A framework for modeling and inferring tracer diffusion in crowded environments

기술적 요약: 혼잡한 환경에서의 추적자 확산 모델링 및 추론을 위한 프레임워크

문제 제기
세포 내 공간 및 연성 물질 현탁액과 같은 혼잡한 환경에서의 추적자 확산은 생물학적 및 물리적 과정의 핵심입니다. 추적자 궤적은 공간적 및 통계적 정보를 제공하지만, 추적자 운동과 환경 구조를 연결하는 정량적 프레임워크는 여전히 제한적입니다. 기존 방법들은 다음과 같은 중대한 과제에 직면해 있습니다:

• 다중 입자 추적 (MPT): 널리 사용되지만, MPT 는 사용자가 정의한 매개변수 (예: 검색 반경) 에 의존하며, 공간적 변이가 커서 일정한 차단값이 부적합한 고도로 이질적인 환경에서는 어려움을 겪습니다.
• 푸리에 기반 기법 (예: DDM): 궤적 연결을 피하지만 종종 특정 파동 벡터 범위나 모델 가정을 요구합니다.
• 역문제: 개별 궤적이 국소 기하학에 의해 지배되고, 시뮬레이션 매개변수의 체계적 변화가 확산 체계를 지배하는 변수에 대한 상반된 결론을 초래했기 때문에, 추적자 궤적로부터 환경 특성 (예: 면적 분율, 입자 크기, 다분산도) 을 결정하는 것은 어렵습니다.
• 계산 비용: 실험과 일치할 만큼 충분한 물리적 충실도로 추적자 역학을 시뮬레이션하는 것은 계산 비용이 많이 들어 광범위한 매개변수 공간 탐색을 비실용적으로 만듭니다.

방법론
저자들은 실험, 최소한의 물리 기반 시뮬레이션, 그리고 데이터 기반 예측 모델링을 결합한 다단계 프레임워크를 제안합니다:

1. 실험적 특성 분석:

   • 연성 입자 시스템: 형광성 강성 추적자 ($2a = 2 \, \mu\text{m}$) 를 다양한 면적 분율 ($\Phi$) 에서 연성 PEGDA 하이드로겔 입자 (평균 반경 $\bar{R} \approx 4.35 \, \mu\text{m}$) 현탁액에 분산시켰습니다.
   • 세포 시스템: 추적자 ($2a = 100, 200 \, \text{nm}$) 를 NIH3T3 세포 내부로 주입하여 혼잡한 세포질 내 수송을 연구했습니다.
   • 분석: 궤적은 MPT 와 모델 프리 Ab Initio Uncertainty Quantification (AIUQ) 프레임워크를 모두 사용하여 분석되었습니다. AIUQ 는 매개변수 조정을 피하고, 넓은 지연 시간 동안 안정적인 평균 제곱 변위 (MSD) 곡선을 제공하며, MPT 보다 간헐적 점프 행동을 더 잘 처리하므로 모델 보정에 선호되었습니다.

2. 최소 시뮬레이션 프레임워크:

   • 2 차원 상자 내에서 $N_m$개의 다분산 매트릭스 입자 사이를 이동하는 $N_t$개의 추적자 입자로 구성된 몬테카를로 시뮬레이션이 개발되었습니다.
   • 물리적 요소: 이 모델은 입체적 배제 (경구 입자 상호작용) 와 유체역학적 방해를 포함합니다.
   • 유체역학적 보정: 중요한 점은 시뮬레이션이 다음을 설명하기 위해 확산 계수 ($D$) 에 대한 위치 의존적 보정을 포함한다는 것입니다:
     • 벽 방해 (유리 기질과의 근접성).
     • 매트릭스 입자 표면 근처의 윤활제 같은 항력 (간격 의존적 보정으로 모델링: $D_{\parallel}/D_0 \sim (g^*/(g^*+g_0))^{\alpha_{hyd}}$).
   • 이러한 유체역학적 보정 없이는 시뮬레이션이 특히 작은 지연 시간과 중간 면적 분율에서 실험적 MSD 를 재현하지 못했습니다.

3. 데이터 기반 예측 모델링 (PPGP):

   • 병렬 부분 가우시안 프로세스 (PPGP) 모델이 시뮬레이션 출력으로 훈련되었습니다.
   • 입력: 매트릭스 면적 분율 ($\Phi$), 평균 반경 ($\bar{R}$), 그리고 다분산도 ($p$).
   • 출력: MSD 곡선의 벡터 (로그 기울기 $\alpha$로 표현됨).
   • 성능: PPGP 모델은 약 25 ms 내에 MSD 를 예측하여 전체 시뮬레이션 또는 실험을 수행하는 것보다 약 $10^5$배 빠른 예측 속도를 달성했습니다.

