Computational modeling of hormone- and cytokine-dependent proliferation of endometrial cells in 3D co-culture

Los autores desarrollaron modelos computacionales basados en ecuaciones diferenciales ordinarias y parciales, calibrados con datos de co-cultivos 3D de células endometriales humanas, para simular y cuantificar la proliferación celular dependiente de hormonas y citocinas, así como la difusión de moléculas en condiciones fisiológicas y patológicas.

Lo esencial

¡Claro que sí! Imagina que el útero es como un jardín interior que se renueva cada mes. Este jardín tiene dos tipos principales de "plantas": las células epiteliales (que forman los "flores" o glándulas) y las células estromales (que son como la "tierra" o el suelo que las sostiene).

El problema es que este jardín es muy difícil de estudiar en animales (como ratones) porque ellos no tienen un ciclo menstrual igual al nuestro. Además, cuando hay enfermedades como la endometriosis, es como si el jardín se volviera loco: las plantas crecen donde no deben o la tierra se vuelve demasiado densa.

Aquí es donde entran los autores de este estudio. En lugar de solo mirar el jardín con lupa, crearon dos "simuladores de videojuego" digitales para entender cómo funciona este sistema.

1. El Primer Simulador: El "Cerebro" que calcula el crecimiento (Modelo ODE)

Imagina que este modelo es como un contador de población muy inteligente.

• ¿Qué hace? Simula cómo crecen y mueren las células epiteliales y estromales en un experimento de laboratorio donde están mezcladas dentro de una gelatina (un hidrogel) que imita el suelo real.
• Los ingredientes: El modelo toma en cuenta tres cosas principales que afectan al jardín:
  1. Hormonas (Estrógeno y Progesterona): Son como el sol y el agua. A veces hacen crecer las flores, a veces las hacen madurar o incluso las hacen caer (durante la menstruación).
  2. Citoquinas (como la IL-1β): Imagina esto como una alarma de incendio o un mensajero de estrés. Cuando hay inflamación (como en la endometriosis), este mensajero avisa a las células.
  3. La interacción entre vecinos: Lo más interesante es que el modelo descubre que las "flores" y la "tierra" se hablan entre sí. A veces, la tierra ayuda a que las flores crezcan más rápido; otras veces, las flores le dicen a la tierra que se calme.

El hallazgo clave: Los investigadores probaron este simulador con células de tres mujeres diferentes (donantes). ¡Y descubrieron que cada mujer tiene su propio "manual de instrucciones" genético!

• En una mujer, la tierra (células estromales) crece muy rápido sola, pero en otra, las flores (células epiteliales) son las que dominan.
• El modelo pudo predecir cómo reaccionaría el jardín de cada mujer a diferentes hormonas, mostrando que no todas las mujeres responden igual a los mismos tratamientos. Es como si cada jardín tuviera un clima interno único.

2. El Segundo Simulador: El "Mapa del Viento" (Modelo PDE)

Ahora, imagina que estás en un bosque denso y lanzas un perfume (el mensajero IL-1β) desde el borde. ¿Llegará el perfume a todas las partes del bosque por igual?

• ¿Qué hace? Este segundo modelo es un mapa de difusión. Calcula cómo viajan las moléculas (como el perfume o las hormonas) a través de la gelatina donde viven las células.
• El problema: Si el jardín es muy grande y las plantas crecen mucho, podrían "comerse" el perfume antes de que llegue al centro. Esto crearía zonas donde unas plantas reciben mucha hormona y otras muy poca, lo que confundiría los resultados del experimento.
• La sorpresa: El modelo descubrió que, en los experimentos pequeños que usaron (gelatinas de 6 microlitros), el perfume llega a todas partes casi instantáneamente y de forma uniforme. ¡Es como si el viento soplara tan fuerte que no importa dónde estés en el jardín, todos huelen lo mismo!
• La advertencia: Sin embargo, si el jardín fuera mucho más grande (como en otros estudios), el perfume tardaría más en llegar al centro y las células del medio recibirían una dosis diferente a las del borde.

