Determination of active forces in actomyosin systems as inverse source problems for the Stokes equation

本論文は、アクチン・ミオシン系における活性力の同定をストークス方程式に対する逆ソース問題として定式化し、限定的な設定および非限定的な設定の両方において、不完全な光学顕微鏡データから力を再構成するための厳密な数学的枠組みと正則化手法を提供するものである。

要約

水滴の中に存在する、目には見えない、絶えず脈動し引き合う微小な「筋肉」の世界を想像してみてください。これらは人間の筋肉ではなく、アクチンというタンパク質フィラメントと、ミオシンというモータータンパク質が混ざり合った、まるで忙しい建設作業員のようなものです。彼らは化学エネルギー（ATP）を摂取し、それを使って周囲の水を押したり引いたりすることで、流れや渦を作り出します。

この論文の科学者たちは、厄介なパズルに直面していました。彼らは水の動きを見ることはできましたが、その水を押している目に見えない「手」を見ることはできなかったのです。

以下に、彼らがどのようにしてこれを解決したのか、分かりやすく解説します。

1. 見えない「押し」の謎

水滴の中の水を、穏やかな池だと考えてみてください。突然、さざ波や渦が発生しました。何かが水を押していることは分かりますが、その原因となっている魚や「手」は見えません。現実の世界で、これら微小なタンパク質の「筋肉」が及ぼす正確な力を測定することは、幽霊の体重を量ろうとするようなものです。もしプローブ（探針）を差し込めば、水を乱してしまい、測定を台無しにしてしまいます。

そこで、研究者たちは逆算する方法をとることにしました。押しを直接測定する代わりに、その結果（水の流れ）を測定し、「どのような押し方があれば、これほど特定のパターンを持つ動きが生じるのか？」と問いかけたのです。

2. 数学的な「レシピ本」

これを解決するために、彼らはストークス方程式と呼ばれる一連のルールを使用しました。これは、粘り気のある流体（蜂蜜やタンパク質を含む水など）が押されたときにどのように振る舞うかを示す「レシピ本」のようなものです。

• 順問題： もしレシピと「押し」を知っていれば、水がどのように動くかを正確に予測できます。
• 逆問題（難しい方）： もし水の動きしか見えていない場合、そこから「押し」を導き出すことができるでしょうか？

これは、完成したケーキを見て、厨房を一度も見ることなく、パン屋が使った砂糖や小麦粉の正確な量を推測しようとするようなものです。「リバースエンジニアリング（逆設計）」の挑戦です。

3. 二つの異なる「厨房」

チームは、この手法を二つの異なる「厨房」（実験セットアップ）でテストしました。

• 閉じ込められた厨房（液滴）： タンパク質のネットワークが、オイルの中に浮遊する小さな丸い水滴の中に閉じ込められている状態を想像してください。液滴の壁は、滑らかな滑り台のような役割を果たします。水は壁を通り抜けることはできませんが、壁に沿って滑ることはできます。
• 開放された厨房（バルク）： タンパク質のネットワークが、近くに壁のない大きな水の中に自由に浮いている状態を想像してください。ここでは、水はカメラの視野の外へと流れていきます。

4. 「足りないページ」の問題

レシピ本（数学）が完璧に機能するためには、二つの材料が必要です。それは「流れ」（彼らが見ることができたもの）と「圧力」（彼らが測定できなかったもの）です。これは、一つの数字が欠けている数式を解こうとしているようなものです。

圧力を見ることができなかったため、彼らは「押し」の全体を完全に再構成することはできませんでした。しかし、彼らは賢いトリックを発見しました。

• 彼らは、力の渦を巻く、回転する部分（水が回転する原因となる部分）を完璧に再構成することができました。
• しかし、回転を伴わない、押し引きする部分（水をただ押しつぶすだけの部分）を完璧に再構成することはできませんでした。

このように考えてみてください。もし渦巻きが見えるなら、回転させる力がどこにあるかは正確に分かります。しかし、もし水が回転することなく、ある方向にただ押しつぶされているだけなら、圧力を知らない限り、それがどれほど強く押しつぶされているのかを正確に判断するのは非常に困難です。

