🔬 condensed matter

Quantifying cell shape and density fluctuations in epithelial tissue in vivo

본 연구는 상피 세포를 상호 작용하는 연성 타원체로 모델링하여 연속체 확률 방정식을 도출하고, 이를 초파리 번데기 날개 데이터에 대해 검증함으로써 시공간 상관 함수를 통해 유효 조직 강성 및 능동적 세포 형태 변화와 같은 핵심 매개변수를 정량화하는 이론적 프레임워크를 제시한다.

원저자: Jake Turley, Helen Weavers, Paul Martin, Isaac V. Chenchiah, Tanniemola B. Liverpool

게시일 2026-09-10

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Jake Turley, Helen Weavers, Paul Martin, Isaac V. Chenchiah, Tanniemola B. Liverpool

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

살아있는 조직은 벽을 구성하는 정적인 벽돌이 아니다. 그것들은 개별 세포들이 서로를 향해 끊임없이 움직이고, 늘어나고, 압착하는 역동적이고 숨 쉬는 공동체이다. 신체가 어떻게 성장하거나 치유되는지 이해하기 위해, 과학자들은 세포의 평균적인 형태를 넘어 그 평균으로부터 벗어나는 아주 작고 찰나적인 편차에 주목해야 한다. 이러한 변동, 즉 개별 세포의 순간적인 흔들림과 늘어남은 마치 군중의 흔들림이 발밑 지면의 단단함을 드러내는 방식처럼, 조직의 기계적 건강 상태에 대한 숨겨진 정보를 담고 있다. 이러한 미세한 움직임을 측정함으로써, 연구자들은 조직의 유효한 '강성(stiffness)'과 세포가 형태를 바꾸기 위해 얼마나 활발하게 움직이는지를 추론할 수 있으며, 이는 발달과 복구를 주도하는 물리적 힘을 들여다볼 수 있는 비침습적인 창을 제공한다.

초파리의 발달 중인 날개에 초점을 맞춘 한 연구에서, 연구진은 살아있는 조직의 이러한 역동성을 포착하기 위한 새로운 이론적 틀을 구축했다. 그들은 초파리(Drosophila)의 번데기 날개를 선택했는데, 이는 곤충이 성숙함에 따라 스스로 늘어나고 형태를 바꾸는 평평한 단일 세포층이다. 고성능 현미경과 고급 이미지 분석 기술을 사용하여, 연구팀은 3시간 동안 백만 개 이상의 개별 세포의 모양과 위치를 추적했다. 그들은 주변 조직의 긴장으로 인해 세포들이 일반적으로 특정 방향으로 길어지는 것을 관찰했지만, 동시에 각 세포는 고유한 무작위적 형태 및 크기 변동을 보였다. 이러한 혼돈을 이해하기 위해, 과학자들은 세포를 부드럽고 말랑말랑한 타원체로 모델링하고 이들이 이웃과 상호작용하며 면적을 변화시키고, 늘어나고, 회전할 수 있도록 했다. 이 백만 개의 세포들의 행동을 평균함으로써, 그들은 세포의 형태와 밀도의 국소적 편차가 시간과 공간에 따라 어떻게 퍼져나가는지를 설명하는 일련의 방정식들을 도출해 냈다.

연구진은 그다음 수학적 모델의 예측치를 실제 초파리 날개에서 수집된 데이터와 비교했다. 그들은 모델이 다양한 거리와 시간 간격에 걸쳐 세포의 모양이 서로 어떻게 상관관und하는지에 대한 패턴을 정확하게 재현할 수 있음을 발견했다. 이를 통해 그들은 조직의 물리적 특성을 나타내는 구체적인 수치들을 추출할 수 있었다. 그들은 조직이 변형에 저항하는 정도를 설명하는 조직의 유효한 '강성' 값과, 세포들이 얼마나 격렬하게 스스로를 재구성하는지를 정량화하는 '능동적 형태 변화'의 척도를 결정했다. 연구는 조직이 특정한 강성을 가진 물질처럼 행동하지만, 동시에 세포 자체에 의해 생성된 내부의 능동적인 힘에 의해 구동된다는 것을 보여주었다. 모델은 이웃에 대한 세포의 움직임이 놀라울 정도로 작다는 것을 보여주었는데, 이는 조직이 발달에 필요한 형태 변화를 허용하면서도 여전히 긴밀하고 응집력 있는 구조를 유지하고 있음을 시사한다.

