Single-cell-level distributions and relationships can differentiate cell-division and growth models

Sintesi Tecnica: Le distribuzioni e le relazioni a livello di singola cellula possono differenziare i modelli di divisione e crescita cellulare

Definizione del problema
Comprendere i meccanismi regolatori che governano la crescita e la divisione cellulare batterica è fondamentale per la microbiologia e la biotecnologia. Sebbene sia stabilito che la divisione cellulare segua strategie specifiche — storicamente categorizzate come Timer (divisione per età), Sizer (divisione per dimensione critica) o Adder (divisione dopo l'aggiunta di una biomassa costante) — distinguere tra questi modelli e identificare il paradigma di crescita a singola cellula (lineare vs esponenziale) rimane una sfida. I metodi esistenti si basano principalmente sulle correlazioni tra quantità fisiologiche (dimensione alla nascita, dimensione alla divisione, tempo di divisione e dimensione aggiunta alla divisione). Tuttavia, tali correlazioni sono spesso derivate sotto ipotesi idealizzate (ad esempio, partizione simmetrica, non stocastica e tassi di crescita deterministici). Inoltre, i dati sperimentali soffrono spesso di un'insufficiente precisione per determinare direttamente i tipi di crescita, rendendo necessari metodi di differenziazione indiretti. Gli autori affrontano la necessità di un quadro analitico completo che tenga conto della stocasticità dei tassi di crescita, dell'asimmetria della partizione e delle autocorrelazioni della linea cellulare per differenziare in modo robusto tra i modelli di divisione e di crescita.

Metodologia
Lo studio impiega un approccio analitico a grana grossa per derivare le distribuzioni di probabilità e le relazioni statistiche per le quantità a singola cellula. Il modello si basa su tre distribuzioni a parametri liberi:

1. Distribuzione Principale: Determina la regola di divisione (tempo di divisione $\tau_d$ per il modello Timer, dimensione alla divisione $s_d$ per il modello Sizer, o dimensione aggiunta alla divisione $\Delta_d$ per il modello Adder).
2. Distribuzione del tasso di crescita ($\Lambda(\alpha)$): Tiene conto della stocasticità dei tassi di crescita attraverso una linea cellulare.
3. Distribuzione della frazione di partizione ($\kappa(\beta)$): Tiene conto della stocasticità e dell'asimmetria nell'eredità delle dimensioni da parte delle cellule figlie.

Utilizzando trasformazioni di probabilità e argomentazioni statistiche (dettagliate nelle Appendici A e B), gli autori derivano analiticamente le distribuzioni per tutte le altre quantità a singola cellula ($s_b, s_d, \tau_d, \Delta_d$) sia per i modelli Sizer che Adder sotto regimi di crescita lineare ed esponenziale. Il modello Timer è escluso dall'analisi primaria dell'omeostasi sotto crescita esponenziale, poiché non riesce a mantenere la stabilità dimensionale senza parametri finemente sintonizzati.

I risultati analitici sono validati rispetto a dati sperimentali pubblicati da studi microfluidici (setup Mother Machine) riguardanti Escherichia coli e Mycobacterium tuberculosis. Gli autori adattano distribuzioni della famiglia di Johnson ai dati sperimentali per i parametri liberi e confrontano le previsioni analitiche risultanti per le distribuzioni a singola cellula e le relazioni statistiche con le osservazioni sperimentali.

Contributi chiave

1. Estensione alla stocasticità e all'asimmetria: Lo studio estende i metodi di differenziazione basati sulle correlazioni includendo tassi di crescita stocastici e partizione asimmetrica e stocastica, fornendo un quadro biologicamente più realistico.
2. Distribuzioni analitiche: Gli autori forniscono espressioni analitiche in forma chiusa per le distribuzioni di probabilità della dimensione alla nascita, dimensione alla divisione, tempo di divisione e dimensione aggiunta alla divisione per i modelli Sizer e Adder sia in crescita lineare che esponenziale.
3. Relazioni statistiche: Il documento deriva relazioni specifiche tra le medie, le deviazioni standard e i coefficienti di variazione di tali quantità. Fondamentalmente, identifica che mentre le relazioni basate sulla media sono spesso universali tra i modelli, le relazioni che coinvolgono le deviazioni standard e le correlazioni possono distinguere unicamente tra modelli di divisione (Sizer vs Adder) e tipi di crescita (lineare vs esponenziale).
4. Robustezza alle autocorrelazioni: L'analisi dimostra che i risultati derivati rimangono validi anche quando il tasso di crescita di una cellula è correlato ai tassi di crescita dei suoi antenati (autocorrelazione della linea cellulare), un fenomeno osservato nei recenti dati sperimentali.

Risultati

• Differenziazione tramite distribuzioni: Confrontando le previsioni analitiche con i dati sperimentali per E. coli (a 25°C, 27°C e 37°C) e M. tuberculosis, gli autori hanno riscontrato che il modello Adder esponenziale forniva l'accordo più vicino con le distribuzioni osservate delle quantità a singola cellula. Il modello Sizer e i modelli di crescita lineare mostravano adattamenti peggiori.
• Differenziazione tramite deviazioni standard: La relazione tra la deviazione standard della dimensione aggiunta alla divisione ($\sigma_{\Delta_d}$) e la dimensione alla divisione ($\sigma_{s_d}$) ha distinto con successo tra i modelli Sizer e Adder. I punti dei dati sperimentali si raggruppavano più vicino alla previsione del modello Adder.
• Differenziazione tramite correlazioni: È stato dimostrato che la correlazione tra il tempo di divisione ($\tau_d$) e la dimensione alla nascita ($s_b$) dipende sia dal modello di divisione che dal tipo di crescita. Le correlazioni sperimentali per E. coli si allineavano meglio con il modello Adder esponenziale.
• Ambiguità del tipo di crescita: Per M. tuberculosis, i dati suggerivano una strategia di divisione di tipo Adder, ma la distinzione tra crescita lineare ed esponenziale era meno chiara, con entrambi i modelli che si adattavano ai dati in modo simile.
• Omeostasi: Lo studio conferma che i modelli Sizer e Adder mantengono naturalmente l'omeostasi della dimensione cellulare, mentre il modello Timer generalmente non lo fa sotto crescita esponenziale a meno che i parametri non siano perfettamente sintonizzati, portando alla divergenza della dimensione alla nascita nel corso delle generazioni.

Significatività
L'articolo afferma che le distribuzioni a livello di singola cellula e le loro relazioni statistiche fungono da potenti strumenti per differenziare non solo tra strategie di divisione cellulare (Sizer vs Adder), ma anche tra paradigmi di crescita a singola cellula (lineare vs esponenziale). Questa capacità consente ai ricercatori di individuare i meccanismi regolatori sottostanti che controllano la dimensione e la divisione cellulare in varie specie microbiche senza dover risolvere immediatamente le specifiche reti molecolari. Le scoperte aiutano a identificare le strategie evolutive o i vincoli in diverse specie e forniscono una base analitica robusta per l'interpretazione dei dati sperimentali a singola cellula, anche in presenza di stocasticità e correlazioni di linea. Gli autori osservano che, sebbene il loro approccio a grana grossa sia robusto rispetto ai dettagli molecolari, il lavoro futuro potrebbe estendere queste analisi a modelli di crescita misti o più complessi (ad esempio, bilineari o super-esponenziali) per migliorare ulteriormente l'accordo con i dati sperimentali.