Model agentowy w biologii - Agent-based model in biology

Modele agentowe mają wiele zastosowań w biologii , przede wszystkim ze względu na charakterystykę metody modelowania. Modelowanie agentowe to oparta na regułach metodologia modelowania obliczeniowego, która koncentruje się na regułach i interakcjach między poszczególnymi komponentami lub agentami systemu. Celem tej metody modelowania jest wygenerowanie populacji interesujących nas elementów systemu i symulacja ich interakcji w wirtualnym świecie. Modele oparte na agentach zaczynają się od reguł zachowania i dążą do zrekonstruowania, poprzez obliczeniową konkretyzację tych reguł, obserwowanych wzorców zachowań. Kilka cech modeli opartych na agentach ważnych dla badań biologicznych obejmuje:

  1. Struktura modułowa: zachowanie modelu opartego na agentach jest określone przez reguły jego agentów. Istniejące reguły agentów można modyfikować lub dodawać nowych agentów bez konieczności modyfikowania całego modelu.
  2. Wyłaniające się właściwości: dzięki wykorzystaniu poszczególnych agentów, które oddziałują lokalnie z regułami zachowania, modele agentowe skutkują synergią, która prowadzi do całości wyższego poziomu o znacznie bardziej skomplikowanym zachowaniu niż te z każdym pojedynczym agentem.
  3. Abstrakcja: albo przez wykluczenie mniej istotnych szczegółów, albo gdy szczegóły nie są dostępne, modele oparte na agentach mogą być konstruowane w przypadku braku pełnej wiedzy o badanym systemie. Dzięki temu model może być tak prosty i weryfikowalny, jak to tylko możliwe.
  4. Stochastyczność: Systemy biologiczne wykazują zachowanie, które wydaje się być przypadkowe. Prawdopodobieństwo określonego zachowania można określić dla systemu jako całości, a następnie przełożyć na reguły dla poszczególnych agentów.

Inwazje owadów leśnych

W artykule zatytułowanym „Exploring leśnej Practices zastosowaniem środka opartych na modelu lasu owadów zarażenia”, model Agent oparte zostało opracowane do symulacji zachowania atakiem chrząszczy kosodrzewiny , Dendroctonus ponderosae (MPB), aby ocenić, jak różne Polityka pozyskiwania wpływa na charakterystykę przestrzenną lasu i przestrzenne rozprzestrzenianie się porażenia MPB w czasie. Około dwie trzecie ziemi w Kolumbii Brytyjskiej w Kanadzie pokrywają lasy, które są nieustannie modyfikowane przez naturalne zakłócenia, takie jak pożary, choroby i insekty. Zasoby leśne stanowią około 15% gospodarki województwa, więc inwazje owadów, takich jak MPB, mogą mieć znaczący wpływ na gospodarkę. Wybuchy MPB są uważane za główne naturalne zaburzenie, które może spowodować powszechną śmiertelność sosny wypustkowej , jednego z najliczniejszych gatunków drzew komercyjnych w Kolumbii Brytyjskiej. Epidemie owadów spowodowały śmierć drzew na obszarze kilku tysięcy kilometrów kwadratowych.