5. ノイズの除去

現実世界のデータは乱雑です。ビデオカメラで水を見るときには、ラジオの受信状態が悪いときのような「静止ノイズ（スタティック）」が発生します。ノイズの多いデータから逆方向にエンジニアリングを行おうとすると、答えはめちゃくちゃなものになってしまいます。

これを修正するために、チームは正則化（具体的にはランドウェバー反復法と呼ばれる手法）という数学的な「フィルター」を使用しました。これは、ぼやけた写真から肖像画を描こうとするようなものです。まず大まかな推測から始め、徐々に細部を洗練させ、写真上のランダムな塵のような汚れを無視しながら、数学的な結果がビデオのデータと最も一致するように、画像のギザギザしたエッジを滑らかにしていきます。彼らはデジタルで行い、最初は「素朴な推測」から始め、ノイズに惑わされることなく、数学がビデオデータにできる限り一致するまで、徐々に洗練させていきました。

6. 結果

彼らは、コンピュータ・シミュレーション（答えを事前に知っているもの）と実際の実験の両方でこの手法をテストしました。

• シミュレーションにおいて： データに「ノイズ」を加えた場合でも、彼らは不可視の力をうまく復元することに成功しました。
• 実際の実験において： 彼らは液滴内および開放されたプール内でのタンパク質ネットワークのビデオを撮影し、その流れを測定し、数学を用いて、タンパク質がどこで押し、どこで引いているかを示すマップを作成しました。

まとめ

この論文は、タンパク質ネットワークが水をどのように動かしているかを見ることで、その動きを駆動している目に見えない力を解読できる、数学的な「デコーダーリング（暗号解読器）」を提供しています。すべての詳細を完全に見ることはできませんが（圧力データの欠如により）、マイクロスケールのシステムを駆動する、渦を巻く回転する力をうまくマッピングすることができます。これにより、細胞が針で突くことなく、どのように動き、分裂し、組織化されるのかを理解することが可能になります。

技術概要

技術要約：アクトミオシン系における能動的力の決定：ストークス方程式に対する逆問題として

問題提起
本研究の主要な目的は、生物学的システムにおいて流体流動を駆動するフィラメント・モーターネットワーク（具体的には、アクチンとミオシンからなるアクトミオシン）が生成する能動的な力を特定することである。結果として生じる流体速度場は、光学顕微鏡および粒子画像流速測定法（PIV）を介して実験的に測定可能であるが、その根底にある力に直接アクセスすることはできない。著者らはこれを、低レイノルズ数流体力学の文脈における、観測された速度場 $v$ から力 $f$ を再構成する逆ソース問題として定式化している。

本研究では、以下の2つの異なる物理的設定を扱っている：

1. 閉じ込められた系： 水中油滴中に封入されたアクトミオシンネットワーク。ロビン（滑り）境界条件を用いてモデル化される。
2. バルク系： 目に見える封入構造を持たない自由に懸濁したネットワーク。不均一なディリクレ境界条件を用いてモデル化される。

重要な課題として、実験データの不完全性が挙げられる。具体的には、圧力場 $p$ が未測定であること、およびフィラメントネットワークの体積分率が周囲の流体に対して無視できるため粘度 $\eta$ が一定であると仮定されていることが挙げられる。

手法
著者らは、非圧縮条件（$\nabla \cdot v = 0$）と空間的に変化する粘度 $\eta$ を組み込んだストークス方程式を順問題（フォワードモデル）として採用している。数学的枠組みは以下のステップに基づいている：

