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

Sintesi Tecnica: Crescita Cellulare Contestuale (ConCeG) per la Simulazione della Sostanza Grigia

Problematica
L'interpretazione accurata dei segnali di risonanza magnetica di diffusione (dMRI) nella sostanza grigia (GM) è ostacolata dalla complessità, eterogeneità e densità del microambiente cellulare del tessuto. Sebbene i fantocci numerici siano essenziali per validare i modelli biofisici e comprendere la relazione tra microstruttura e segnale di diffusione, gli approcci esistenti spesso mancano del realismo morfologico e dell'organizzazione multi-cellulare necessari per rappresentare fedelmente la sostanza gria. I metodi precedenti si affidano frequentemente a geometrie semplificate (ad es. cilindri paralleli) adatte alla sostanza bianca ma insufficienti per la sostanza grigia, oppure utilizzano ricostruzioni su piccola scala di microscopia elettronica (EM) che non possono essere facilmente "regolate" per sondare specifiche caratteristiche microstrutturali. Esiste una necessità critica di un framework capace di generare substrati di sostanza grigia su larga scala, densi e multi-cellulari, che siano al contempo biologicamente fondati e completamente modulabili per simulazioni di diffusione Monte Carlo.

Metodologia: Framework ConCeG
Gli autori introducono il Contextual Cellular Growth (ConCeG), un framework generativo progettato per creare singole cellule o substrati di sostanza grigia tridimensionali, densi e multi-cellulari. La pipeline consiste in quattro fasi principali:

1. Caratterizzazione Morfologica:

   • Ricostruzioni reali di neuroni e glia vengono prelevate da repository open (NeuroMorpho.org, Allen Brain Atlas).
   • Vengono estratti i parametri strutturali (ordine di ramificazione, angoli, diametri, dimensione del soma) e le proprietà topologiche.
   • Topological Persistence Barcodes vengono calcolati per ogni tipo di cellula per rappresentare la struttura di ramificazione.
   • Punti Attrattori: I punti terminali dei dendriti reali sono proiettati su una sfera unitaria per definire distribuzioni direzionali, fungendo da "punti attrattori" che guidano la crescita sintetica, mimando i gradienti chimici.

2. Inizializzazione della Rete:

   • Le posizioni dei soma vengono collocate all'interno di un dominio 3D basandosi su distribuzioni di densità e composizioni di tipi cellulari definite dall'utente.
   • Una rete di crescita spazialmente vincolata viene popolata con nodi distribuiti casualmente che rappresentano posizioni di crescita ammissibili.
   • I nodi sono connessi tramite triangolazione di Delaunay 3D, definendo passi di crescita ammissibili.
   • Condizioni al Contorno Periodiche sono implementate per consentire alle ramificazioni di uscire da un lato del voxel ed entrare dal lato opposto, preservando l'intera estensione morfologica e consentendo la tassellatura per simulazioni più ampie.

3. Crescita Sintetica:

   • Le proiezioni cellulari crescono iterativamente attraverso la rete utilizzando funzioni di costo biologicamente informate.
   • Funzioni di Costo: La direzione di crescita è determinata da una combinazione di chemoattrazione (movimento verso un punto attrattore) e collasso dell'arbor (evitare strutture esistenti e aderire ai vincoli di raggio locale).
   • Ramificazione: L'inizio e la terminazione delle ramificazioni sono governati dai topological persistence barcodes. Mentre una proiezione cresce, la probabilità di biforcazione viene valutata in base alla lunghezza del percorso rispetto agli intervalli del barcode.
   • Collasso della Fibra: Se una proiezione rimane intrappolata, può tornare indietro e ricrescere; il ripetuto intrappolamento termina la proiezione.

4. Ottimizzazione e Meshing:

   • Ottimizzazione Globale: Una fase post-crescita ricampiona gli scheletri cellulari come sfere sovrapposte. Vengono applicate forze repulsive e attrattive per risolvere le collisioni e aumentare la densità di impacchettamento preservando la separazione relativa tra le cellule.
   • Generazione del Mesh: Gli scheletri cellulari (formato SWC) vengono convertiti in mesh superficiali 3D impermeabili mediante una procedura basata su metaball in Blender. Elementi vicini di altre cellule vengono assegnati campi negativi per imporre la non-intersezione.