이 프레임워크가 조직의 건강 상태 변화를 감지할 수 있는지 테스트하기 위해, 과학자들은 상처 입은 날개에 이 방법을 적용했다. 그들은 조직에 작은 원형 상처를 만들고 세포들이 틈을 메우는 과정을 관찰했다. 상처가 아문 후, 그들은 다시 조직의 특성을 측정했다. 그들은 치유된 상처 근처의 조직이 더 부드러워졌으며, 유효 강성이 낮아졌음을 발견했는데, 이는 세포가 변형되어 부상을 폐쇄하기 더 쉽게 만들었을 것으로 보인다. 더욱 중요한 것은, 상처 근처의 세포들에서 능동적 형태 변화의 비율이 유의미하게 증가했음을 관찰했다는 점이며, 이는 세포들이 치유를 촉진하기 위해 스스로를 재구성하는 데 더 열심히 노력하고 있음을 나타낸다. 이는 특정 신호 전달 경로가 차단된 유전자 변형 초파리들의 행동과는 극명하게 대조되었다. 이 변형된 초파리들에서는 세포들이 상처 후 능동적 형태 변화를 증가시키지 못했고, 조직은 더 오랫동안 부드러운 상태로 남아 있었다. 이러한 능동적 재구성의 결여는 이 초파리들에게서 나타나는 알려진 상처 치유 지연과 상관관계가 있었으며, 이는 모델이 수동적인 기계적 부드러움과 복구를 위해 필요한 능동적인 생물학적 노력 사이를 구별할 수 있음을 확인시켜 주었다.

이 연구는 세포의 조용한 변동에 귀를 기울임으로써, 과학자들이 조직을 방해하지 않고도 살아있는 조직의 기계적 상태를 정량화할 수 있음을 보여준다. 연구진은 조직의 수동적인 구조적 특성과 세포의 능동적이고 에너지 중심적인 행동을 분리할 수 있음을 입증했다. 이러한 접근 방식은 조직이 상처나 유전적 변화에 어떻게 반응하는지 이해하는 강력한 도구를 제공하며, 실시간으로 조직의 '강성'과 '활동성'을 측정할 수 있는 방법을 제시한다. 단순히 부드러운 조직과 형태를 바꾸려고 능동적으로 노력하는 조직을 구분할 수 있는 능력은, 기관의 형성을 비롯하여 부상에 대한 신체의 반응에 이르기까지 복잡한 생물학적 과정 뒤에 숨겨진 물리적 메커니즘을 이해하는 데 도움이 될 수 있다.

기술 요약: 생체 내 상피 조직의 세포 형태 및 밀도 변동 정량화

문제 제기
상피 조직은 평균적인 세포 형태와 크기(변동)로부터의 국소적 편차가 발달 및 상처 치유와 같은 생물학적 과정에서 결정적인 역할을 하는 불균질한 시스템이다. 기존 모델들은 개별 세포를 시뮬레이션하거나(예: Vertex 또는 Cellular Potts 모델), 세포 수준의 정보를 무시하는 연속체 방정식을 사용하지만, 이들 사이의 규모를 연결하는 프레임워크가 필요하다. 구체적으로, 저자들은 국소적인 세포 형태와 밀도의 변동이 시간이 경과함에 따라 어떻게 진화하는지, 그리고 이러한 변동이 어떻게 거시적인 기계적 특성(예: 유효 조직 "강성" 및 능동적 세포 리모델링)을 드러낼 수 있는지 정량화하는 것을 목표로 한다.

방법론
본 연구는 고해외상 in vivo 이미징과 이론적 환원주의 프레임워크를 결합한다:

실험 데이터 획득:
- 시스템: 본 연구는 큐티클 형성 후(APF) 18~21시간 동안의 Drosophila 번데기 날개 상피에 집중한다. 이 시기는 힌지 수축, 날개 칼날 신장, 그리고 근위-원위(P/D) 축을 따른 세포 신장이 특징적인 시기이다.
- 이미징: 컨포컬 현미경을 사용하여 E-cadherin-GFP(세포 경계)와 Histone2-RFP(핵)를 발현하는 번데기를 관찰하였다. 이미지는 3시간의 시간 창 동안 2분마다 캡처되었다.
- 분석: 딥러닝 알고리즘이 세포 경계를 검출하였으며, 이를 다각형으로 피팅하여 세포 면적과 형태를 추출하였다. 세포 형태는 원형성으로부터의 편차(신장 및 방향성)를 나타내는 2차 $q$ -텐서로 인코딩되었다. 1,000,000개 이상의 세포 수준 측정이 수집되었다.
이론적 프레임워크:
- 미시적 모델: 세포는 다양한 크기와 종횡비를 가진 상호작용하는 부드러운 타원체로 모델링된다. 시스템은 세포 위치( $r_i$ )와 형태 텐서( $q_i$ )에 대한 확률 미분 방정식(SDE)에 의해 지배된다. 이 방정식들은 결정론적 항(능동적 정렬, 포텐셜 $U$ 를 통한 쌍 단위 상호작용)과 확률적 노이즈 항(기계적 및 화학적 변동을 나타냄)을 포함한다.
- 거시적 통합(Coarse-Graining): 미시적 방정식은 국소 밀도 장( $\hat{\rho}$ )과 국소 형태 장( $\hat{Q}$ )에 대한 연속체 확률 미분 방정식으로 거시적으로 통합된다.
- 선형화: 방정식은 평균값 주변에서 선형화되어, "어닐드(annealed)"(시간 의존적) 변동과 "퀀치드(quenched)"(시간 독립적) 구조적 편차로 구분된다.
- 상관 함수: 저자들은 밀도( $C_{\rho\rho}$ )와 형태( $C_{qq}$ ) 변동의 시공간 상관 함수에 대한 해석적 표현식을 도출한다. 이 함수들은 확산, 능동적 형태 변화, 그리고 유효 조직 강성을 나타내는 매개변수들에 의존한다.