Model oparty na agentach opracowany na potrzeby tego badania został zaprojektowany do symulacji zachowania ataku MPB w celu oceny, w jaki sposób praktyki zarządzania wpływają na rozkład przestrzenny i wzorce populacji owadów oraz ich preferencje względem atakowanych i zabitych drzew. W modelu uwzględniono trzy strategie zarządzania: 1) brak zarządzania, 2) zbiory sanitarne i 3) zbiory ratownicze. W modelu Beetle Agent reprezentował zachowanie MPB; Sosna Agent reprezentowała ewolucję środowiska leśnego i zdrowia drzew; Agent Gospodarki Leśnej reprezentował różne strategie zarządzania. Agent Żuków przestrzega szeregu zasad, aby zdecydować, gdzie latać w lesie i wybrać zdrowe drzewo do ataku, karmienia i rozmnażania. MPB zazwyczaj zabija drzewa żywicielskie w swoim naturalnym środowisku, aby skutecznie się rozmnażać. Larwy chrząszcza żywią się wewnętrzną korą dojrzałych drzew żywicielskich, ostatecznie je zabijając. Aby chrząszcze mogły się rozmnażać, drzewo żywicielskie musi być wystarczająco duże i mieć grubą wewnętrzną korę. Epidemie MPB kończą się, gdy podaż żywności spada do tego stopnia, że ​​nie starcza jej na utrzymanie populacji lub gdy warunki klimatyczne stają się niekorzystne dla chrząszcza. Sosna Agent symuluje odporność drzewa żywicielskiego, a konkretnie sosny Lodgepole, oraz monitoruje stan i cechy każdego drzewostanu. W pewnym momencie ataku MPB liczba chrząszczy na drzewo osiąga pojemność drzewa gospodarza. Po osiągnięciu tego punktu chrząszcze uwalniają substancję chemiczną, która kieruje chrząszcze do atakowania innych drzew. Program Pine Agent modeluje to zachowanie, obliczając gęstość populacji chrząszczy na drzewostan i przekazuje informacje do agentów Beetle. Środek Gospodarki Leśnej zastosowano, na poziomie drzewostanu, do symulacji dwóch powszechnych praktyk hodowlanych (sanitarnych i ratowniczych) oraz strategii, w której nie stosowano żadnych praktyk zarządczych. Zgodnie ze strategią zbiorów sanitarnych, jeśli w drzewostanie wskaźnik porażenia przekracza ustalony próg, drzewostan jest usuwany, jak również każdy zdrowy drzewostan sąsiedni, gdy średnia wielkość drzew przekracza ustalony próg. W przypadku strategii ratownictwa, drzewostan jest usuwany, nawet jeśli nie jest atakowany przez MPB, jeśli z góry określona liczba sąsiednich drzewostanów jest atakowana przez MPB.

W badaniu uwzględniono obszar zalesiony w północno-środkowej części Kolumbii Brytyjskiej o powierzchni około 560 hektarów . Obszar ten składał się głównie z sosny czubatej z mniejszymi udziałami daglezji i świerka białego . Model został wykonany w pięciu krokach czasowych, z których każdy reprezentuje jeden rok. Przeprowadzono trzydzieści przebiegów symulacji dla każdej rozważanej strategii gospodarki leśnej. Wyniki symulacji pokazały, że gdy nie zastosowano żadnej strategii zarządzania, wystąpiła największa ogólna infestacja MPB. Wyniki pokazały również, że technika ratowniczej gospodarki leśnej spowodowała 25% redukcję liczby nitek leśnych zabitych przez MPB, w przeciwieństwie do 19% redukcji dzięki strategii ratowniczej gospodarki leśnej. Podsumowując, wyniki pokazują, że model może być wykorzystany jako narzędzie do budowania polityk gospodarki leśnej.

Gatunki inwazyjne

Gatunki inwazyjne odnoszą się do „nierodzimych” roślin i zwierząt, które niekorzystnie wpływają na środowisko, które atakują. Wprowadzenie gatunków inwazyjnych może mieć konsekwencje środowiskowe, ekonomiczne i ekologiczne. W artykule zatytułowanym „Model agentowy egzekwowania na granicach dla zarządzania gatunkami inwazyjnymi” przedstawiono model agentowy, który został opracowany w celu oceny wpływu reżimów egzekwowania specyficznych dla portu i importera dla danego towaru rolnego, który zagrożenie gatunkami inwazyjnymi. Ostatecznie celem badania było usprawnienie alokacji zasobów służących egzekwowaniu prawa oraz dostarczenie decydentom narzędzia umożliwiającego udzielenie odpowiedzi na dalsze pytania dotyczące egzekwowania granic i ryzyka związanego z gatunkami inwazyjnymi.

