SOPSim: A cell vertex-based application for simulating sensory bristle patterning with dynamic filopodia

SOPSim 기술 요약: 동적 필로포디아를 이용한 감각 강모 패턴 형성을 위한 세포 정점 기반 모델

문제 제기
초파리 흉부의 감각 강모(sensory bristles)와 같은 반복적인 생물학적 패턴의 형성은 Notch–Delta 신호 전달에 의해 조절된다. 인접한 세포 간의 단거리 정단(apical/junctional) 상호작용은 잘 알려져 있으나, 이것만으로는 생체 내(in vivo)에서 관찰되는 정교한 공간적 조직화를 완전히 설명하기에 불충분하다. 액틴 기반 돌기인 필로포디아(filopodia)를 통한 장거리 통신이 중요한 역할을 한다는 것은 알려져 있지만, 필로포디아의 역동성(특히 돌출, 정지, 수축)을 지배하는 정확한 메커니즘과 이것이 Notch–Delta 활성화에 미치는 영향은 여전히 불분명하다. Cohen 등이 제시한 프레임워크와 같은 기존 수학적 모델들은 장거리 상호작용을 포함하였으나, 필로포디아의 턴오버(turnover)를 단순하고 반-휴리스틱(semi-heuristic)한 방식으로 처리하였다. 이러한 모델들은 일반적인 돌출 수명 동안의 정밀한 길이 역동성을 지정하는 능력이 부족하며, 세포들이 직접 접촉하는 경우 오직 정단 메커니즘을 통해서만 상호작용한다고 가정하여 이웃 세포들 사이의 잠재적인 기저(basal) 필로포디아 상호작용을 간과한다. 또한, 전역적 풍부도 측정치를 넘어 감각 기관 전구 세포(SOP)의 국소적 공간 분포를 특징짓는 정량적 지표도 부족한 실정이다.

방법론
저자들은 결정론적이고 물리 기반인 필로포디아 역동성 모델을 통합함으로써 Notch–Delta 신호 모델을 확장한 계산 프레임워크인 SOPSim을 개발하였다.

1. Notch–Delta 신호 전달 모델: 본 연구는 Notch 활성화가 세포 내 Notch 생성을 촉진하고 Delta 발현을 억제하는 측면 억제(lateral inhibition) 모델을 채택한다. 한 세포가 받는 유효 Delta 농도($D_{in}$)는 정단 이웃($\alpha_a$)과 필로포디아 매개 이웃($\alpha_b$)의 기여도를 가중 합산한 값이다.
2. 필로포디아 역동성 모델: 기존의 확률적 접근 방식과 달리, 본 연구는 액틴 중합(돌출)과 마이오신 매개 수축(수축)에 의해 구동되는 미분 방정식을 사용하여 필로포디아 길이($L$) 역동성을 모델링한다. 돌출 속도($V_p$)는 Mogilner의 액틴 다발 역학 모델을 바탕으로 하며, 돌출 단계에서의 지속적인 조립, 정지 단계에서의 축소된 조립, 그리고 수축 단계에서의 지수적 감소라는 뚜렷한 단계들을 포함하도록 수정되었다. 수축 속도($V_r$)는 마이오신 인장력, 막 긴장도 및 항력의 함수로 모델링된다.
3. 기하학적 구현:
   • 조직 기하학: 세포는 정사각형 격자에 배치된 육각형으로 모델링된다.
   • 교차 기준: 서로 다른 세포로부터 나온 두 필로포디아가 물리적으로 교차하는지 결정하기 위해 결정론적 기하학적 기준을 설정하였다. 이는 필로포디아의 기저 좌표와 방향 벡터를 기반으로 선형 방정식 시스템을 푸는 과정을 포함한다. 교차하는 필로포디아만이 장거리 신호 전달에 기여한다.
   • 방향성: 필로포디아의 방향은 무작위(정규 분포에서 샘플링) 또는 고정된 점을 향하도록 모델링된다.
4. 정량화 지표:
   • 상대적 감각 영역 (Relative Sensory Area, RSA): SOP 세포가 차지하는 조직의 전역적 비율.
   • 국소 감각 영역 (Local Sensory Area, LSA): SOP 세포의 국소적 공간 분포를 정량화하기 위해 도입된 새로운 지표이다. 각 SOP 세포에 대해, LSA는 정의된 반경 내의 이웃 SOP 세포 밀도를 측정하여, RSA가 놓칠 수 있는 클러스터링(clustering)과 균일성을 포착한다.
5. 보정 및 시뮬레이션: 모델은 초파리의 실험 데이터, 특히 세포 운명 결정(SOP 대 상피 세포)을 위한 Notch 리포터 발현 수준을 사용하여 보정되었다. Hill 계수와 신호 가중치는 실험적 브리스틀 밀도 및 수렴 시간을 맞추기 위해 추정되었다. 시뮬레이션은 느린 Notch–Delta 타임 스텝 내에서 빠른 필로포디아 역동성을 빈번하게 해결하는 다중 타임스텝 방식을 사용한다.
6. 소프트웨어 도구: 비전문가도 시뮬레이션을 실행할 수 있도록 그래픽 사용자 인터페이스(GUI), 명령줄 인터페이스(CLI) 및 API를 갖춘 Python 라이库리를 개발하였다.

