[论文解读] A Stochastic Model For Protrusion Activity

Christèle Etchegaray, Nicolas Meunier|arXiv (Cornell University)|Aug 1, 2018

Cellular Mechanics and Interactions参考文献 10被引用 1

一句话总结

本文提出了一种基于丝状伪足伸出动力学的随机粒子模型，其中细胞速度由离散的、具有方向依赖性的伸出力所产生。通过使用结构化的测度值马尔可夫过程，该模型捕捉了细胞运动对伸出速率的反馈，根据伸出方向的极化强度和突变概率，可重现多种轨迹——如布朗运动样、持续性或间歇性轨迹。

ABSTRACT

In this work we approach cell migration under a large-scale assumption, so that the system reduces to a particle in motion. Unlike classical particle models, the cell displacement results from its internal activity: the cell velocity is a function of the (discrete) protrusive forces exerted by filopodia on the substrate. Cell polarisation ability is modeled in the feedback that the cell motion exerts on the protrusion rates: faster cells form preferentially protrusions in the direction of motion. By using the mathematical framework of structured population processes previously developed to study population dynamics [Fournier and M{\\'e}l{\\'e}ard, 2004], we introduce rigorously the mathematical model and we derive some of its fundamental properties. We perform numerical simulations on this model showing that different types of trajectories may be obtained: Brownian-like, persistent, or intermittent when the cell switches between both previous regimes. We find back the trajectories usually described in the literature for cell migration.

研究动机与目标

• 开发一个机制性随机模型以捕捉观察到的细胞轨迹的多样性。
• 将细胞极化建模为一种反馈机制，其中运动影响伸出的方向性。
• 将离散的、基于力的伸出动力学（特别是丝状伪足）纳入数学上严谨的框架。
• 在一个统一的模型中重现生物相关的轨迹类型——持续性、间歇性或扩散性。
• 将该模型确立为具有明确定义的无穷小生成元的马尔可夫过程，以确保数学一致性并实现模拟的可行性。

提出的方法

• 将细胞建模为一个主动粒子，其速度由单位长度的离散丝状伪足力的矢量和决定。
• 将丝状伪足的群体表示为有限点测度 νt ∈ M ⊂ MF(χ)，其中 χ = [0, 2π) 为角度空间。
• 将细胞速度定义为 Vt = (1/γ) · (<νt, cos>, <νt, sin>)，将运动与伸出的角分布联系起来。
• 在测度空间上构建一个具有四种事件类型的马尔可夫跳跃过程：自发伸出（速率 c）、复制（速率 r）、突变（速率 μ）和缩回（速率 d）。
• 使用结构化种群过程框架（Fournier 和 Méléard, 2004）严格定义该过程的无穷小生成元 L。
• 通过事件驱动算法进行轨迹模拟：从指数分布中抽取事件间时间，并根据相对速率选择事件类型。

实验结果

研究问题

• RQ1 如何将细胞迁移轨迹建模为源自离散的、随机的伸出活动，而非基于宏观假设？
• RQ2 细胞运动对伸出方向性的反馈在生成持续性或间歇性迁移模式中起到何种作用？
• RQ3 基于丝状伪足力的随机模型能否重现观察到的细胞轨迹的完整谱系，包括布朗运动样和持续性运动？
• RQ4 突变概率（μ）和极化强度（α）等参数如何影响轨迹多样性与探索效率？
• RQ5 何种数学框架可确保模型的一致性，并支持严格的模拟与分析？

主要发现

• 通过调节极化强度 α 和突变概率 μ，该模型成功重现了三种不同的轨迹类型——布朗运动样、持续性和间歇性轨迹。
• 较高的突变概率（μ = 0.8）显著降低了细胞的领地探索能力，表明在建模伸出多样性时不能忽略突变事件。
• 细胞速度由单位丝状伪足力的矢量和导出，其方向性由活跃伸出的角分布决定。
• 过程 (νt)t 是一个马尔可夫过程，其无穷小生成元 L 明确定义，确保了数学严谨性与模拟的可行性。
• 数值模拟证实，通过 −αv 反馈机制，运动对伸出速率的影响可产生方向性持续性，与实验观察一致。
• 该模型的结构允许对过程动力学进行解析处理，并为研究细胞群体中涌现的集体行为提供了基础。