震在多大程度上导致细胞骨架网络中张力的空间均质化？
• RQ5 基于机械网络特征，机器学习模型能否准确预测细胞地震的发生？

主要发现

• 细胞地震起源于活性细胞骨架网络中接近临界点、受驱、耗散的动力学，其中应变能积累并以大规模重构事件释放。
• 通过海森分析识别出的机械不稳定性先于细胞地震事件出现，表明网络力学中存在临界转变点。
• 细胞地震显著促进了细胞骨架网络中张力的空间均质化，降低了局部异质性。
• 基于机械网络状态训练的机器学习模型成功预测了细胞地震的发生，凸显了机械前兆的预测能力。
• 系统表现出类似非平衡相变的行为，大规模重组由局部随机涨落引发。
• 研究结果表明，细胞地震并非随机事件，而是源于网络内在动力学与能量耗散的涌现现象。