利用多纤维束成像技术对脑内神经干细胞迁移进行数学建模

《Mathematical Biosciences》:Mathematical Modeling of Neural Stem Cell Migration within Brain using Multi-Fiber Tractography

【字体: 大 中 小 】 时间:2026年04月25日 来源:Mathematical Biosciences 1.8

编辑推荐:

  神经干细胞迁移模型基于广义q采样成像技术,较传统扩散张量成像更准确模拟小鼠脑内干细胞迁移路径,揭示注射位置对细胞分布的影响,提出需整合化学趋性及血流因素优化模型。

  
奥斯汀·汉森(Austin Hansen)|拉塞尔·罗克内(Russell Rockne)|维克拉姆·阿迪卡拉(Vikram Adhikarla)|玛格丽塔·古托娃(Margarita Gutova)|海瑞姆·乔(Heyrim Cho)
美国加利福尼亚大学河滨分校数学系,地址:900 University Ave., Riverside, 92521, CA, USA

摘要

本文开发了一个基于代理的模型来模拟治疗性神经干细胞(NSC)的迁移行为,并用该模型预测了NSC在未成熟小鼠大脑中的迁移路径。该模型采用了广义q采样成像技术,能够清晰地显示大脑中交叉的白质纤维,与扩散张量成像相比,该技术能更好地解释NSC迁移模式的变化。通过将模型校准到实验数据,我们证明了该模型能够再现小鼠大脑中NSC的空间分布。此外,我们还发现NSC在小鼠大脑中的空间分布受到注射位置的影响。NSC持续聚集在嗅球区域,这与包括前向迁移路径在内的发育过程一致,这表明未来关于未成熟大脑中NSC迁移的模型可能需要考虑其他因素,如趋化作用或血流,以解释NSC迁移路径的差异。这些结果突显了该模型在预测哪些注射位置能够实现NSC向目标位置的最佳分布方面的有效性。

引言

神经系统疾病涵盖了一系列不同的病症,据估计是导致疾病负担的主要因素之一[1]。尽管这些疾病很常见,但目前许多治疗方法(包括阿尔茨海默病、帕金森病、亨廷顿病、多发性硬化症、胶质母细胞瘤和创伤性脑损伤)仅能缓解症状,而无法解决根本原因。因此,神经干细胞(NSC)疗法成为了一个有前景的方向[2]。与其他许多治疗方法不同,神经干细胞能够通过多种机制发挥作用,从细胞替代到免疫调节,并且还可以被设计成将治疗剂输送到损伤部位[3]、[4]、[5]、[6]、[7]、[8]。由于这些疗法的广泛益处,已经完成了许多临床试验或正在进行中,以测试其安全性和有效性[9]、[10]、[11]、[12]、[13]、[14]、[15]、[16]。在某些情况下,自体造血干细胞移植已成为治疗多发性硬化症患者的常规方法[17]、[18]。
然而,在将NSC疗法临床应用的过程中,必须解决的一个关键问题是优化输送策略,以确保足够数量的活性细胞能够到达目标部位。由于体内实验成本高昂且耗时较长,数学建模可以提供一个平台来测试输送策略,并为实验设计和临床建议提供依据。因此,数学建模在理解神经系统疾病以及肿瘤生长(特别是癌细胞迁移和侵袭[19]、[20]、[21]、[22]、[23])方面发挥了重要作用。关于各种建模技术的综述,请参考相关文献[24]、[25]、[26]、[27]、[28]。在[29]中,使用偏微分模型研究了神经嵴细胞(NCCs)在肠道中的迁移行为,发现前沿少量细胞的增殖是它们迁移的主要驱动力。其他连续性方法试图通过积分-偏微分方程来包含细胞间接触抑制或吸引等非局部相互作用[30]。尽管取得了这些进展,连续性模型往往无法捕捉到更详细的细胞特性。因此,人们采用了基于个体和混合模型的方法[31]、[32]。在[31]中,基于代理的模型证实,NCCs的有效迁移依赖于两种不同表型的存在:少数细胞作为领导细胞,其余细胞则跟随其迁移。在[32]中,随机行走方法的使用使作者能够考虑Rac1酶对神经嵴细胞运动的影响,同时仍能得到NCC迁移的连续近似值。尽管有大量关于NCCs的研究,但针对治疗性神经干细胞迁移的模型却很少。
在现有的癌症治疗中神经干细胞迁移模型中,大多数都是基于组织各向异性的[14]、[33]。部分原因在于许多细胞(包括NSC)倾向于沿着白质束移动。尽管这种行为的确切机制尚不清楚,但许多研究已经开始将组织结构视为细胞迁移的一个驱动力。例如,考虑组织各向异性以及扩散和增殖效应的胶质细胞计算模型,比那些忽略组织各向异性的模型更能准确反映胶质瘤的几何形态[34]。此外,研究表明NSC簇会沿着白质纤维的方向排列[14]。然而,这些模型依赖于扩散张量成像(DTI),而DTI存在一些局限性,例如无法分辨单个体素内多条交叉纤维。具体来说,分数各向异性(FA)无法准确捕捉交叉纤维处的特定微观结构,也不敏感于由损伤或疾病引起的白质变化,而这些变化在胶质瘤和创伤性脑损伤等病理情况下可能非常关键。
例如,众所周知,轴突扩散率和径向扩散率(均来自DTI)常用于测量轴突和髓鞘的损伤。然而,这些指标可能会受到肿胀和水肿的影响,而更先进的成像技术(如q空间成像)则不受这些因素的影响[35]。一项研究表明,对于轻度创伤性脑损伤,DTI在检测轴突体积变化方面的敏感性不如q空间分析[36]。关于不同成像技术的优缺点,请参见[35]。尽管DTI存在这些局限性,广义Q球成像(GQI)已被证明能够准确捕捉单个体素内的多条交叉纤维,并且比DTI产生更少的伪影(如数据缺失或不完整[37]。此外,在一项针对18名胶质瘤患者的研究中,发现Q球成像(QBI)能更好地捕捉纤维体积、密度和长度等指标[38]。GQI还被建议用于低级别胶质瘤患者的术前规划,有助于区分胶质瘤浸润或置换某些白质束的区域[39]。
因此,为了使NSC迁移模型在临床应用中具有足够的预测能力,使用更可靠的成像技术是一个关键步骤。为了解决这些限制,我们在[14]、[33]的基础上进行了改进:首先通过使用GQI重建创建了一个能够捕捉交叉纤维的概率模型[37]、[40]、[41]、[42];其次,我们修改了模型,使每个细胞的运动成为基于组织各向异性的定向运动和随机运动的连续叠加。第2节概述了模型方程和参数,第3节解释了模型校准所使用的实验数据,第4节展示了参数研究的结果以及校准和验证过程。最后,在第5节中,我们讨论了模型的某些局限性及未来研究方向。