¿Por qué es esto importante? (La analogía final)

Imagina que eres un arquitecto que quiere diseñar un nuevo rascacielos (un tratamiento médico para la endometriosis).

1. El Modelo 1 (Cerebro) te dice: "Oye, no puedes usar el mismo plano para todos los edificios. El edificio de la Sra. A crece de una forma, y el de la Sra. B de otra. Necesitas personalizar los planos".
2. El Modelo 2 (Mapa) te dice: "Y cuidado, si construyes un edificio muy grande y denso, el aire (las medicinas) no llegará bien a las plantas altas. Pero si haces edificios más pequeños y manejables, el aire llegará a todos por igual".

En resumen:
Este estudio creó un laboratorio virtual que nos ayuda a entender que cada mujer tiene un "jardín uterino" único. Nos dice que para curar enfermedades como la endometriosis, necesitamos tratamientos personalizados y que, al hacer experimentos en laboratorio, el tamaño del recipiente importa mucho para asegurar que todos los ingredientes lleguen a todos lados.

Es como pasar de adivinar cómo crece una planta a tener un GPS y un manual de instrucciones personalizado para cada jardín, asegurando que podamos cuidarlos mejor.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Modelado computacional de la proliferación de células endometriales dependiente de hormonas y citoquinas en co-cultivos 3D

1. El Problema

El estudio de la endometriosis, la adenomiosis y otros trastornos menstruales es complejo debido a la naturaleza cíclica del endometrio humano, que depende de interacciones intrincadas entre múltiples tipos celulares (epiteliales, estromales, vasculares, inmunitarias) y señales moleculares (hormonas y citoquinas).

• Limitaciones actuales: Los modelos animales no replican adecuadamente el ciclo menstrual humano (que implica desprendimiento y regeneración). Las líneas celulares inmortalizadas no capturan la variabilidad de los pacientes ni la fisiología de las células primarias.
• Desafío experimental: Los modelos in vitro de co-cultivo 3D (organoides epiteliales y células estromales en hidrogeles) ofrecen un sistema más realista, pero generan datos que son difíciles de interpretar cuantitativamente. Existe incertidumbre sobre cómo las células interactúan, cómo responden a diferentes fases del ciclo (proliferativa, secretora, menstruación) y si la difusión de moléculas señalizadoras (como la IL-1β) es homogénea en el hidrogel o si se forman gradientes espaciales que alteran los resultados.

2. Metodología

Los autores desarrollaron un enfoque de modelado computacional híbrido basado en dos componentes principales, calibrado con datos experimentales de un estudio previo (Gnecco et al., 2023) que utilizó células primarias de tres donantes humanos diferentes.

• Modelo de Ecuaciones Diferenciales Ordinarias (ODE):

  • Objetivo: Simular la densidad de células epiteliales (organoides endometriales, EEOs) y estromales (ESCs) a lo largo del tiempo.
  • Ecuaciones: Se utilizaron dos ODEs acopladas que describen la tasa de cambio de la densidad celular como una función de la proliferación (limitada por la densidad celular mediante funciones tipo Hill) y la muerte celular.
  • Variables de entrada: El modelo incorpora efectos de perturbantes específicos: estradiol (E2), progestina (MPA), inhibidor de receptores de progesterona (RU-486) y la citoquina proinflamatoria IL-1β.
  • Interacción celular: Se incluyeron términos para modelar la estimulación o inhibición mutua entre epitelio y estroma en co-cultivo.
  • Calibración: Se utilizó un solver de mínimos cuadrados no lineales (lsqnonlin en Matlab) para optimizar los parámetros del modelo (tasas de proliferación base, constantes de inhibición, factores de efecto de perturbantes) minimizando el error entre las simulaciones y los datos experimentales (diámetro de organoides y densidad estromal relativa).

