Математический инструмент для анализа формирования клеточных кластеров
Математики из Университета Аделаиды разработали метод, позволяющий определить, как сформировались кластеры клеток, путем анализа изображения кластера.
Их инструмент математического моделирования, описанный в Journal of Theoretical Biology, поможет биологам и тканевым инженерам в работе по выращиванию человеческих тканей, например печени, в лаборатории.
Ключевая задача — самоорганизация клеток
При развитии любой ткани или органа клетки должны самоорганизоваться в правильную структуру. Этот процесс критически важен для регенеративной медицины, где ученые пытаются выращивать ткани в лаборатории. Правильная структура — залог жизнеспособности и функциональности ткани.
Два механизма кластеризации
Исследователи изучили два основных способа образования клеточных кластеров:
- Притяжение с помощью химических и других сигналов.
- Пролиферация (деление клеток).
Количественный анализ паттернов
В работе представлена количественная мера паттерна кластеризации на основе изображения. Она производит статистику, называемую «функцией парной корреляции», которая показывает взаимосвязь между клетками.
Два механизма кластеризации создают разные паттерны. В некоторых случаях разницу можно заметить визуально, но функция парной корреляции позволяет различить их даже тогда, когда на глаз разницы между изображениями не видно.
Проверка и применение
Математическая модель была проверена экспериментально на клетках с известными механизмами кластеризации в сотрудничестве с Технологическим университетом Квинсленда.
Инструмент дает базовое понимание процесса кластеризации и будет полезен для оценки факторов, которые можно использовать для улучшения процесса выращивания клеток.
Следующие шаги
Дальнейшая работа будет включать загрузку экспериментальных данных обратно в модель для симуляции биологических процессов. Это позволит изучать потенциальные эффекты различных факторов с помощью компьютера, вместо проведения длительных и дорогостоящих экспериментов.