주요 기여

• 동적 필로포디아 모델: 이전의 휴리스틱한 턴오버 가정을 대체하여, 돌출, 정지, 수축 주기를 명시적으로 포착하는 결정론적 필로포디아 길이 역동성 모델을 도입하였다.
• 기하학적 교차 기준: 필로포디아 간의 물리적 교차를 결정하는 엄격한 수학적 조건을 확립하여, 확률적 가정 대신 실제 접촉에 기반한 더 정확한 장거리 신호 강도 계산을 가능하게 하였다.
• 국소 감각 영역 (LSA): 국소적 SOP 간격을 특징짓기 위한 지표로 LSA를 제안하여, RSA와 같은 전역적 측도가 감지하지 못하는 공간적 조직화에 대한 통찰을 제공하였다.
• 데이터 기반 보정: 야생형 패턴을 재현하는 Notch 발현 임계치(세포 운명 결정용)를 확립하고, Hill 계수($h, k$) 및 신호 가중치($\alpha_a, \alpha_b$)를 추정하였다.
• 접근 가능한 시뮬레이션 플랫폼: 복잡한 Notch–Delta 및 필로포디아 역동성을 심도 있는 계산 전문 지식 없이도 탐구할 수 있는 사용자 친화적인 소프트웨어 도구인 SOPSim을 공개하였다.

결과

• 패턴 재현: 확장된 모델은 야생형 조직에서 관찰되는 정교한 SOP 패턴을 성공적으로 재현하였으며, 이는 필로포디아를 통한 장거리 통신이 필수적임을 확인시켜 준다.
• 매개변수 민감도:
  • Hill 계수: 최적의 패턴은 이전 문헌의 값들과 달리, 필로포디아 역동성의 명시적 포함으로 인해 $h, k \geq 8$ (구체적으로 $h=k=9$)인 경우에 발견되었다.
  • 신호 가중치: 이전에 사용된 가중치($\alpha_a = \alpha_b = 0.1$)는 새로운 역동적 모델에서도 적절한 것으로 나타났다.
  • 필로포디아 길이 및 수명: G-actin의 기저 농도를 높여(더 긴 필로포디아 유도) 필로포디아 수명을 늘리면, 더 성긴(sparser) 조직화된 SOP 패턴(낮은 RSA 및 LSA)이 나타났다. 긴 필로포디아는 더 강력한 장거리 측면 억제를 촉진한다.
  • 방향성: 무작위 방향의 필로포디아는 고정된 점을 향하는 필로포디아에 비해 현저히 성긴 패턴을 생성했다. 방향성이 있는 필로포디아는 장거리 접촉을 줄여 장거리 신호 전달을 약화시키고, 결과적으로 더 밀집된 SOP 클러스터를 형성했다.
• 수렴: 모델은 생물학적으로 유의미한 시간대(1224시간) 내에 안정적인 패턴으로 자연스럽게 수렴한다. 연구는 실험적 관찰과 일치하는 12001500분 부근에서 세포 전환 역동성의 국소 최솟값을 식별하였다.
• 역동성: 시뮬레이션은 SOP 세포가 시간이 지남에 따라 Notch 발현을 감소시키는 반면 상피 세포는 이를 증가시킨다는 실험적 관찰을 재현하였다. 필로포디아의 역동적인 특성으로 인해 필로포디아로부터 오는 유효 Delta 신호는 변동을 보였다.

의의
본 논문은 명시적이고 동적인 필로포디아 행동과 결정론적 교차 기준을 통합함으로써, 기존 프레임워크보다 생체 내 상호작용에 더 가까운 근사치를 제공한다고 주장한다. 본 연구는 필로포디아의 길이가 SOP 간격을 결정하는 주요 요인이며, 연장된 정지 시간이 패턴 정교화에 기여하는 바는 미미하다는 것을 입증한다. LSA 지표의 도입은 조직 조직화를 특징짓는 더 강력한 방법론을 제공한다. 마지막으로, SOPSim의 가용성은 연구자들이 고급 계산 기술 없이도 유전적 섭동 및 매개변수 변화의 효과를 탐구할 수 있게 함으로써, 세포 운명 결정 및 조직 재생의 메커니즘에 대한 추가적인 조사를 용이하게 한다.