4. 역추론 및 민감도 분석:

   • 이 프레임워크는 관측된 MSD 를 구조 변수로 역매핑하는 데 사용되었습니다.
   • $\Phi$, $\bar{R}$, 그리고 $p$가 MSD 정확도에 미치는 영향을 결정하기 위해 글로벌 민감도 분석 (Sobol 지수) 과 회귀 분석이 수행되었습니다.

주요 결과

• 확산에서 국소화로의 전이: 실험과 시뮬레이션은 매트릭스 면적 분율 $\Phi$가 증가함에 따라 확산 운동에서 아확산 (국소화) 운동으로의 전이를 확인했습니다. 높은 $\Phi$ ($\approx 0.5$) 에서 MSD 에 뚜렷한 플래토가 나타나 접근 가능한 기공 공간이 제한됨을 나타냅니다.
• 유체역학의 필요성: 시뮬레이션은 유체역학적 보정 (벽 및 입자 근접 효과) 이 포함되었을 때만 실험적 MSD 와 반-하인 (Van Hove) 상관 함수를 정량적으로 일치시켰습니다. 입체적 배제만으로는 부족했습니다.
• 퍼콜레이션 임계값 ($\Phi_c$): PPGP 모델은 추적자 정의 퍼콜레이션 임계값 $\Phi_c$(장기 확산이 크게 감소하는 "무릎" 지점) 를 신속하게 식별할 수 있게 했습니다.
  • $\Phi_c$는 평균 매트릭스 반경 ($\bar{R}$) 과 다분산도 ($p$) 가 증가함에 따라 증가합니다.
  • 추적자 정의 임계값은 매트릭스 입자 사이의 좁은 목 부분에서 추적자가 배제되기 때문에 기공 공간의 기하학적 퍼콜레이션보다 낮은 면적 분율에서 발생합니다.
• 역해의 비유일성: 분석은 서로 다른 글로벌 매트릭스 구조가 구별 불가능한 MSD 를 생성할 수 있음을 드러냈습니다. 구체적으로, $\Phi$, $\bar{R}$, 그리고 $p$의 서로 다른 조합이 거의 동일한 기공 크기 분포를 생성하여 유사한 추적자 역학을 초래할 수 있습니다.
  • 민감도: 면적 분율 $\Phi$는 MSD 변동성을 주도하는 지배적 요인 ($|\beta_\Phi| \approx 0.87$) 이며, 그 다음으로 $\bar{R}$이 이어집니다. 다분산도 $p$는 단독으로는 미미한 역할을 하지만 $\bar{R}$과 상호작용할 때 상당한 영향을 미칩니다.
  • 함의: $\bar{R}$이 알려져 있다면 $\Phi$를 더 정확하게 추론할 수 있습니다. 그렇지 않으면 역문제는 유사한 국소 기공 기하학에 해당하는 여러 해를 가집니다.
• 세포 내 수송에의 적용: 최소 모델은 살아있는 세포 내 추적자의 MSD 를 성공적으로 포착했습니다. 세포질 점도를 물의 약 100 배로, 매트릭스 이동성 인자를 $m \approx 0.3$으로 가정함으로써 100 nm 추적자에 대한 실험 데이터를 재현했습니다.
  • 외삽: 100 nm 추적자로 보정된 모델은 재매개변수화 없이 200 nm 추적자의 MSD 를 정확하게 예측하여 규모 의존적 국소화 효과를 포착하는 모델의 능력을 검증했습니다.

의의 및 주장
이 논문은 다양한 규모에 걸쳐 혼잡한 환경의 접근 가능한 기하학과 추적자 역학을 연결하는 정량적 프레임워크를 확립했다고 주장합니다.

• 효율성: PPGP 모델은 매개변수 공간의 신속한 스크리닝을 가능하게 하여 예측 시간을 실험 (시간) 또는 시뮬레이션 (초) 에서 밀리초 단위로 단축합니다.
• 물리적 통찰력: 이 연구는 추적자 수송이 글로벌 구조적 세부 사항보다는 접근 가능한 기공 크기에 의해 주로 지배된다는 것을 보여줍니다. 이는 서로 다른 글로벌 구성이 동일한 MSD 를 생성할 수 있는 이유를 설명합니다.
• 일반화 가능성: 입체적 및 유체역학적 효과를 포함하는 최소 모델은 매트릭스 이동성이 고려된다면 수동적 연성 입자 현탁액과 능동적 세포 내 환경 모두에서 수송을 설명하기에 충분합니다.
• 역문제: 이 연구는 해의 비유일성으로 인해 추적자 MSD 로부터 글로벌 구조적 특성을 추론하는 데에는 한계가 있음을 강조하며, 정확한 추론을 위해서는 MSD 분석과 입자 크기 측정과 같은 독립적인 측정치를 결합할 필요가 있음을 시사합니다.

저자들은 이 프레임워크가 혼잡한 환경에서의 수송에 대한 더 나은 정립과 이해를 가능하게 하며, 특히 매트릭스 면적 분율의 직접 측정이 어려운 세포 내 수송 특성 분석에 구체적인 유용성을 가진다고 결론지었습니다.