Multicellular simulations with shape and volume constraints using optimal transport

기술적 요약: 최적 수송을 이용한 형태 및 부피 제약이 있는 다세포 시뮬레이션

문제 제기
세포 내 구성 요소부터 거시적 조직 및 박테리아 군집에 이르기까지 생명 시스템은 부피 배제, 형태 상호작용, 그리고 변형 가능성에 의해 구동되는 복잡한 역학을 나타냅니다. 이러한 제약 조건이 어떻게 거시적 자기 조직화로 이어지는지 이해하는 것은 발생 생물학과 생물물리학의 근본적인 과제입니다. 기존 계산 모델들은 물리적 정확성, 수치적 비용, 그리고 수학적 처리 가능성 사이에서 절충을 강요받습니다. 일반적인 접근법으로는 다음과 같은 것들이 있습니다:

• 점 입자 시스템: 수학적으로 단순하지만 종종 현실적인 형태 표현이 부족합니다.
• 위상장 (phase-field) 및 레벨셋 모델: 임의의 형태를 표현할 수 있지만 계산 비용이 많이 들고 접촉 상호작용에 어려움이 있을 수 있습니다.
• 셀룰러 오토마타 및 격자 모델: 공간을 볼륨 (voxels) 으로 이산화하여 기하학적 유연성을 제한할 수 있습니다.
• 보로노이 및 꼭짓점 모델: 조직과 유사한 구조에 효율적이지만 종종 부피에 대한 부드러운 제약 (soft constraints) 에 의존하거나 특정 형태 변형에 대한 제어가 부족합니다.

개별 변형성과 집단적 상호작용을 모두 지원하는 통합 프레임워크 내에서 엄격한 부피 제약, 임의의 동적 형태, 그리고 높은 입자 수 (수십 개에서 수만 개) 를 가진 시스템을 모델링하는 데에는 상당한 간극이 존재합니다.

방법론
저자들은 최적 수송 이론에 기반한 메소스케일 시뮬레이션 프레임워크를 도입하였으며, 구체적으로 라귀 (Laguerre) 테셀레이션을 활용합니다.

1. 정적 모델 (라귀 테셀레이션):
   각 입자 $i$가 차지하는 공간은 라귀 셀 $L_i$로 모델링되며, 이는 다음을 만족하는 점 $x$의 집합으로 정의됩니다:
   $$L_i = \{x \in \Omega, c(x, x_i) - w_i \leq c(x, x_j) - w_j \text{ for all } j\}$$
   여기서 $x_i$는 입자 위치, $v_i$는 목표 부피이며, $c(x, x_i)$는 입자의 형태와 변형 가능성 특성을 인코딩하는 비용 함수입니다. 가중치 $w_i$(칸토로비치 포텐셜) 는 엄격한 부피 제약 $|L_i| = v_i$를 만족하도록 유일하게 결정됩니다.

   • 이 공식은 보로노이 다이어그램 ($w_i=0$이고 $c$가 유클리드 거리인 경우) 을 일반화하여 임의의 비용 함수 (예: 파워 비용, 이방성 비용) 를 선택함으로써 곡선 경계와 비구형 형태를 허용합니다.
   • 빈 공간은 비용이 0 인 추가 입자로 모델링됩니다.

2. 동적 모델:
   입자 위치 $x_i$의 진화는 1 차 경사 하강 방정식을 따릅니다:
   $$\dot{x}_i = -\tau_i \nabla_{x_i} T_c + F_i^{\text{point}} + F_i^{\text{surf}} + \dot{\xi}_i$$

   • 비압축성 힘: 항 $-\nabla_{x_i} T_c$는 총 수송 비용 $T_c$에서 유도된 반발력으로 작용합니다. 이는 입자들이 겹치지 않도록 보장하고 부피 제약을 자연스럽게 강제합니다. 쌍별 힘과 달리, 이 힘은 모든 접촉 표면의 전역 기하학에 의존합니다.
   • 외부/상호작용 힘 ($F^{\text{point}}$): 점 입자 모델과 유사하게 자체 추진, 중력, 또는 인력을 포함합니다.
   • 표면 힘 ($F^{\text{surf}}$): 인터페이스를 따라 압력과 표면 장력 효과를 모델링하여 세포 정렬 및 접착과 같은 현상을 가능하게 합니다.
   • 형태 역학: 형태는 매개변수화된 비용 (예: 공분산 행렬로 정의된 타원체) 이나 외부 장 (예: 화학주성) 에 반응하는 레벨셋 포텐셜 함수를 통해 진화할 수 있습니다.

3. 수치 구현:

   • 이 문제는 이산 격자 (볼륨) 에서 반-이산 최적 수송 문제로 해결됩니다.
   • 저자들은 칸토로비치 포텐셜 $w_i$를 효율적으로 계산하기 위해 분할 정복 다중 스케일 전략과 준-뉴턴 솔버 (L-BFGS-B) 를 사용합니다.
   • 구현은 KEOPS 및 GEOMLOSS 라이브러리를 사용하여 GPU 에서 대규모 병렬화되어, 최첨단 성능으로 3D 에서 최대 50,000 개의 입자에 대한 시뮬레이션을 가능하게 합니다.