Model oparty na czynnikach opracowany na potrzeby badania uwzględniał trzy rodzaje czynników: gatunki inwazyjne, importerów i funkcjonariuszy kontroli granic. W modelu inwazyjne gatunki mogą jedynie reagować na otoczenie, podczas gdy importerzy i strażnicy granic mogą podejmować własne decyzje w oparciu o własne cele i zadania. Gatunek inwazyjny jest w stanie określić, czy został uwolniony na obszarze zawierającym docelową uprawę i rozprzestrzenić się na sąsiednie działki docelowej uprawy. Model zawiera mapy prawdopodobieństwa przestrzennego, które są wykorzystywane do określenia, czy gatunek inwazyjny się zadomowił. Badanie koncentrowało się na dostawach brokułów z Meksyku do Kalifornii przez porty wejścia Calexico w Kalifornii i Otay Mesa w Kalifornii . Wyselekcjonowanym gatunkiem inwazyjnym, który był przedmiotem zainteresowania, był chrząszcz krzyżowiec ( Phylllotreta cruciferae ). Kalifornia jest zdecydowanie największym producentem brokułów w Stanach Zjednoczonych, a zatem obawy i potencjalny wpływ wprowadzenia gatunków inwazyjnych przez wybrane porty wejścia są znaczące. Model zawierał również przestrzennie jawną funkcję uszkodzeń, która została wykorzystana do realistycznego modelowania uszkodzeń gatunków inwazyjnych. Modelowanie oparte na agentach zapewnia możliwość analizy zachowania heterogenicznych aktorów, dlatego rozważono trzy różne typy importerów, które różniły się pod względem wskaźników infekcji towarów (wysoki, średni i niski), wyboru obróbki wstępnej i kosztów transportu do portów . Model dał prognozy dotyczące wskaźników inspekcji dla każdego portu wejścia i importera oraz określił wskaźnik powodzenia inspekcji agenta granicznego, nie tylko dla każdego portu i importera, ale także dla każdego potencjalnego poziomu obróbki wstępnej (brak obróbki wstępnej, poziom pierwszy, poziom drugi i poziom trzeci).

Model został zaimplementowany i uruchomiony w NetLogo w wersji 3.1.5. W analizie uwzględniono informacje przestrzenne dotyczące lokalizacji portów wejścia, głównych autostrad i szlaków transportowych, a także mapę upraw brokułów kalifornijskich z mapami prawdopodobieństwa zadomowienia się gatunków inwazyjnych. BehaviorSpace, narzędzie programowe zintegrowane z NetLogo, zostało użyte do przetestowania wpływu różnych parametrów (np. wartość przesyłki, koszt obróbki wstępnej) w modelu. Średnio obliczono 100 iteracji na każdym poziomie stosowanego parametru, przy czym iteracja reprezentowała okres jednego roku.

Wyniki modelu pokazały, że wraz ze wzrostem wysiłków inspekcyjnych importerzy zwiększają należytą staranność lub wstępną obróbkę przesyłek, a całkowita strata pieniężna upraw w Kalifornii maleje. Model wykazał, że importerzy w różny sposób reagują na wzrost prac kontrolnych. Niektórzy importerzy zareagowali na zwiększony wskaźnik inspekcji, zwiększając nakłady związane z obróbką wstępną, podczas gdy inni zdecydowali się uniknąć wysyłki do określonego portu lub dokonali zakupów w innym porcie. Ważnym wynikiem wyników modelu jest to, że może on pokazywać lub dostarczać decydentom zaleceń dotyczących momentu, w którym importerzy mogą rozpocząć zakupy w portach, takich jak częstotliwość inspekcji, przy której wprowadzane są zakupy w porcie oraz importerzy powiązani z określonym poziomem zagrożenia szkodnikami lub kosztów transportu prawdopodobnie wprowadzą te zmiany. Innym interesującym wynikiem tego modelu jest to, że gdy inspektorzy nie byli w stanie nauczyć się odpowiadać importerowi za pomocą wcześniej zaatakowanych przesyłek, szkody w uprawach brokułów w Kalifornii oszacowano na 150 milionów dolarów. Jednakże, kiedy inspektorzy byli w stanie zwiększyć wskaźniki inspekcji importerów po wcześniejszych naruszeniach, szkody w uprawach brokułów kalifornijskich zmniejszyły się o około 12%. Model zapewnia mechanizm do przewidywania wprowadzenia gatunków inwazyjnych z importu rolniczego i ich prawdopodobnych szkód. Co równie ważne, model zapewnia decydentom politycznym i agencjom kontroli granicznej narzędzie, które można wykorzystać do określenia najlepszej alokacji zasobów inspekcyjnych.

