Multicellular simulations with shape and volume constraints using optimal transport

Résumé Technique : Simulations Multicellulaires avec Contraintes de Forme et de Volume Utilisant le Transport Optimal

Énoncé du Problème
Les systèmes vivants, allant des composants intracellulaires aux tissus macroscopiques et aux colonies bactériennes, présentent des dynamiques complexes pilotées par l'exclusion de volume, les interactions de forme et la déformabilité. Comprendre comment ces contraintes conduisent à une auto-organisation macroscopique constitue un défi fondamental en biologie du développement et en biophysique. Les modèles computationnels existants font face à un compromis entre précision physique, coût numérique et tractabilité mathématique. Les approches courantes incluent :

• Systèmes de particules ponctuelles : Mathématiquement simples mais manquant souvent d'une représentation réaliste de la forme.
• Modèles de champ de phase et de niveau : Capables de représenter des formes arbitraires mais pouvant être coûteux en calcul et difficiles pour les interactions de contact.
• Automates cellulaires et modèles de réseau : Discrétisent l'espace en voxels, limitant potentiellement la flexibilité géométrique.
• Modèles de Voronoï et de sommets : Efficaces pour les structures de type tissu mais reposant souvent sur des contraintes souples pour le volume ou manquant de contrôle sur des déformations de forme spécifiques.

Un écart significatif existe dans la modélisation de systèmes avec des contraintes de volume strictes, des formes dynamiques arbitraires et des nombre élevés de particules (de dizaines à dizaines de milliers) au sein d'un cadre unifié supportant à la fois la déformabilité individuelle et les interactions collectives.

Méthodologie
Les auteurs introduisent un cadre de simulation mésoscopique fondé sur la théorie du transport optimal, utilisant spécifiquement les tessellations de Laguerre.

1. Modèle Statique (Tessellation de Laguerre) :
   L'espace occupé par chaque particule $i$ est modélisé comme une cellule de Laguerre $L_i$, définie comme l'ensemble des points $x$ satisfaisant :
   $$L_i = \{x \in \Omega, c(x, x_i) - w_i \leq c(x, x_j) - w_j \text{ pour tout } j\}$$
   Ici, $x_i$ est la position de la particule, $v_i$ son volume cible, et $c(x, x_i)$ une fonction de coût codant les propriétés de forme et de déformabilité de la particule. Les poids $w_i$ (potentiels de Kantorovich) sont déterminés de manière unique pour satisfaire la contrainte de volume stricte $|L_i| = v_i$.

   • Cette formulation généralise les diagrammes de Voronoï (où $w_i=0$ et $c$ est la distance euclidienne) pour permettre des frontières courbes et des formes non sphériques en choisissant des fonctions de coût arbitraires (par exemple, coûts en puissance, coûts anisotropes).
   • L'espace vide est modélisé comme une particule supplémentaire avec un coût nul.

2. Modèle Dynamique :
   L'évolution des positions des particules $x_i$ suit une équation de descente de gradient du premier ordre :
   $$\dot{x}_i = -\tau_i \nabla_{x_i} T_c + F_i^{\text{point}} + F_i^{\text{surf}} + \dot{\xi}_i$$

   • Force d'Incompressibilité : Le terme $-\nabla_{x_i} T_c$ agit comme une force répulsive dérivée du coût de transport total $T_c$. Il assure que les particules ne se chevauchent pas et impose naturellement les contraintes de volume. Contrairement aux forces par paire, cette force dépend de la géométrie globale de toutes les surfaces de contact.
   • Forces Extérieures/Interactions ($F^{\text{point}}$) : Inclut l'auto-propulsion, la gravité ou l'attraction, similaire aux modèles de particules ponctuelles.
   • Forces de Surface ($F^{\text{surf}}$) : Modélise les effets de pression et de tension de surface le long des interfaces, permettant des phénomènes tels que le tri cellulaire et l'adhésion.
   • Dynamique de Forme : Les formes peuvent évoluer via des coûts paramétrés (par exemple, ellipsoïdes définis par des matrices de covariance) ou des fonctions potentielles de niveau réagissant à des champs externes (par exemple, chimiotaxie).

3. Implémentation Numérique :

   • Le problème est résolu comme un problème de transport optimal semi-discret sur une grille discrète (voxels).
   • Les auteurs emploient une stratégie multi-échelle de type diviser-pour-régner et un solveur quasi-Newtonien (L-BFGS-B) pour calculer efficacement les potentiels de Kantorovich $w_i$.
   • L'implémentation est massivement parallélisée sur GPU en utilisant les bibliothèques KEOPS et GEOMLOSS, permettant des simulations d'jusqu'à 50 000 particules en 3D avec des performances de pointe.