1. 順問題の解析： 著者らは、両方の境界条件（ロビンおよびディリクレ）に対するストークス問題の適正性を厳密に分析している。適切な関数空間（例：ロビン条件に対する $H^1_{\parallel}(\Omega)^d$）を定義し、inf-sup条件とコーニーの不等式を用いて、与えられた力 $f$ に対する速度・圧力のペア $(v, p)$ の一意な存在と安定性を証明している。
2. 逆問題の定式化： 逆問題は、順演算子 $A$（力を速度に写すもの）が測定データ $v_{meas}$ と一致するような $f$ を見つけることとして定義される。圧力データの欠如により、この問題は速度のみに基づく力の同定として扱われる。
3. 理論的分解： 本論文では、力を発散のない（ソレノイダルな）成分と、回転のない（イロトレーショナルな）成分へとヘルムホルツ分解する解析を行っている。粘度が一定の場合、力の発散のない成分はストークス方程式における速度依存項に対応し、回転のない成分は圧力勾配に対応することが示されている。したがって、圧力データがない場合、能動的な力の成分のうち、発散のない成分のみが一意に再構成可能となる。
4. 随伴演算子の導出： 数値解法を可能にするため、著者らは順演算子のフレシェ微分およびそれに対応する随伴演算子（バナッハ空間およびヒルベルト空間の随伴）を導出している。この導出は、勾配ベースの正則化を行う上で不可欠である。
5. 数値的正則化： 逆問題はランドウェバー（Landweber）反復法を用いて解かれる。このアルゴリズムは、測定された速度とシミュレーションされた速度の間の不一致を最小化する。ノイズに対する安定性を確保するため、不一致原理を用いて事後的に反復を停止させる。初期値は、ストークス方程式の速度項から直接導かれる「素朴な」再構成（$f_0 = -\nabla \cdot \eta D(v_{meas})$）である。

主な結果
本手法は、合成データおよび実験的な測定の両方を用いて検証された：

• 合成データ： ドロップレット（ロビン）およびバルク（ディリクレ）の両方のシナリオを表す2次元領域に対して再構成が行われた。
  • ノイズフリーのデータ： ランドウェバー反復は、複雑な渦パターンを含むグラウンドトゥルースの力を、低い相対誤差（ロビンで $\tilde{\epsilon} \approx 0.3$、ディリクレで $\approx 0.73$）で正常に回収した。
  • ノイズを含むデータ： 本手法は頑健性を示した。相対ノイズレベルが $\tilde{\delta} = 1.37$ に達する場合でも、相対再構成誤差は有界（$\tilde{\epsilon} \approx 0.29$）に留まり、細部は失われるものの、力の一般的な構造と大きさは保持された。
• 実験データ： アルゴリズムは、ドロップレットおよびバルク試料中のアクトミオシンネットワークのPIVデータに適用された。
  • ドロップレット： 再構成された力場は、ドロップレット内部で観察された流向と一致する発散のない成分を示した。
  • バルク： 未封入のネットワークに対して再構成が行われた。著者らは、欠落している回転のない（圧力に関連する）力成分の重要性や、観察された流れがアクトミオシンの活動のみに由来するのか、あるいは流体と周囲の相互作用に由来するのかという曖昧さにより、バルク設定での再構成がより困難であることを指摘している。

意義と主張
本論文は、直接的な測定が不可能な生物学的システムにおいて、能動的な力を特定するための厳密な数学的枠組みを提供すると主張している。その主な貢献は以下の通りである：

1. 数学的厳密性： 能動的な物質（アクティブマター）に関連する特定の境界条件（ロビンおよびディレクレ）を用いた、順ストークス問題の適正性を確立し、正則化に必要な随伴演算子を導出したこと。
2. 不完全なデータの取り扱い： 一定の粘度仮定の下では、発散のない成分が再構成可能な量であることを示すことにより、圧力データの欠如という制限に明示的に対処したこと。
3. 概念実証： 逆問題のアプローチを合成データおよび実際の実験データの両方で検証し、速度場のみから能動的な力を推定できることを示したこと。

著者らは、本研究を既存の力同定技術（トラクションフォースマイクロトラスピーなど）を補完するものとして位置付けているが、それらは流体環境および能動的な物質に適応させたものである。彼らは、本手法が支配的な発散のない力を再構成することには成功しているものの、能動的な力（回転のない部分を含む）の完全な再構成には、圧力場の知識またはさらなる近似が必要であり、それが今後の研究課題として残されていると謙虚に述べている。現在の研究は、これらの系の定常状態における2次元近似に焦点を当てている。