Dynamika populacji mszyc

W artykule zatytułowanym „Mszyce Populacja Dynamics w Rolniczej krajobrazy: Agent opartej Simulation Model”, model Agent oparte jest przedstawiony do badania dynamiki populacji z wiśniowego owsianej mszycy ptaków , Rhopalosiphum padi (L.). Badanie przeprowadzono w regionie North Yorkshire o powierzchni pięciu kilometrów kwadratowych , hrabstwie znajdującym się w hrabstwie Yorkshire i humber w Anglii . Wybrano metodę modelowania agentowego, ponieważ skupia się ona na zachowaniu poszczególnych agentów, a nie całej populacji. Autorzy proponują, aby tradycyjne modele, które koncentrują się na populacjach jako całości, nie uwzględniały złożoności współistniejących interakcji w ekosystemach , takich jak reprodukcja i rywalizacja o zasoby, które mogą mieć znaczący wpływ na trendy populacyjne. Podejście do modelowania opartego na agentach umożliwia również modelarzom tworzenie bardziej ogólnych i modułowych modeli, które są bardziej elastyczne i łatwiejsze w utrzymaniu niż metody modelowania, które koncentrują się na populacji jako całości. Inne proponowane zalety modeli agentowych obejmują realistyczną reprezentację interesującego zjawiska ze względu na interakcje grupy autonomicznych agentów oraz możliwość integracji zmiennych ilościowych, równań różniczkowych i zachowania opartego na regułach w tym samym modelu.

Model został zaimplementowany w zestawie narzędzi do modelowania Repast przy użyciu języka programowania JAVA . Model prowadzony był w dziennych krokach czasowych i skupiał się na sezonach jesienno-zimowych. Dane wejściowe do modelu obejmowały dane siedliskowe, dzienne minimum, maksimum i średnie temperatury oraz prędkość i kierunek wiatru. W przypadku mszyc uwzględniono wiek, pozycję i morfologię ( płaską lub bezskrzydłą ). Wiek wahał się od 0,00 do 2,00, przy czym 1,00 to moment, w którym agent staje się dorosły. Rozmnażanie przez czynniki mszyc zależy od wieku, morfologii oraz dziennych minimalnych, maksymalnych i średnich temperatur. Po wykluciu nimfy pozostają w tym samym miejscu, co ich rodzice. Morfologia nimf jest związana z gęstością populacji i jakością składników odżywczych źródła pożywienia mszyc . Model uwzględniał również śmiertelność wśród mszyc, która zależy od wieku, temperatury i jakości siedliska. Szybkość starzenia się środka na mszyce zależy od dziennej temperatury minimalnej, maksymalnej i średniej. W modelu uwzględniono, że przemieszczanie się mszyc odbywa się w dwóch oddzielnych fazach, fazie migracji i fazie żerowania, które mają wpływ na ogólną dystrybucję populacji .

Badanie rozpoczęło symulację z początkową populacją 10 000 mszyc uskrzydlonych rozmieszczonych w siatce 25-metrowych komórek. Wyniki symulacji pokazały, że wystąpiły dwa główne szczyty populacji, pierwszy na początku jesieni z powodu napływu spóźnionych imigrantów, a drugi z powodu niższych temperatur w dalszej części roku i braku imigrantów. Ostatecznie celem naukowców jest dostosowanie tego modelu do symulacji szerszych ekosystemów i typów zwierząt.

Dynamika populacji wodnej

W artykule zatytułowanym „Eksploracja systemów wieloagentowych w modelowaniu dynamiki populacji wodnej” zaproponowano model do badania dynamiki populacji dwóch gatunków makrofitów . Rośliny wodne odgrywają istotną rolę w ekosystemach, w których żyją, ponieważ mogą zapewnić schronienie i pożywienie innym organizmom wodnym. Mogą jednak również mieć szkodliwe skutki, takie jak nadmierny wzrost roślin nierodzimych lub eutrofizacja jezior, w których żyją, prowadząc do warunków beztlenowych . Biorąc pod uwagę te możliwości, ważne jest, aby zrozumieć, w jaki sposób środowisko i inne organizmy wpływają na wzrost tych roślin wodnych, aby umożliwić łagodzenie lub zapobieganie tym szkodliwym wpływom.

