[论文解读] A computational model for proliferation dynamics of division- and label-structured populations

Jan Hasenauer, Daniella Schittler+1 more|arXiv (Cornell University)|Feb 22, 2012

Gene Regulatory Network Analysis参考文献 36被引用 5

一句话总结

本文提出了一种新颖的计算模型，通过将离散的分裂次数与连续的荧光标记衰减相耦合，统一了基于分裂和标记结构的种群动态。该模型通过解析分解与截断，将复杂的偏微分方程（PDE）系统简化为低维常微分方程（ODE）系统，实现了高计算效率，并支持对增殖研究中的参数估计与不确定性分析进行直接比较。

ABSTRACT

In most biological studies and processes, cell proliferation and population dynamics play an essential role. Due to this ubiquity, a multitude of mathematical models has been developed to describe these processes. While the simplest models only consider the size of the overall populations, others take division numbers and labeling of the cells into account. In this work, we present a modeling and computational framework for proliferating cell population undergoing symmetric cell division. In contrast to existing models, the proposed model incorporates both, the discrete age structure and continuous label dynamics. Thus, it allows for the consideration of division number dependent parameters as well as the direct comparison of the model prediction with labeling experiments, e.g., performed with Carboxyfluorescein succinimidyl ester (CFSE). We prove that under mild assumptions the resulting system of coupled partial differential equations (PDEs) can be decomposed into a system of ordinary differential equations (ODEs) and a set of decoupled PDEs, which reduces the computational effort drastically. Furthermore, the PDEs are solved analytically and the ODE system is truncated, which allows for the prediction of the label distribution of complex systems using a low-dimensional system of ODEs. In addition to modeling of labeling dynamics, we link the label-induced fluorescence to the measure fluorescence which includes autofluorescence. For the resulting numerically challenging convolution integral, we provide an analytical approximation. This is illustrated by modeling and simulating a proliferating population with division number dependent proliferation rate.

研究动机与目标

• 开发一个统一的数学框架，用于建模增殖细胞群体中分裂次数与荧光标记动态的联合演化。
• 实现模型预测与实验流式细胞术数据（尤其是CFSE标记数据）的直接比较，无需依赖去卷积或峰值检测。
• 通过将耦合PDE系统分解为解耦的PDE与低维ODE系统，显著降低求解耦合PDE的计算负担。
• 提供荧光测量过程的解析近似，包括自体荧光与卷积效应，以提升数据与模型之间的匹配度。
• 通过实现低维、计算可处理的模拟，促进高效参数估计与不确定性量化。

提出的方法

• 该模型将离散的分裂次数结构与连续的标记浓度动态相结合，同时刻画对称分裂过程中的增殖与染料稀释行为。
• 证明了耦合PDE系统可被分解为一组解耦PDE与一个低维ODE系统，从而大幅降低计算成本。
• 推导出PDE的解析解，并对ODE系统进行截断，同时提供先验误差界以确保近似质量。
• 引入对数正态近似，以高效计算从标记分布得到的测量荧光分布，替代计算量庞大的卷积积分。
• 通过建模完整的荧光信号（包括自体荧光），支持直接拟合实验CFSE数据。
• 通过利用完整PDE系统低维ODE表示的优势，实现高效参数估计与不确定性分析。

实验结果

研究问题

• RQ1 能否开发一个统一模型，同时追踪增殖细胞群体中的分裂次数与荧光标记浓度？
• RQ2 如何在保持精度的前提下，降低求解此类模型耦合PDE系统的计算成本？
• RQ3 在可量化误差边界的前提下，全PDE系统能在多大程度上被低维ODE系统近似？
• RQ4 如何准确建模流式细胞术中的测量荧光，包括自体荧光与染料稀释效应？
• RQ5 与现有方法相比，该框架能否实现更可靠、更高效的增殖动力学参数估计？

主要发现

• 由分裂与标记结构种群模型导出的耦合PDE系统可被解析分解为解耦PDE与低维ODE系统，从而实现高效计算。
• ODE系统可基于先验误差界进行截断，使用户能够确定实现所需近似精度的最小模型阶数。
• 对于仅前八次分裂具有生物学意义的系统，全PDE系统可被20维ODE系统良好近似，显著降低计算成本。
• 所提出的荧光卷积积分对数正态近似方法，其结果与精确积分几乎完全一致，但计算复杂度显著降低。
• 该模型通过将模型预测与测量荧光分布对齐，实现直接、数据驱动的参数估计，避免了易出错的去卷积步骤。
• 该框架支持严格的参数估计与不确定性分析，为研究依赖分裂次数的增殖动力学提供了更高的可靠性与效率。