细胞分化的表观势能景观分解理论和方法

【字体: 时间:2022年06月22日 来源:中国科学院生物化学与细胞生物学研究所

编辑推荐:

     6月17日,国际学术期刊National Science Review在线发表了中国科学院分子细胞科学卓越创新中心陈洛南研究组与北京大学数学院李铁军教授、东京大学Aihara教授团队合作的最新研究成果 “Energy landscape decomposition for cell differentiation with proliferation effect” ,提出了“细胞分化的势能景观分解理论和全新方法”:始于基因、成于调控、终于类型

  

  6月17日,国际学术期刊National Science Review在线发表了中国科学院分子细胞科学卓越创新中心陈洛南研究组与北京大学数学院李铁军教授、东京大学Aihara教授团队合作的最新研究成果 “Energy landscape decomposition for cell differentiation with proliferation effect” ,提出了“细胞分化的势能景观分解理论和全新方法”:始于基因、成于调控、终于类型。细胞分化过程形成了形态、结构、功能各异的细胞类型,并造就了生物圈中丰富多彩的多细胞生物群体。如何根据基因调控网络 (Gene Regulatory Network, GRN)推断细胞分化过程?最近在线发表于《国家科学评论》 (National Science Review, NSR)的研究工作利用动力学分析工具和数值计算手段,给出了一种直观展现分化过程中细胞类型和细胞干性的方法。

  一般来说,GRN中的基因调控关系是高度复杂的非线性系统,而势能景观理论可以有效地将其近似为较为直观的梯度系统。文章在考虑细胞生灭速率的情况下,提出了势能景观的分解理论。该理论表明,考虑生灭项的情况下系统可以分解为两个势能项和一个非梯度项。其中细胞类型势能景观 U(x) 使用不同的亚稳态代表了不同的细胞类型;多潜能性势能景观 V(x) 的数值大小体现了相应状态细胞的干性,并由负梯度方向揭示了细胞分化的总体方向(图1)。

  此外,针对低维模型和高维模型的不同特点,文章提出了对应的势能景观分解算法。低维模型使用了流线扩散法 (stream-line diffusion method),而高维模型需要对加权轨道进行平均场近似 (mean-field approximation)。理论和相应算法在对流扩散过程、两基因调控网络、T 细胞分化过程(图2)等系统中进行了实例验证和应用。这套理论将为细胞分化过程及各种复杂生物过程的建模、势能景观理论的发展、以及同类型的动力学系统分析,提供有效的数学工具和计算方法,并具有广泛的拓展和应用前景。

  分子细胞卓越中心陈洛南研究员、北京大学数学科学学院李铁军教授和东京大学合原一幸教授为论文共同通讯作者,复旦大学及东京大学史际帆博士为论文第一作者。该研究得到了中国科学院先导专项(B类)、国家重点研发计划和国家自然科学基金的经费支持。

  文章链接:https://doi.org/10.1093/nsr/nwac116

 

 

图 1: 根据基因调控网络(GRN)和细胞生灭率R进行势能景观分解,构造细胞类型势能景观U(x) 和细胞多潜能性势能景观 V(x)。 

图 2: T细胞分化过程的势能景观分解。(A) T细胞分化过程中的基因调控网络。(B) 降维到2维下的细胞类型势能景观 U,由上至下四个势阱依次为 ETP/DN1, DN2a, DN2b, DN3 四种细胞状态。(C) 降维到2维下的多潜能性势能景观 V,数值代表了不同状态下的细胞干性,也揭示了细胞由上而下的分化方向。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号