주요 기여 및 결과
본 연구의 주요 기여는 실험적 상관 함수를 피팅하여 살아있는 조직으로부터 정량적인 기계적 매개변수를 추출하는 이론적 프레임워크를 성공적으로 구축한 것이다.

야생형 조직에서의 매개변수 추출:
이론적 상관 함수를 실험 데이터에 피팅함으로써, 저자들은 몇 가지 핵심 매개변수를 결정하였다(표 I):
- 유효 강성 ( $L$ ): $10.6 \pm 0.5 \, \mu\text{m}^4 \text{min}^{-1}$ . 이 매개변수는 변형에 대한 조직의 저항을 인코딩한다.
- 능동적 형태 변화 ( $A$ ): $(2.83 \pm 0.48) \times 10^{-3} \, \text{min}^{-1}$ . 이는 선호되는 상태를 향한 세포 형태의 능동적 완화 속도를 나타낸다.
- 확산 및 노이즈: 밀도에 대한 확산 상수( $D$ )는 $7.4 \, \mu\text{m}^2 \text{min}^{-1}$ 로 측정되었는데, 이는 세포 중심 확산( $D_r$ )보다 현저히 커서 집단적 운동이 지배적임을 시사한다.
- 구조적 편차: 연구는 상류 발달 과정(예: 정맥 형성)에 기인한 감쇠 길이( $\lambda$ )가 $23 \, \mu\text{m}$ 인 "퀀치드" 구조적 밀도 성분을 식별하였다.
섭동 실험을 통한 검증:
프레임워크는 기계적 상태를 구별하는 능력을 검증하기 위해 섭동된 조직에 적용되었다:
- 레이저 상처(Laser Wounding): 상처 폐쇄 후, 상처 부위 근처의 조직은 유효 강성( $L$ )이 22% 감소하였는데, 이는 상처 치유를 용이하게 하기 위해 조직이 더 변형되기 쉬운 상태가 되었음을 시사한다. 반대로, 상처 근처에서는 능동적 형태 변화 매개변수( $A$ )가 1.6배 증가하여 능동적 리모델링이 가속화되었음을 나타냈다. 상처에서 멀리 떨어진 곳에서는 $A$ 가 건강한 조직과 유사하게 유지되었으며, 이는 활동이 공간적으로 제한되어 있음을 시사한다.
- 유전적 섭동 (JNK 신호 전달): JNK 신호 전달이 억제된( bsk dominant negative 발현을 통해) 조직에서는 상처 치유가 지연되었다. 모델은 $L$ 이 감소했다는 점(야생형 상처 조직과 유사함)은 밝혀냈으나, 능동적 형태 변화 매개변수( $A$ )는 증가하지 못했음을 드러냈다. 이러한 능동적 리모델링의 결여는 관찰된 느린 치유와 상관관계가 있으며, 이는 수동적 강성과 능동적 생물학적 동력을 분리해내는 모델의 능력을 입증한다.

의의 및 주장
본 논문은 이러한 환원주의적 접근 방식이 오직 주요 차수의 항들과 비교적 적은 수의 매개변수만을 사용하여 조직 규모의 기계적 특성을 정량화할 수 있다고 주장한다. 모델을 실험 데이터에 피팅함으로써, 저자들은 다음과 같은 점을 입증하였다:

시공간 상관 함수가 유효 조직 "강성" 및 능동적 리모델링률을 측정하는 비침습적 프로브 역할을 할 수 있다.
프레임워크는 상처 또는 유전적 억제와 같은 섭동에 반응하는 수동적 기계적 변화(변화된 강성)와 능동적 생물학적 반응(리모델링률의 변화)을 구별할 수 있다.
모델은 미시적 세포 간 상호작용과 거시적 조직 행동 사이의 가교를 제공하며, 침습적인 레이저 리코일(laser-recoil) 실험 없이도 형태 발생 및 복구 과정 동안 조직의 특성이 어떻게 진화하는지 추적하는 방법을 제시한다.

저자들은 모델이 "상당히 좋은 적합도(reasonably good fit)"를 보이며 필수적인 물리학을 포착하고 있지만, 단순화된 가정(예: 균질한 강성, 네마틱 대칭성 깨짐 무시)에 의존하고 있다고 언급하였다. 이들은 향тельно 데이터와 더 잘 일치시키기 위해 이방성 강성 매개변수를 포함하는 정교화가 필요할 수 있다고 제안하면서도, 현재의 프레임워크가 복잡한 in vivo 시스템에서 의미 있는 유효 매개변수를 추출하기에 충분하다고 밝혔다.

유사한 논문