Il fatto che gli esseri umani e altri organismi viventi possano svilupparsi e crescere da una singola cellula si basa su un processo chiamato sviluppo embrionale. Affinché si formino tessuti sani, le cellule dell’embrione devono organizzarsi nel modo giusto, nel posto giusto, al momento giusto. Quando questo processo non va bene, può provocare difetti congeniti, una ridotta rigenerazione dei tessuti o il cancro. Tutto ciò rende la comprensione di come i diversi tipi di cellule si organizzano in un’architettura tissutale complessa una delle questioni fondamentali nella biologia dello sviluppo.
Mentre i ricercatori sono ancora lontani dalla comprensione completa del processo, un gruppo di scienziati della Brown University ha trascorso gli ultimi anni aiutando il campo ad avvicinarsi sempre di più. Il loro segreto? Una branca della matematica chiamata topologia.
Il gruppo di ricerca della Brown, composto da ingegneri biomedici e matematici applicati, ha creato un algoritmo di apprendimento automatico utilizzando la topologia computazionale che profila forme e modelli spaziali negli embrioni per studiare come queste cellule si organizzano in architetture simili ai tessuti. In un nuovo studio, portano quel sistema al livello successivo, aprendo un percorso per studiare come si assemblano più tipi di cellule.
L’opera è descritta in Biologia e applicazioni dei sistemi npj.
“Nei tessuti, potrebbero esserci differenze nel modo in cui una cellula aderisce allo stesso tipo cellulare rispetto a come aderisce a un tipo cellulare diverso”, ha affermato Ian Y. Wong, professore associato alla Brown School of Engineering che ha contribuito a sviluppare l’algoritmo. . “C’è questa domanda interessante su come queste cellule sappiano esattamente dove finire all’interno di un dato tessuto, che spesso è spazialmente compartimentato in regioni distinte.”
Ad esempio, in un embrione animale, lo strato esterno di cellule va a formare la pelle, lo strato intermedio forma muscoli e ossa, mentre lo strato più interno forma il fegato o i polmoni. Le cellule all’interno di ciascuno strato aderiranno preferenzialmente l’una all’altra, separandosi dalle cellule di altri strati che andranno a formare altre parti del corpo.
Negli anni ’70, gli scienziati scoprirono che le cellule all’interno degli embrioni di rana potevano essere separate delicatamente e quando venivano mescolate di nuovo insieme, si riorganizzavano spontaneamente nella loro organizzazione iniziale. Ciò si verifica perché le cellule hanno affinità diverse l’una con l’altra e, mentre si assemblano e si raggruppano, vengono preservati alcuni modelli topologici di collegamenti e anelli.
“Nel contesto di queste disposizioni spaziali dei tessuti, puoi imparare molto da ciò che è lì, ma allo stesso tempo anche da ciò che non c’è”, ha detto Dhananjay Bhaskar, un recente Ph.D. della Brown. laureato che ha guidato il lavoro e ora è un ricercatore post-dottorato presso l’Università di Yale.
I ricercatori della Brown hanno mostrato nel 2021 come il loro approccio può profilare i tratti topologici di un tipo di cellula che si organizza in diverse configurazioni spaziali e potrebbe fare previsioni su di esso.
Il problema con il sistema originale era che si trattava di un processo lento e ad alta intensità di manodopera. L’algoritmo ha confrontato scrupolosamente queste caratteristiche topologiche una per una con quelle di altri gruppi di posizioni delle celle per determinare quanto siano topologicamente diverse o simili. Il processo ha richiesto diverse ore e, in sostanza, ha impedito all’algoritmo di sfruttare appieno il suo potenziale nel comprendere come le cellule si assemblano e di essere in grado di confrontare facilmente e accuratamente cosa succede quando le condizioni cambiano – una chiave per scomporre cosa succede quando le cose vanno bene. sbagliato.
Nel nuovo studio, il gruppo di ricerca inizia ad affrontare questa limitazione con quelle che vengono chiamate immagini di persistenza. Queste immagini sono un formato standardizzato simile a un’immagine per rappresentare le caratteristiche topologiche, consentendo un rapido confronto tra grandi set di dati di posizioni delle celle.
Hanno poi utilizzato quelle immagini per addestrare altri algoritmi a generare “impronte digitali” che catturano le principali caratteristiche topologiche dei dati. Ciò riduce il tempo di calcolo da ore a secondi, consentendo ai ricercatori di confrontare migliaia di simulazioni di organizzazione cellulare utilizzando le impronte digitali per classificarle in modelli simili senza input umano.
I ricercatori affermano che l’obiettivo è lavorare a ritroso e dedurre le regole che descrivono come i diversi tipi di cellule si dispongono in base al modello finale. Ad esempio, se modificano il modo in cui alcune cellule sono più o meno adesive, i ricercatori possono identificare come e quando si verificano alterazioni drammatiche nell’architettura dei tessuti.
L’approccio ha il potenziale per essere applicato per comprendere cosa succede quando il processo di sviluppo va fuori strada e per esperimenti di laboratorio che testano come diversi farmaci possono alterare la migrazione e l’adesione cellulare.
“Se riusciamo a vedere un certo schema, possiamo usare il nostro algoritmo per capire perché emerge quello schema”, ha detto Bhaskar. “In un certo senso, ci dice le regole del gioco quando si tratta di assemblare le cellule.”
Altri autori di Brown includono William Y. Zhang, che ha conseguito una laurea in informatica nel 2022; Alexandria Volkening, che ha conseguito il dottorato di ricerca. da Brown nel 2017 ed è ora assistente professore di matematica alla Purdue; e Bjorn Sandstede, un professore Brown di matematica applicata.
La ricerca è stata supportata dal Data Science Institute della Brown University, dal National Institute of General Medical Sciences e dalla National Science Foundation. La ricerca è stata condotta utilizzando risorse e servizi computazionali presso il Brown’s Center for Computation and Visualization.
Da un’altra testata giornalistica. news de www.sciencedaily.com
