利用拓扑学，新研究提出了对细胞如何自我组织的新理解

布朗大学的研究人员创建了一种机器学习算法，使用计算拓扑来描述胚胎的形状和空间模式，以研究这些细胞如何将自己组织成类似组织的结构。在一项新的研究中，他们将该系统提升到了一个新的水平，为研究多种类型的细胞如何组装自己开辟了一条道路。

　　

事实上，人类和其他生物能够从一个单细胞发育和生长依赖于一个被称为胚胎发育的过程。为了形成健康的组织，胚胎中的细胞必须在正确的时间、正确的位置以正确的方式组织起来。如果这个过程不顺利，就会导致出生缺陷、组织再生受损或癌症。所有这些都使得理解不同类型的细胞如何组织成复杂的组织结构成为发育生物学中最基本的问题之一。

虽然研究人员距离完全理解这一过程还有一段距离，但布朗大学的一组科学家在过去的几年里一直在帮助这一领域向前迈进。他们的秘密吗?拓扑学是数学的一个分支。

布朗大学的研究团队由生物医学工程师和应用数学家组成，他们使用计算拓扑创建了一种机器学习算法，该算法可以描述胚胎的形状和空间模式，以研究这些细胞如何将自己组织成类似组织的结构。在一项新的研究中，他们将该系统提升到了一个新的水平，为研究多种类型的细胞如何组装自己开辟了一条道路。

这项工作在npj系统生物学和应用中进行了描述。

“在组织中，一个细胞附着在相同细胞类型上的方式，可能与它附着在不同细胞类型上的方式有所不同，”参与开发该算法的布朗大学工程学院(Brown’s School of Engineering)副教授伊恩·y·黄(Ian Y. Wong)说。“有一个有趣的问题是，这些细胞如何确切地知道在给定组织中的最终位置，这些组织通常在空间上划分为不同的区域。”

例如，在动物胚胎中，细胞的外层形成皮肤，中间层形成肌肉和骨骼，而最内层形成肝脏或肺。每一层内的细胞会优先相互粘附，与其他层的细胞分开，这些细胞继续形成身体的其他部位。

在20世纪70年代，科学家们发现青蛙胚胎中的细胞可以轻轻分开，当它们混合在一起时，它们会自发地重新排列成它们最初的组织。这是因为细胞彼此之间具有不同的亲和力，并且当它们组装和聚集时，某些连接和环的拓扑模式被保留下来。

“在组织的这些空间排列的背景下，你可以从那里学到很多东西，同时也可以从那里学到很多东西，”最近从布朗大学获得博士学位的达纳杰·巴斯卡尔(Dhananjay Bhaskar)说，他领导了这项工作，现在是耶鲁大学的博士后研究员。

布朗大学的研究人员在2021年展示了他们的方法如何描绘一种细胞类型的拓扑特征，这种细胞类型组织成不同的空间结构，并可以对其进行预测。

原来的系统的问题是，它是一个缓慢和劳动密集型的过程。该算法煞费苦心地将这些拓扑特征逐一与其他单元位置组中的拓扑特征进行比较，以确定它们在拓扑上的不同或相似程度。这个过程花了几个小时，从本质上说，这阻碍了算法在理解细胞如何自我组装方面的全部潜力，也阻碍了它能够轻松准确地比较条件变化时发生的情况——这是分解事情出错时发生的情况的关键。

在这项新研究中，研究小组开始用所谓的“持久性图像”来解决这一限制。这些图像是一种标准化的类似图片的格式，用于表示拓扑特征，从而可以在细胞位置的大型数据集之间进行快速比较。

然后，他们用这些图像来训练其他算法，生成“数字指纹”，捕捉数据的关键拓扑特征。这将计算时间从几个小时缩短到几秒钟，使研究人员能够在没有人工输入的情况下，通过使用指纹将它们分类为相似的模式，来比较数千种细胞组织的模拟。

研究人员表示，他们的目标是逆向工作，并推断出描述不同细胞类型如何根据最终模式排列自己的规则。例如，如果他们对某些细胞的粘附性进行调整，研究人员就能确定组织结构发生戏剧性变化的方式和时间。

这种方法有可能应用于了解当发育过程偏离轨道时会发生什么，并用于实验室实验，测试不同药物如何改变细胞迁移和粘附。

“如果你能看到某种模式，我们就可以用我们的算法来解释为什么这种模式会出现，”巴斯卡尔说。“在某种程度上，它告诉我们细胞自我组装的游戏规则。”

布朗大学的其他作者包括威廉·y·张(William Y. Zhang)，他于2022年获得计算机科学学士学位;2017年从布朗大学获得博士学位，现为普渡大学数学助理教授的亚历山大·沃尔肯宁;以及布朗大学应用数学教授比约恩·桑德斯泰德。

这项研究得到了布朗大学数据科学研究所、美国国家普通医学科学研究所和美国国家科学基金会的支持。这项研究是利用布朗计算与可视化中心的计算资源和服务进行的。