Potamogeton pectinatus jest jednym z czynników roślin wodnych w modelu. Jest to roślina jednoroczna, która pobiera składniki odżywcze z gleby i rozmnaża się przez bulwy korzeniowei kłącza . Na reprodukcję rośliny nie ma wpływu przepływ wody, ale zwierzęta, inne rośliny i ludzie mogą na nie wpływać. Roślina może dorastać do dwóch metrów wysokości, co jest warunkiem ograniczającym, ponieważ może rosnąć tylko na określonych głębokościach wody, a większość jej biomasy znajduje się na szczycie rośliny, aby wychwycić jak najwięcej światła słonecznego. Drugim środkiem roślinnym w modelu jest Chara aspera , również ukorzeniona roślina wodna. Jedną z głównych różnic między tymi dwiema roślinami jest to, że ta ostatnia rozmnaża się dzięki użyciu bardzo małych nasion zwanych oosporami i bulwkami, które rozprzestrzeniają się w strumieniu wody. Chara aspera dorasta tylko do 20 cm i wymaga bardzo dobrych warunków oświetleniowych oraz dobrej jakości wody, które są czynnikami ograniczającymi wzrost rośliny. Chara aspera ma wyższe tempo wzrostu niż Potamogeton pectinatus, ale ma znacznie krótszą żywotność. Model uwzględniał również czynniki środowiskowe i zwierzęce. Uwzględnione czynniki środowiskowe obejmowały przepływ wody, przenikanie światła i głębokość wody. Warunki przepływu, choć nie mają dużego znaczenia dla Potamogeton pectinatus , mają bezpośredni wpływ na rozsiew nasion Chara aspera . Warunki przepływu wpływają na kierunek, a także odległość, na jaką zostaną rozprowadzone nasiona. Penetracja światła silnie oddziałuje na Chara aspera, ponieważ wymaga wody o wysokiej jakości. Współczynnik ekstynkcji (EC) jest miarą przenikania światła przez wodę. Wraz ze wzrostem EC, tempo wzrostu Chara aspera maleje. Wreszcie głębokość jest ważna dla obu gatunków roślin. Wraz ze wzrostem głębokości wody penetracja światła zmniejsza się, co utrudnia przetrwanie obu gatunków na pewnych głębokościach.

Obszarem zainteresowania modelu było jezioro w Holandii o nazwie Veluwe . Jest to stosunkowo płytkie jezioro o średniej głębokości 1,55 metra i powierzchni około 30 kilometrów kwadratowych. Jezioro znajduje się pod wpływem stresu eutrofizacji, co oznacza, że ​​składniki odżywcze nie są czynnikiem ograniczającym dla żadnego z czynników roślinnych w modelu. Wyjściową pozycję czynników roślinnych w modelu wyznaczono losowo. Model został zaimplementowany przy użyciu pakietu oprogramowania Repast i został wykonany w celu symulacji wzrostu i rozpadu dwóch różnych czynników roślinnych, biorąc pod uwagę czynniki środowiskowe omówione wcześniej, a także interakcje z innymi czynnikami roślinnymi. Wyniki wykonania modelu pokazują, że rozmieszczenie populacji Chara aspera ma wzór przestrzenny bardzo podobny do map GIS obserwowanych rozmieszczeń. Autorzy badania konkludują, że opracowane w badaniu reguły agentowe są uzasadnione do symulacji przestrzennego wzorca wzrostu makrofitów w tym konkretnym jeziorze.

