На ранних этапах развития ткани и органы начинают формироваться за счёт перемещения, деления и роста тысяч клеток.
Команда инженеров MIT разработала способ предсказывать, как отдельные клетки складываются, делятся и перестраиваются на самой ранней стадии роста плодовой мушки. Новый метод может однажды быть применён для прогнозирования развития более сложных тканей, органов и организмов. Он также может помочь учёным выявить закономерности в клетках, которые соответствуют ранним заболеваниям, таким как астма и рак.
В исследовании, опубликованном в журнале Nature Methods, команда представляет новую модель глубокого обучения, которая изучает, а затем предсказывает, как будут меняться определённые геометрические свойства отдельных клеток по мере развития плодовой мушки. Модель фиксирует и отслеживает такие свойства, как положение клетки и её контакт с соседней клеткой в определённый момент.
Команда применила модель к видеозаписям развивающихся эмбрионов плодовых мушек, каждый из которых начинается с кластера примерно из 5 000 клеток. Они обнаружили, что модель может предсказывать с точностью 90%, как каждая из 5 000 клеток будет складываться, смещаться и перестраиваться, поминутно, в течение первого часа развития, когда эмбрион превращается из гладкой однородной формы в более определённые структуры.
«Эта начальная фаза известна как гаструляция, которая длится примерно один час, когда отдельные клетки перестраиваются в масштабе минут», — говорит автор исследования Минь Го, доцент кафедры машиностроения в MIT. «Точно моделируя этот ранний период, мы можем начать раскрывать, как локальные взаимодействия клеток приводят к формированию глобальных тканей и организмов».
Точки и пены
Обычно учёные моделируют развитие эмбриона одним из двух способов:
* как облако точек, где каждая точка представляет отдельную клетку, которая движется с течением времени;
* как «пену», которая представляет отдельные клетки в виде пузырьков, которые сдвигаются и скользят друг по другу, подобно пузырькам в пене для бритья.
Вместо того чтобы выбирать между двумя подходами, Го и Ян использовали оба.
«Есть споры о том, какую модель использовать — облако точек или пену, — говорит Ян. — Но оба они по сути представляют собой разные способы моделирования одного и того же базового графа, который является элегантным способом представления живых тканей. Объединив их в один граф, мы можем выделить больше структурной информации, например, как клетки связаны друг с другом при перестройке с течением времени».
В основе новой модели лежит «двойственная граф-структура», которая представляет развивающийся эмбрион как движущиеся точки и пузырьки. Благодаря этому двойному представлению исследователи надеялись зафиксировать более детальные геометрические свойства отдельных клеток, такие как расположение ядра клетки, контакт клетки с соседней клеткой и её складывание или деление в определённый момент времени.
В качестве доказательства принципа команда научила новую модель «изучать», как отдельные клетки меняются со временем во время гаструляции плодовой мушки.
«Общая форма плодовой мушки на этом этапе примерно эллипсоидная, но на её поверхности во время гаструляции происходят гигантские динамические процессы, — говорит Го. — Она превращается из абсолютно гладкой в образующую множество складок под разными углами. И мы хотим предсказать всю эту динамику, поминутно и клетка за клеткой».
Где и когда
Для своего нового исследования учёные применили новую модель к высококачественным видеозаписям гаструляции плодовых мушек, сделанным их коллегами из Мичиганского университета. Видеозаписи представляют собой часовые записи развивающихся плодовых мушек, снятые с разрешением в одну клетку. Более того, видео содержат метки краёв отдельных клеток и их ядер — данные невероятно подробные и труднодоступные.
«Эти видео чрезвычайно высокого качества, — говорит Ян. — Такие данные встречаются редко, когда вы получаете субмикронное разрешение всего трёхмерного объёма с довольно высокой частотой кадров».
Команда обучила новую модель на данных из трёх из четырёх видео с эмбрионами плодовых мушек, чтобы модель могла «изучить», как отдельные клетки взаимодействуют и изменяются по мере развития эмбриона. Затем они протестировали модель на совершенно новом видео с плодовыми мушками и обнаружили, что она способна с высокой точностью предсказывать, как изменится большинство из 5 000 клеток эмбриона, поминутно.
В частности, модель может предсказывать свойства отдельных клеток, такие как их складывание, деление или продолжение соприкосновения с соседней клеткой, примерно с точностью 90%.
«Мы предсказываем не только то, что произойдёт, но и когда, — говорит Го. — Например, эта клетка отсоединится от другой клетки через семь минут или через восемь? Мы можем сказать, когда это произойдёт».
Команда считает, что в принципе новая модель и подход с двойным графом должны быть способны предсказывать клеточное развитие других многоклеточных систем, таких как более сложные виды, и даже некоторые человеческие ткани и органы. Ограничивающим фактором является наличие высококачественных видеоданных.
«С точки зрения модели, я думаю, она готова, — говорит Го. — Настоящее узкое место — это данные. Если у нас будут данные хорошего качества о конкретных тканях, модель можно будет напрямую применить для прогнозирования развития многих других структур».
Это исследование частично поддержано Национальным институтом здравоохранения США.
1. Какие методы моделирования развития эмбриона описаны в статье и в чём их особенность?
В статье описаны два метода моделирования развития эмбриона: как облако точек, где каждая точка представляет отдельную клетку, и как «пену», где отдельные клетки представлены в виде пузырьков. Особенность новой модели заключается в использовании обоих подходов одновременно, что позволяет фиксировать более детальные геометрические свойства отдельных клеток.
2. Какой процент точности продемонстрировала модель при прогнозировании поведения клеток?
Модель продемонстрировала точность прогнозирования поведения клеток на уровне 90% при анализе видеозаписей развивающихся эмбрионов плодовых мушек.
3. Какие данные использовались для обучения модели и как они были получены?
Для обучения модели использовались высококачественные видеозаписи гаструляции плодовых мушек, сделанные с разрешением в одну клетку. Видеозаписи содержат метки краёв отдельных клеток и их ядер, что обеспечивает детальный анализ клеточного развития.
4. Какие перспективы открывает применение новой модели в биологии и медицине?
Применение новой модели может помочь учёным выявить закономерности в клетках, которые соответствуют ранним заболеваниям, таким как астма и рак. Кроме того, модель может быть применена для прогнозирования развития более сложных тканей, органов и организмов, что может привести к новым открытиям в биологии и медицине.
5. Какие ограничения существуют для применения модели в других биологических системах?
Основным ограничением для применения модели в других биологических системах является наличие высококачественных видеоданных. Для эффективного использования модели необходимы детальные видеозаписи клеточного развития с высоким разрешением и частотой кадров.