Contributions Clés

• Cadre Unifié : La méthode unifie les concepts des tessellations de Voronoï, des méthodes de niveau et des modèles de sommets sous l'égide du transport optimal. Elle supporte des formes arbitraires, des contraintes de volume strictes et des mécanismes d'interaction complexes au sein d'un seul cadre.
• Application Stricte du Volume : Contrairement à de nombreux modèles existants utilisant des contraintes souples ou des forces de relaxation, cette approche garantit mathématiquement les contraintes de volume à tout moment grâce à l'optimisation des potentiels de Kantorovich.
• Évolutivité : Le solveur accéléré par GPU permet la simulation de systèmes à grande échelle (jusqu'à 50 000 particules) en 3D, ce qui est computationnellement prohibitif pour de nombreuses méthodes traditionnelles aux éléments finis ou de champ de phase.
• Polyvalence de Modélisation : Le cadre modélise avec succès divers phénomènes, notamment :
  • Les transitions de phase fluide-solide dans des particules browniennes actives pilotées par la déformabilité.
  • L'ordre orientationnel émergent dans des essaims de particules en forme de bâtonnet dû uniquement à l'exclusion de volume.
  • La migration chimiotactique pilotée par des déformations de forme.
  • Le tri cellulaire et les phénomènes d'englobement dans des agrégats hétérogènes 3D, reproduisant des résultats cohérents avec l'Hypothèse de la Tension Interfaciale Différentielle (DITH).

Résultats
Les auteurs valident le cadre à travers plusieurs benchmarks :

• Croissance et Division : Un agrégat 3D croît d'une seule cellule à 50 000 cellules via division, remplissant un domaine en environ une journée de calcul.
• Transitions de Phase : Dans un système de particules browniennes actives, le paramètre de déformabilité $\alpha$ pilote une transition d'une phase fluide (comportement diffusif) vers une phase solide (comportement bloqué, empilement hexagonal). Le modèle capture la diffusion effective s'annulant et la saturation du déplacement quadratique moyen dans la phase solide.
• Alignement en Forme de Bâtonnet : Les simulations de particules en forme de bâtonnet auto-propulsées démontrent l'émergence spontanée d'un ordre orientationnel à longue portée dû aux déformations induites par les collisions, cohérent avec les théories de la physique des polymères.
• Tri Cellulaire 3D : Le modèle reproduit divers motifs de tri (englobement, séparation, échiquier) dans des mélanges 3D de deux types cellulaires avec différentes tensions de surface et souplesses, correspondant aux prédictions théoriques et aux observations expérimentales.
• Dynamique de Foule : Le modèle simule l'évacuation d'une foule, montrant que des particules déformables (de type fluide) évacuent en toute sécurité, tandis que des particules sphériques rigides (de type solide) forment des arches stables et se bloquent aux sorties.

Signification et Revendications
L'article revendique d'introduire une approche novatrice pour la modélisation de systèmes multicellulaires qui comble le fossé entre les descriptions physiques détaillées et l'efficacité computationnelle.

• Validation : La contribution principale est la validation de ce nouveau cadre contre des modèles computationnels classiques, démontrant qu'il peut reproduire des résultats établis (par exemple, tri cellulaire, transitions de phase) tout en offrant une gestion supérieure des contraintes de volume et de la complexité 3D.
• Pertinence Biologique : Les auteurs soulignent le potentiel de la méthode pour la modélisation in silico de processus développementaux complexes, tels que le développement du blastocyste, où les déformations cellulaires individuelles et les comportements d'agrégats denses sont critiques.
• Extension Théorique : Le travail suggère une nouvelle perspective de transport optimal pour les méthodes existantes (particules ponctuelles, niveau, sommets) et fournit une voie vers la dérivation de modèles continus à grains grossiers (approximations de champ moyen) pour des systèmes avec interactions de volume, une question largement ouverte en biologie mathématique.
• Accessibilité : Les auteurs fournissent une implémentation Python librement disponible, rendant la méthode accessible pour de futures recherches en physique et biologie computationnelles.

Les auteurs restent modestes, notant que bien que le cadre soit nouveau, l'accent immédiat a été mis sur la validation par rapport aux modèles existants. Ils identifient des orientations futures, telles que l'extension de la théorie des sommets actifs aux tessellations de Laguerre, l'affinement de la dérivation des limites continues et l'amélioration de la gestion des coûts dynamiques complexes et des interactions de surface pour la simulation en temps réel.