Agregacja bakterii prowadząca do powstania biofilmu

W artykule zatytułowanym „iDynoMiCS: nowej generacji modelowanie indywidualne biofilmów nowej generacji” przedstawiono model agentowy, który modeluje kolonizację bakterii na powierzchni, prowadząc do powstania biofilmów . Celem iDynoMiCS (oznaczającego jednostkę Dynamics of Microbial Communities Simulator) jest symulacja wzrostu populacji i społeczności pojedynczych drobnoustrojów (małych organizmów jednokomórkowych, takich jak bakterie, archeony i protisty ), które konkurują o przestrzeń i zasoby w biofilmach zanurzonych w środowiska wodne. iDynoMiCS można wykorzystać do zrozumienia, w jaki sposób indywidualna dynamika drobnoustrojów prowadzi do pojawiających się właściwości i zachowań na poziomie populacji lub biofilmu. Badanie takich formacji jest ważne w badaniach gleb i rzek, higieny jamy ustnej, chorób zakaźnych i infekcji związanych z implantami medycznymi, a także dla zrozumienia biokorozji. Zastosowano paradygmat modelowania agentowego, aby umożliwić zbadanie, w jaki sposób każda pojedyncza bakteria danego gatunku przyczynia się do rozwoju biofilmu. Wstępna ilustracja projektu iDynoMiCS dotyczyła wpływu zmieniającej się w środowisku dostępności tlenu na różnorodność i skład społeczności bakterii denitryfikacyjnych, które indukują szlak denitryfikacji w warunkach beztlenowych lub niskotlenowych . Badanie bada hipotezę, że istnienie różnych strategii denitryfikacji w środowisku można wyjaśnić jedynie zakładając, że szybsza reakcja wiąże się z wyższym kosztem. Model oparty na agentach sugeruje, że jeśli szlaki metaboliczne można zmienić bez kosztów, im szybsza zmiana, tym lepiej. Jednak tam, gdzie szybsze przełączanie wiąże się z wyższymi kosztami, istnieje strategia z optymalnym czasem odpowiedzi dla dowolnej częstotliwości wahań środowiskowych. Sugeruje to, że różne rodzaje strategii denitryfikacyjnych wygrywają w różnych środowiskach biologicznych. Od tego wprowadzenia liczba zastosowań iDynoMiCS stale rośnie: jednym z przykładów jest niedawne badanie inwazji plazmidów w biofilmach. W badaniu tym zbadano hipotezę, że słabe rozprzestrzenianie się plazmidu w biofilmach jest spowodowane zależnością koniugacji od tempa wzrostu czynnika będącego dawcą plazmidu. Poprzez symulację artykuł sugeruje, że inwazja plazmidu na rezydentny biofilm jest ograniczona tylko wtedy, gdy transfer plazmidu zależy od wzrostu. Zastosowano techniki analizy wrażliwości, które sugerują, że parametry związane z czasem (opóźnienie przed transferem plazmidu między czynnikami) i zasięgiem przestrzennym są ważniejsze dla inwazji plazmidu do biofilmu niż tempo wzrostu czynnika otrzymującego lub prawdopodobieństwo utraty segregacji. Dalsze przykłady wykorzystujące iDynoMiCS są nadal publikowane, w tym zastosowanie iDynoMiCS w modelowaniu biofilmu Pseudomonas aeruginosa z substratem glukozowym.

iDynoMiCS został opracowany przez międzynarodowy zespół naukowców w celu zapewnienia wspólnej platformy do dalszego rozwoju wszystkich indywidualnych modeli biofilmów drobnoustrojów i tym podobnych. Model był pierwotnie wynikiem wieloletniej pracy Laurenta Lardona, Briana Merkeya i Jana-Ulricha Krefta, przy współudziale kodu Joao Xaviera. Dzięki dodatkowemu finansowaniu z Narodowego Centrum Zastępowania, Udoskonalania i Redukcji Zwierząt w Badaniach (NC3R) w 2013 r., rozwój iDynoMiCS jako narzędzia do badań biologicznych jest kontynuowany, a w razie potrzeby dodawane są nowe funkcje. Od samego początku zespół zobowiązał się do wydania iDynoMiCS jako platformy open source , zachęcając współpracowników do rozwijania dodatkowych funkcji, które można następnie połączyć w następną stabilną wersję. IDynoMiCS został zaimplementowany w języku programowania Java , a do analizy wyników dostarczono skrypty MATLAB i R. Struktury biofilmu, które powstają w symulacji, można oglądać jako film przy użyciu plików POV-Ray , które są generowane podczas uruchamiania symulacji.