주요 기여

• 통합 프레임워크: 이 방법은 보로노이 테셀레이션, 레벨셋 방법, 그리고 꼭짓점 모델의 개념들을 최적 수송이라는 우산 아래 통합합니다. 단일 프레임워크 내에서 임의의 형태, 엄격한 부피 제약, 그리고 복잡한 상호작용 메커니즘을 지원합니다.
• 엄격한 부피 강제: 부드러운 제약이나 완화 힘을 사용하는 많은 기존 모델과 달리, 이 접근법은 칸토로비치 포텐셜의 최적화를 통해 모든 시간에 부피 제약을 수학적으로 보장합니다.
• 확장성: GPU 가속 솔버는 3D 에서 대규모 시스템 (최대 50,000 개 입자) 의 시뮬레이션을 가능하게 하며, 이는 많은 전통적인 유한 요소 또는 위상장 방법으로는 계산적으로 불가능합니다.
• 모델링의 다양성: 이 프레임워크는 다음과 같은 다양한 현상을 성공적으로 모델링합니다:
  • 변형 가능성에 의해 구동되는 활성 브라운 입자에서의 유체 - 고체 상 전이.
  • 부피 배제만으로 인한 군집하는 막대형 입자에서의 발생적 방향성 질서.
  • 형태 변형에 의해 구동되는 화학주성 이동.
  • 3D 이종 응집체에서의 세포 정렬 및 포식 현상으로, 차등 인터페이스 장력 가설 (DITH) 과 일치하는 결과를 재현합니다.

결과
저자들은 여러 벤치마크를 통해 프레임워크를 검증합니다:

• 성장과 분열: 3D 응집체가 단일 세포에서 분열을 통해 50,000 개 세포로 성장하여 약 하루의 계산 시간으로 영역을 채웁니다.
• 상 전이: 활성 브라운 입자 시스템에서 변형 가능성 매개변수 $\alpha$는 유체 상 (확산 행동) 에서 고체 상 (얽힌, 육각형 패킹) 으로 전이를 유도합니다. 이 모델은 고체 상에서 유효 확산의 소멸과 평균 제곱 변위의 포화를 포착합니다.
• 막대형 정렬: 자체 추진 막대형 입자의 시뮬레이션은 충돌로 인한 변형으로 인해 장거리 방향성 질서가 자발적으로 나타나는 것을 보여주며, 이는 고분자 물리학 이론과 일치합니다.
• 3D 세포 정렬: 이 모델은 서로 다른 표면 장력과 연성을 가진 두 가지 세포 유형의 3D 혼합물에서 다양한 정렬 패턴 (포식, 분리, 체스보드) 을 재현하여 이론적 예측 및 실험적 관찰과 일치합니다.
• 군중 역학: 이 모델은 군중 대피를 시뮬레이션하여, 변형 가능한 입자 (유체와 유사) 는 안전하게 대피하는 반면, 경질 구 입자 (고체와 유사) 는 안정적인 아치를 형성하고 출구에서 정지함을 보여줍니다.

의의 및 주장
이 논문은 상세한 물리적 설명과 계산 효율성 사이의 간극을 연결하는 다세포 시스템을 모델링하기 위한 새로운 접근법을 도입했다고 주장합니다.

• 검증: 주요 기여는 이 새로운 프레임워크를 기존 계산 모델과 비교하여 검증한 것으로, 부피 제약과 3D 복잡성을 우월하게 처리하면서도 세포 정렬, 상 전이와 같은 확립된 결과를 재현할 수 있음을 보여줍니다.
• 생물학적 관련성: 저자들은 개별 세포 변형과 밀집된 응집체 거동 모두를 고려해야 하는 낭배 발달과 같은 복잡한 발생 과정의 in silico 모델링에 대한 이 방법의 잠재력을 강조합니다.
• 이론적 확장: 이 작업은 기존 방법 (점 입자, 레벨셋, 꼭짓점) 에 대한 새로운 최적 수송 관점을 제시하며, 부피 상호작용을 가진 시스템에 대한 거시적 연속체 모델 (평균장 근사) 을 유도하는 경로를 제공합니다. 이는 수리 생물학에서 largely 열린 질문입니다.
• 접근성: 저자들은 자유롭게 이용 가능한 Python 구현을 제공하여 계산 물리학 및 생물학의 추가 연구를 위해 이 방법을 접근 가능하게 합니다.

저자들은 프레임워크가 새롭지만 즉각적인 초점이 기존 모델에 대한 검증에 있었다는 점을 겸손하게 지적합니다. 그들은 활성 꼭짓점 이론을 라귀 테셀레이션으로 확장하고, 연속체 한계 유도를 정교화하며, 실시간 시뮬레이션을 위한 복잡한 동적 비용 및 표면 상호작용 처리를 개선하는 것과 같은 미래 방향을 제시합니다.