Contextual Cellular Growth (ConCeG) of neural cells for realistic grey matter tissue generation for diffusion MRI simulations

Resumen Técnico: Crecimiento Celular Contextual (ConCeG) para la Simulación de la Sustancia Gris

Planteamiento del Problema
La interpretación precisa de las señales de la resonancia magnética de difusión (dMRI) en la sustancia gris (SG) se ve obstaculizada por el entorno celular complejo, heterogéneo y densamente empaquetado de este tejido. Aunque los fantomas numéricos son esenciales para validar modelos biofísicos y comprender la relación entre la microestructura y las señales de difusión, los enfoques existentes a menudo carecen del realismo morfológico y la organización multicelular necesarios para representar fielmente la SG. Los métodos anteriores suelen depender de geometías simplificadas (por ejemplo, cilindros paralelos) adecuadas para la sustancia blanca pero insuficientes para la SG, o utilizan reconstrucciones de microscopía electrónica (EM) a pequeña escala que no pueden "ajustarse" fácilmente para sondear características microestructurales específicas. Existe una necesidad crítica de un marco capaz de generar sustratos de SG multicelulares, densos y a gran escala que sean tanto biológicamente fundamentados como totalmente ajustables para simulaciones de difusión de Monte Carlo.

Metodología: Marco de Trabajo ConCeG
Los autores presentan el Crecimiento Celular Contextual (ConCeG), un marco generativo diseñado para crear células individuales o sustratos de SG tridimensionales, densos y multicelulares. El proceso consta de cuatro etapas principales:

1. Caracterización Morfológica:

   • Las reconstrucciones neuronales y gliales reales se obtienen de repositorios abiertos (NeuroMorpho.org, Allen Brain Atlas).
   • Se extraen parámetros estructurales (orden de ramificación, ángulos, diámetros, tamaño del soma) y propiedades topológicas.
   • Se computan Códigos de Persistencia Topológica (Topological Persistence Barcodes) para cada tipo de célula con el fin de representar la estructura de ramificación.
   • Puntos Atractores: Los puntos terminales de las dendritas reales se proyectan sobre una esfera unitaria para definir distribuciones direccionales, que sirven como "puntos atractores" que guían el crecimiento sintético, imitando los gradientes químicos.

2. Inicialización de la Red:

   • Las posiciones de los somas se colocan dentro de un dominio 3D basado en distribuciones de densidad y composiciones de tipos celulares definidas por el usuario.
   • Se puebla una red de crecimiento con restricciones espaciales mediante nodos distribuidos aleatoriamente que representan ubicaciones de crecimiento permitidas.
   • Los nodos se conectan mediante triangulación de Delaunay en 3D, definiendo pasos de crecimiento permitidos.
   • Se implementan Condiciones de Contorno Periódicas para permitir que las ramas salgan de un lado del vóxel y reingresen por el lado opuesto, preservando la extensión morfológica completa y permitiendo el teselado para simulaciones más grandes.

3. Crecimiento Sintético:

   • Las proyecciones celulares crecen iterativamente a través de la red utilizando funciones de costo informadas biológicamente.
   • Funciones de Costo: La dirección de crecimiento se determina mediante una combinación de quimioatracción (moviéndose hacia un punto atractor) y colapso de la arborescencia (evitando estructuras existentes y adhiriéndose a restricciones de radio local).
   • Ramificación: La iniciación y terminación de las bifurcaciones se rigen por los códigos de persistencia topológica. A medida que una proyección crece, se evalúa la probabilidad de bifurcación basándose en la longitud de la trayectoria relativa a los intervalos del código de persistencia.
   • Colapso de la Fibra: Si una proyección queda atrapada, puede retroceder y volver a crecer; el atrapamiento repetido termina la proyección.

4. Optimización y Mallado:

   • Optimización Global: Un paso post-crecimiento vuelve a muestrear los esqueletos celulares como esferas superpuestas. Se aplican fuerzas repulsivas y atractivas para resolver colisiones y aumentar la densidad de empaquetamiento mientras se preserva la separación relativa entre células.
   • Generación de Malla: Los esqueletos celulares (formato SWC) se convierten en mallas de superficie 3D herméticas mediante un procedimiento basado en metaballs en Blender. Los elementos cercanos de otras células se asignan campos negativos para forzar la no intersección.