模型片段

神经干细胞迁移的数学模型

我们假设在没有化学信号的情况下,组织结构是神经干细胞迁移的主要驱动力。由于白质束高度有序,而灰质结构较为松散,因此在给定时间点,神经干细胞的方向将是沿白质束的定向运动和随机运动的组合,其相对比例取决于各向异性的程度[43]。因此,神经干细胞位置的方程为:

实验数据

为了校准模型,我们使用了先前发表的研究结果中的时间序列数据,这些数据研究了NSC在未成熟小鼠大脑中的迁移情况[14]。这些NSC来源于异体人类NSC,并经过基因改造以表达人类L-myc基因(LMNSC01)[2]。这些NSC能够在脑组织的引导下高效迁移,并具有潜在的治疗潜力,因为它们还会自然迁移到中枢神经系统的目标位置。

单纤维迁移模型与多纤维迁移模型的比较

我们首先使用DTI和基于GQI的概率多纤维迁移模型来说明两者之间的差异。对于单纤维迁移模型,运动方程与方程(1)相同,不同之处在于Mev被设置为DTI解析出的单一方向;而对于多纤维模型,QA1=FAQA2, QA3=0。其中FA是从扩散张量的特征值计算得出的分数各向异性。为了准确区分多纤维添加带来的影响,我们排除了其他因素。

讨论

在本文中,我们提出了一个基于代理的概率模型,用于模拟未成熟小鼠大脑中神经干细胞的迁移行为,该模型考虑了多条交叉的白质纤维。通过高分辨率GQI重建,我们能够更准确地模拟NSC在脑内次级和三级纤维中的迁移。我们通过模拟100个NSC在密集纤维交叉区域的迁移来验证这一能力,发现这些细胞能够更好地穿过这些交叉纤维。

未引用的参考文献

图2和表1。

CRediT作者贡献声明

奥斯汀·汉森(Austin Hansen):撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、软件开发、方法论、研究设计、概念化。拉塞尔·罗克内(Russell Rockne):撰写 – 审稿与编辑、监督、研究指导、资金获取、概念化。维克拉姆·阿迪卡拉(Vikram Adhikarla):撰写 – 审稿与编辑、软件开发、概念化。玛格丽塔·古托娃(Margarita Gutova):撰写 – 审稿与编辑、监督、资金获取、数据管理、概念化。海瑞姆·乔(Heyrim Cho):撰写 – 审稿

利益冲突声明

作者声明以下可能构成潜在利益冲突的财务利益和个人关系:
R.R.、V.A.、M.G.表示得到了美国国立卫生研究院(NIH)下属的国家癌症研究所(National Cancer Institute)的资助,资助编号分别为P30CA033572及其发展性癌症治疗项目(Developmental Cancer Therapeutics program)和R03 NS106629-01A1 NIH-NCI。M.G.还得到了Albert & Bettie Sacchi基金会的资助。如果有其他作者,他们也进行了相应的声明。

致谢

H.C.得到了Simons基金会(SFARI 964368, HC)的支持。M.G.得到了美国国立卫生研究院(NIH)的资助,资助编号包括P30CA033572及其发展性癌症治疗项目(Developmental Cancer Therapeutics program)、R01NS121037、R03 NS106629,以及Albert & Bettie Sacchi基金会的支持。感谢杜克大学CIVM的James J. Cook提供的技术协助。计算工作使用了加利福尼亚大学河滨分校(University of California Riverside)的HPCC计算机集群和数据存储资源。
相关新闻
生物通微信公众号
微信
新浪微博

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