Contributi Chiave

• Un Generatore Dedicato di Fantocci per la Sostanza Grigia: ConCeG è il primo framework specificamente progettato per generare substrati di sostanza grigia densi, eterogenei e multi-cellulari che catturano l'intera complessità della morfologia cellulare e dell'organizzazione tissutale, incluso lo spazio extracellulare.
• Meccanismo di Crescita Contestuale: Il metodo combina la sintesi neuronale topologica con una rete di crescita spazialmente vincolata, permettendo la generazione controllata di ambienti eterogenei con compartimenti intra ed extracellulari realistici.
• Scalabilità e Modulabilità: Il framework supporta la generazione di colonne corticali con miscele arbitrarie di tipi cellulari e densità specifiche per strato, consentendo ai ricercatori di "regolare" i parametri microstrutturali (ad es. densità cellulare, composizione) mantenendo il realismo biologico.
• Compatibilità: L'output è pienamente compatibile con i simulatori di diffusione Monte Carlo (ad es. DiSimPy), consentendo la simulazione diretta dei segnali dMRI.

Risultati e Validazione
Il framework è stato validato generando una colonna corticale sintetica (100 × 100 × 1200 µm) contenente cellule piramidali, cellule a cestello (basket cells) e astrociti, e confrontandola con ricostruzioni biologiche e dati EM:

• Accordo Strutturale: Le cellule sintetiche hanno mostrato un forte accordo con i dati reali nelle distribuzioni di ordine di ramificazione, lunghezza di ramo, angoli di ramo e tortuosità per le cellule piramidali e a cestello. La tortuosità degli astrociti mostrava una distribuzione più ampia ma rimaneva comparabile.
• Spettro di Potenza Intracellulare: Sia i rami reali che quelli sintetici hanno esibito un plateau nello spettro di potenza alle basse frequenze spaziali, indicando che gli arbori sintetici riproducono il disordine a corto raggio e le correlazioni spaziali osservate nel tessuto biologico. Ciò suggerisce dinamiche di diffusione intracellulare a lungo termine simili.
• Scaling della Composizione: Il volume della componente cellulare più grande ha seguito una relazione di legge di potenza con la scala di lunghezza di campionamento, producendo una dimensione frattale di circa 1.5, che corrisponde strettamente all'~1.6 riportato nei tessuti reali.
• Spazio Extracellulare: Le distribuzioni della dimensione dei pori hanno mostrato un accordo stretto nei valori medi, sebbene ConCeG abbia esibito una coda di pori più grandi non presente nei dati EM. La tortuosità media era simile, sebbene leggermente inferiore in ConCeG, suggerendo percorsi di trasporto leggermente più diretti.
• Simulazioni di Diffusione: Le simulazioni Monte Carlo hanno dimostrato che i substrati generati producono segnali pesati in diffusione che variano in base alla composizione del tessuto (ad es. lo strato 4 mostrava una maggiore attenuazione del segnale a causa della maggiore frazione di volume del soma). I risultati hanno confermato che i substrati sintetici catturano le caratteristiche strutturali che influenzano le misurazioni dMRI.

Significato e Rivendicazioni
L'articolo afferma che ConCeG fornisce un framework biologicamente fondato per la generazione di substrati di sostanza grigia adatti a simulazioni di risonanza magnetica di diffusione su larga scala. Collegando la morfologia cellulare e l'architettura su scala tissutale, affronta una lacuna di lungo corso nel campo, consentendo la creazione di fantocci di sostanza grigia multi-cellulari realistici con composizione controllabile.

Gli autori sottolineano che, sebbene il framework catturi con successo le caratteristiche strutturali e statistiche chiave su più scale, esso è attualmente una rappresentazione di scheletri cellulari selezionati della sostanza grigia. Non include ancora esplicitamente spine dendritiche, bottoni sinaptici o vasi sanguigni. Il significato risiede nella sua capacità di perturbare sistematicamente la densità, la morfologia e l'impacchettamento cellulare per testare ipotesi su come specifiche alterazioni microstrutturali (ad es. perdita neuronale, gliosi) possano influenzare i biomarcatori dMRI. Gli autori osservano che la validazione futura dovrebbe confrontare i segnali derivati da ConCeG con le note firme dMRI in vivo ed ex vivo per confermare ulteriormente il realismo dei segnali pesati in diffusione.