• Modelo de Ecuaciones Diferenciales Parciales (PDE):

  • Objetivo: Evaluar la formación de gradientes espaciales de la molécula IL-1β dentro del hidrogel 3D.
  • Mecanismo: Se modeló la difusión-reacción de la IL-1β utilizando la segunda ley de Fick, acoplada con un término de consumo celular basado en la internalización de receptores.
  • Entradas: Las densidades celulares predichas por el modelo ODE se utilizaron como entradas dinámicas para el modelo PDE.
  • Análisis: Se simuló la distribución de la IL-1β en geles de diferentes tamaños (6 µL vs. 50 µL post-hinchamiento) para determinar si la proliferación celular genera heterogeneidad en la exposición a la citoquina.

3. Contribuciones Clave

1. Modelo Mecanístico Multi-Donante: Se creó el primer modelo computacional basado en mecanismos que cuantifica las interacciones específicas entre células epiteliales y estromales primarias humanas en un entorno 3D, capaz de capturar la variabilidad inter-individual (diferencias entre donantes).
2. Integración ODE-PDE: Se conectó exitosamente un modelo de dinámica de poblaciones celulares (ODE) con un modelo de transporte de masa (PDE) para evaluar la validez de los diseños experimentales 3D, específicamente la homogeneidad de la exposición a fármacos/citoquinas.
3. Cuantificación de la Variabilidad: Se demostró que las tasas de proliferación, muerte y las interacciones celulares varían significativamente entre donantes, lo que sugiere que los modelos "promedio" pueden ocultar mecanismos biológicos importantes.
4. Validación de Diseños Experimentales: Se proporcionó una evaluación cuantitativa sobre el tamaño óptimo de los hidrogeles para evitar gradientes de concentración que podrían sesgar los resultados biológicos.

4. Resultados Principales

• Dinámica Celular:
  • Las células epiteliales mostraron tasas de proliferación base y muerte base más altas que las células estromales, resultando en una mayor densidad neta y tamaño de organoides en monocultivo.
  • Efecto de los Donantes: La respuesta a las hormonas y citoquinas fue altamente dependiente del donante. Por ejemplo, la progestina inhibió el crecimiento epitelial en algunos donantes pero no en otros.
  • Crosstalk Epitelio-Estroma: El modelo reveló que la presencia de estroma modula fuertemente la respuesta epitelial. En co-cultivo, la IL-1β aumentó el crecimiento epitelial en todos los donantes, un efecto que el modelo atribuyó a la reducción de la inhibición estromal sobre el epitelio (la IL-1β reduce la densidad estromal, liberando al epitelio de la inhibición).
• Distribución de Moléculas (PDE):
  • En hidrogeles pequeños (6 µL post-hinchamiento, radio ~0.14 cm), la IL-1β se satura en todo el gel en menos de 5 horas, incluso con alta proliferación celular. Esto indica que la exposición es homogénea y los gradientes son insignificantes en este tamaño.
  • En hidrogeles más grandes (50 µL, radio ~0.29 cm), se observaron gradientes significativos y tiempos de saturación más largos (hasta 24 horas).
  • Conclusión de diseño: Para estudios de señalización a largo plazo con células proliferantes, se recomiendan hidrogeles pequeños (<50 µL) para asegurar una exposición uniforme a las moléculas señalizadoras.

5. Significado e Impacto

• Avance en Modelado de Enfermedades Ginecológicas: Este trabajo proporciona una herramienta robusta para estudiar la fisiopatología de la endometriosis y la adenomiosis, permitiendo simular cómo las variaciones genéticas o patológicas de los pacientes afectan la dinámica tisular.
• Optimización de Ensayos In Vitro: La validación mediante el modelo PDE ofrece una guía práctica para los investigadores: el tamaño del hidrogel es un parámetro crítico que debe controlarse para evitar artefactos experimentales causados por gradientes de difusión.
• Desarrollo de Terapias: Al cuantificar la variabilidad inter-individual y las interacciones celulares, estos modelos pueden ayudar a diseñar terapias personalizadas y a entender por qué ciertos tratamientos hormonales o inmunomoduladores (como antagonistas de IL-1) funcionan en algunos pacientes y no en otros.
• Marco para Futuras Investigaciones: El enfoque demuestra que es posible integrar datos experimentales complejos de co-cultivos 3D en modelos matemáticos predictivos, sentando las bases para estudios con un número mayor de donantes y condiciones patológicas más diversas.