Wielo-skalowe modelowanie komputerowe biologii rozwojowej

1. Wielo-skalowe modelowanie komputerowe biologii rozwojowej Piotr Rybiński

2. Plan prezentacji • Wstęp • Opis systemu i narzędzi • Algorytm • Przykłady działania • Porównanie z rzeczywistym systemem rozwoju • Rozszerzenia systemu, dyskusja Piotr Rybiński

3. Wstęp Motywacja: Kilka skal pozwala na lepsze zrozumienie skomplikowanego systemu rozwojowego organizmu. Piotr Rybiński

4. Wstęp 3 skale: • Molekularna – sieć wewnątrzkomórkowa kontroluje mechanizmy molekularne takiej jak aktywność receptora • Komórkowa – każda komórka decyduje o swoim następnym kroku rozwojowym jak namnażanie • Tkanki – komórki stymulują formowanie się tkanki, pozycja komórki w tkance wpływa na to jakie sygnały zewnętrzne odbierze itp. Piotr Rybiński

5. Wstęp Piotr Rybiński

6. Opis systemu i narzędzi – język Statecharts • Zaimplementowany w Rhapsody • Obiekty powiązane ze stanami • Zbiór stanów i tranzycji tworzy komponent • Komórki w modelu są formalizowane jako reaktywni agenci • Wszyscy agenci bazują na tej samej specyfikacji • Brak wewnętrznego zegara pozwala na asynchroniczne działanie agentów Piotr Rybiński

7. Opis systemu i narzędzi – animacja • Interfejs systemu zaimplementowany w Flash • Każdy obiekt ma swoją animowaną figurę Piotr Rybiński

8. Algorytm • Modelowanie syntetycznego systemu rozwoju • Aktywność wewnątrz-komórkowa w skali molekularnej • Podejmowanie decyzji w skali komórkowej • Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Piotr Rybiński

9. Algorytm - Modelowanie syntetycznego systemu rozwoju Etapy różnicowania komórki: - Pozycjonowanie w zamkniętym końcu obszaru, wydzielenie ligandu • Stan wczesnego różnicowania • W pełni zróżnicowany etap, namnażanie zablokowane, proces dojrzewania zainicjalizowany • Etap wyspecjalizowany, komórka zaadoptowała dojrzały stan rozwoju Piotr Rybiński

10. Algorytm - Modelowanie syntetycznego systemu rozwoju Piotr Rybiński

11. Algorytm - Modelowanie syntetycznego systemu rozwoju Piotr Rybiński

12. Algorytm - Modelowanie syntetycznego systemu rozwoju powiem Interakcja z czynnikiem poza-komórkowym dokonuje się przez Receptor-1 który reguluje aktywność trzech efektorów: TF-1 (czynnik transkrypcji) oraz dwóch regulatorów. Piotr Rybiński

13. Algorytm - Modelowanie syntetycznego systemu rozwoju powiem Dwie alternatywne ścieżki sygnałowe w sieci regulacyjnej: • Receptor-1 oddziałuję z ligandem-> wzmacnia ekspresje TF-1, blokuje regulatory -> namnażanie zainicjalizowane , różnicowanie zablokowane • Receptor-1 nie aktywny (lub brak) -> regulatory genetyczne nie włączane -> namnażanie zablokowane, różnicowanie zainicjalizowane Piotr Rybiński

14. Algorytm - Modelowanie syntetycznego systemu rozwoju Piotr Rybiński

15. Algorytm - Aktywność wewnątrz-komórkowa w skali molekularnej Piotr Rybiński

16. Algorytm - Aktywność wewnątrz-komórkowa w skali molekularnej Piotr Rybiński

17. Algorytm - Podejmowanie decyzji w skali komórkowej Na podjęcie decyzji mają wpływ 3 składowe: • Składowej namnażania • Składowej różnicowania • Składowej przemieszczania komórki Piotr Rybiński

18. Algorytm - Podejmowanie decyzji w skali komórkowej - namnażanie Piotr Rybiński

19. Algorytm - Podejmowanie decyzji w skali komórkowej - namnażanie Dwa stany namnażania: • G0 – komórka odpoczywa • Stan replikacji – cykl (G1,S,G2,M) w którym przejścia są wyzwalane po ustalanym okresie czasu (wejście w cykl - 50 ms, G1 – 200 ms, S – 150 ms, G2 – 100 ms) Piotr Rybiński

20. Algorytm - Podejmowanie decyzji w skali komórkowej - namnażanie Sukces namnażania następuje gdy spełnione są warunki: • Receptor -1 jest w stanie aktywnym • Komórka dochodzi w cyklu namnażania do fazy M • Jest dostępna wolna przestrzeń dla nowej instancji Piotr Rybiński

21. Algorytm - Podejmowanie decyzji w skali komórkowej - różnicowanie Piotr Rybiński

22. Algorytm - Podejmowanie decyzji w skali komórkowej - różnicowanie Składowa różnicowania określa 4 sekwencyjne etapy agenta: • Prekursor (aktywny jeden z regulatorów) • Wczesne różnicowanie (amplituda sygnału ligandu < 0,75) • Zróżnicowany (amplituda sygnału ligandu <0,5) • Specjalizowany Piotr Rybiński

23. Algorytm - Podejmowanie decyzji w skali komórkowej – przemieszczanie komórki Piotr Rybiński

24. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Siatka 2D definiująca strukturę tkanki składa się z pól oznaczonych: • 0 – poza strukturą anatomiczną • 1 – wewnątrz struktury i wolna • Id komórki – wewnątrz struktury i zajęta Piotr Rybiński

25. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Interakcja komórka – ligand jest symulowana przez sygnał który zanika wraz ze wzrostem odległości od źródła ligandu. Siła sygnału jest wyliczana wzorem: Piotr Rybiński

26. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Piotr Rybiński

27. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Piotr Rybiński

28. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Piotr Rybiński

29. Przykłady działania Piotr Rybiński

30. Przykłady działania - statystyki Piotr Rybiński

31. Przykłady działania - statystyki Piotr Rybiński

32. Porównanie z rzeczywistym systemem rozwoju Piotr Rybiński

33. Porównanie z rzeczywistym systemem rozwoju Piotr Rybiński

34. Porównanie z rzeczywistym systemem rozwoju Piotr Rybiński

35. Rozszerzenia systemu, dyskusja • Zaprezentowany system ma 3 różne skale – w przyszłości może modułowo zostać rozszerzony na więcej • Wyspecyfikowanie aktywności w skali poniżej molekularnej • Dodanie wsparcia do wyzwalania decyzji przez kombinacje elementów stymulujących rozszerzając obecna implementacje. Piotr Rybiński