Wzbogacenie komórek macierzystych sutka po napromieniowaniu w okresie dojrzewania

Eksperymenty wykazały, że ekspozycja na promieniowanie jonizujące gruczołów sutkowych w okresie dojrzewania powoduje wzrost liczby komórek macierzystych sutka w gruczole. Jest to ważne, ponieważ uważa się, że komórki macierzyste są kluczowymi celami inicjacji raka przez promieniowanie jonizujące, ponieważ mają największy długoterminowy potencjał proliferacyjny, a zdarzenia mutagenne utrzymują się w wielu komórkach potomnych. Ponadto dane epidemiologiczne pokazują, że dzieci narażone na promieniowanie jonizujące mają znacznie większe ryzyko zachorowania na raka piersi niż dorośli. Eksperymenty te wywołały zatem pytania o mechanizm leżący u podstaw wzrostu komórek macierzystych sutka po napromieniowaniu. W tym artykule badawczym zatytułowanym „Napromienianie młodzieńczych, ale nie dorosłych, gruczołów sutkowych zwiększa samoodnowę komórek macierzystych i guzy z ujemnym receptorem estrogenowym” opracowano dwa modele oparte na środkach, które stosowano równolegle z eksperymentami in vivo i in vitro w celu oceny inaktywacja komórek, odróżnicowanie poprzez przejście nabłonkowo-mezenchymalne (EMT) i samoodnawianie (podział symetryczny) jako mechanizmy, dzięki którym promieniowanie może zwiększyć liczbę komórek macierzystych.

Pierwszy model oparty na agentach to wieloskalowy model rozwoju gruczołu sutkowego, począwszy od szczątkowego przewodu mlecznego na początku dojrzewania (podczas aktywnej proliferacji) aż do pełnego gruczołu sutkowego w wieku dorosłym (kiedy proliferacja jest niewielka). Model składa się z milionów czynników, z których każdy reprezentuje komórkę macierzystą sutka, komórkę progenitorową lub komórkę zróżnicowaną w piersi. Symulacje zostały najpierw przeprowadzone na superkomputerze Lawrence Berkeley National Laboratory Lawrencium, aby sparametryzować i porównać model z różnymi pomiarami gruczołów sutkowych in vivo . Model wykorzystano następnie do przetestowania trzech różnych mechanizmów, aby określić, który z nich prowadził do wyników symulacji najlepiej pasujących do eksperymentów in vivo . Co zaskakujące, inaktywacja komórek wywołana promieniowaniem przez śmierć nie przyczyniła się do zwiększenia częstości komórek macierzystych niezależnie od dawki dostarczonej w modelu. Zamiast tego model wykazał, że połączenie zwiększonej samoodnowy i proliferacji komórek w okresie dojrzewania doprowadziło do wzbogacenia komórek macierzystych. W przeciwieństwie do tego, w modelu wykazano, że przejście nabłonkowo-mezenchymalne zwiększa częstotliwość komórek macierzystych nie tylko w gruczołach sutkowych w okresie dojrzewania, ale także w gruczołach dorosłych. Ta ostatnia prognoza była jednak sprzeczna z danymi in vivo ; napromienianie dorosłych gruczołów sutkowych nie prowadziło do zwiększenia częstości komórek macierzystych. Symulacje te sugerowały zatem samoodnowę jako główny mechanizm wzrostu dojrzewania komórek macierzystych.

W celu dalszej oceny mechanizmu samoodnowy jako mechanizmu, stworzono drugi model oparty na środkach, aby symulować dynamikę wzrostu ludzkich komórek nabłonka sutka (zawierających subpopulacje komórek macierzystych/progenitorowych i zróżnicowanych) in vitro po napromieniowaniu. Porównując wyniki symulacji z danymi z eksperymentów in vitro , drugi model oparty na czynnikach dodatkowo potwierdził, że komórki muszą intensywnie proliferować, aby zaobserwować zależny od samoodnowy wzrost liczby komórek macierzystych/progenitorowych po napromieniowaniu.

Połączenie dwóch modeli opartych na środkach i eksperymentów in vitro / in vivo dostarcza wglądu w to, dlaczego dzieci narażone na promieniowanie jonizujące mają znacznie większe ryzyko zachorowania na raka piersi niż dorośli. Razem wspierają hipotezę, że pierś jest podatna na przejściowy wzrost samoodnowy komórek macierzystych, gdy jest wystawiona na promieniowanie w okresie dojrzewania, co przygotowuje tkankę dorosłą do rozwoju raka kilkadziesiąt lat później.

Zobacz też

Bibliografia