Алгоритм визуализации анализирует движение клеток
Инженеры из Университета Брауна разработали новый метод, который поможет исследователям понять, как клетки перемещаются через сложные ткани в организме. Учёные надеются, что этот инструмент будет полезен для изучения различных типов клеточного движения — от миграции раковых клеток до продвижения иммунных клеток к очагам инфекции.
Метод описан в статье, опубликованной в Proceedings of the National Academy of Sciences.
Традиционный метод изучения движения клеток называется микроскопией силы тяги (TFM). Учёные делают снимки клеток, движущихся по 2-D поверхностям или через 3-D гели, которые служат моделями реальной ткани организма. Измеряя степень смещения 2-D поверхности или 3-D геля при движении клеток, исследователи могут рассчитать генерируемые клеткой силы. Проблема в том, что для этих расчётов необходимо знать жёсткость и другие механические свойства искусственной тканевой среды.
"Сегодня в тканевой инженерии мы можем создавать очень сложные структуры, гораздо больше похожие на реальные ткани тела, но из-за их сложности мы не можем знать все механические свойства", — сказал Кристиан Франк, доцент инженерии. — "Таким образом, у нас есть эти отличные тканевые среды, но мы не можем использовать их для расчётов TFM".
Для создания нового метода Франк работал со своими студентами и Ханишем Кесари, специалистом по механике твёрдого тела.
"Именно Ханиш обнаружил эту теорию так называемой средней деформации", — сказал Франк. — "Она позволила нам создать структуру, аналогичную микроскопии силы тяги, но без необходимости знать механические свойства. Мы можем производить расчёты, просто анализируя изображения и наблюдая, как клетка деформируется при взаимодействии со своей средой".
Представьте, что вы сжимаете резиновый мяч пальцами. В каждом месте, где палец давит на мяч, образуется вмятина. Теория средней деформации, по сути, суммирует все эти вмятины и выдаёт одну величину, представляющую собой чистое изменение формы всего мяча. Для клеток теория выводит величину, складывая все места, где клетка деформируется при взаимодействии с тканью, через которую она движется.
"Замечательно то, что мы получаем одну простую величину, аналогичную силовой величине из TFM, и можем вывести из неё множество других величин", — сказал Франк. — "Мы можем проводить те же типы статистического анализа, что и с величинами, полученными с помощью TFM".
Чтобы оценить возможности метода, Франк сотрудничал с Джонатаном Райхнером, профессором хирургии. Они визуализировали движение человеческих нейтрофилов — белых кровяных телец, играющих ключевую роль в борьбе с инфекциями, — через сложный коллагеновый матрикс. Визуализация проводилась как для здоровых нейтрофилов, так и для клеток, изменённых для имитации клеток, участвующих в септическом шоке — потенциально смертельной дисфункции белых кровяных телец.
Работа выявила некоторые интригующие различия между здоровыми клетками и моделью сепсиса, которые ранее не наблюдались. Например, алгоритм показал, что клетки в состоянии болезни, как правило, более сократимы, чем здоровые клетки. Они также имеют тенденцию вращаться при движении, в отличие от здоровых клеток.
"Мы смогли показать значительные различия между здоровыми клетками и состоянием болезни", — сказал Франк. — "Как эти различия связаны с болезнью, мы пока не знаем, но теперь у нас есть возможность видеть эти различия и пытаться понять, что они означают".
Франк и его коллеги планируют сделать программное обеспечение, лежащее в основе метода, свободно доступным в Интернете для использования другими исследователями.
"Всё, что им нужно для использования этого метода, — это 3-D изображения", — сказал Франк. — "Как только у них появятся изображения, программное обеспечение их проанализирует".