Contribuciones Clave

• Un Generador de Fantomas de SG Dedicado: ConCeG es el primer marco diseñado específicamente para generar sustratos de SG densos, heterogéneos y multicelulares que capturan la complejidad total de la morfología celular y la organización del tejido, incluyendo el espacio extracelular.
• Mecanismo de Crecimiento Contextual: El método combina la síntesis de neuronas topológica con una red de crecimiento con restricciones espaciales, lo que permite la generación controlada de entornos heterogéneos con compartimentos intra y extracelulares realistas.
• Escalabilidad y Ajustabilidad: El marco permite la generación de columnas corticales con mezclas de tipos celulares arbitrarias y densidades específicas de capa, permitiendo a los investigadores "ajustar" parámetros microestructurales (por ejemplo, densidad celular, composición) manteniendo la realidad biológica.
• Compatibilidad: La salida es totalmente compatible con simuladores de difusión de Monte Carlo (por ejemplo, DiSimPy), lo que permite la simulación directa de señales de dMRI.

Resultados y Validación
El marco fue validado generando una columna cortical sintética (100 × 100 × 1200 µm) que contiene células piramidales, células en cesta (basket cells) y astrocitos, y comparándola con reconstrucciones biológicas y datos de EM:

• Acuerdo Estructural: Las células sintéticas mostraron una fuerte concordancia con los datos reales en las distribidades de orden de rama, longitud de rama, ángulos de rama y tortuosidad para las células piramidales y en cesta. La tortuosidad de los astrocitos mostró una distribución más amplia pero se mantuvo comparable.
• Espectro de Potencia Intracelular: Tanto las ramas reales como las sintéticas exhibieron una meseta en el espectro de potencia en frecuencias espaciales bajas, lo que indica que las arborescencias sintéticas reproducen el desorden de corto alcance y las correlaciones espaciales observadas en el tejido biológico. Esto sugiere dinámicas de difusión intracelular de largo plazo similares.
• Escalamiento de Composición: El volumen del componente celular más grande siguió una relación de ley de potencia con la escala de longitud de muestreo, arrojando una dimensión fractal de aproximadamente 1.5, lo cual coincide estrechamente con el ~1.6 reportado en tejido real.
• Espacio Extracelular: Las distribuciones de tamaño de poro mostraron una concordancia cercana en sus valores medios, aunque ConCeG exhibió una cola de poros más grandes no presentes en los datos de EM. La tortuosidad media fue similar, aunque ligeramente menor en ConCeG, lo que sugiere vías de transporte ligeramente más directas.
• Simulaciones de Difusión: Las simulaciones de Monte Carlo demostraron que los sustratos generados producen señales ponderadas por difusión que varían según la composición del tejido (por ejemplo, la capa 4 mostró una mayor atenuación de la señal debido a una mayor fracción de volumen de soma). Los resultados confirmaron que los sustratos sintéticos capturan las características estructurales que influyen en las mediciones de dMRI.

Significancia y Reivindicaciones
El artículo afirma que ConCeG proporciona un marco biológicamente fundamentado para generar sustratos de materia gris adecuados para simulaciones de difusión por RM a gran escala. Al unir la morfología celular y la arquitectura a escala de tejido, aborda una brecha de larga data en el campo al permitir la creación de fantomas de SG multicelulares realistas con composición controlable.

Los autores enfatizan que, si bien el marco captura con éxito las características estructurales y estadísticas clave en múltiples escalas, actualmente es una representación de esqueletos celulares seleccionados de la materia gris. Todavía no incluye explícitamente espinas dendríticas, botones sinápticos o vasculatura. La importancia radica en su capacidad para perturbar sistemáticamente la densidad, la morfología y el empaquetamiento celular para probar hipótesis sobre cómo alteraciones microestructurales específicas (por ejemplo, pérdida neuronal, gliosis) pueden sesgar los biomarcadores de dMRI. Los autores señalan que la validación futura debería comparar las señales derivadas de ConCeG contra firmas de dMRI conocidas in vivo y ex vivo para confirmar aún más el realismo de las señales ponderadas por difusión.