Single-cell-level distributions and relationships can differentiate cell-division and growth models

Technische Samenvatting: Verdelingen en relaties op enkelvoudig celniveau kunnen celverdelings- en groeimodellen differentiëren

Probleemstelling
Het begrijpen van de regulerende mechanismen die de bacteriële celgroei en -deling beheersen, is fundamenteel voor de microbiologie en biotechnologie. Hoewel het vaststaat dat celdeling specifieke strategieën volgt—historisch gecategoriseerd als Timer (deling op basis van leeftijd), Sizer (deling op basis van kritieke grootte) of Adder (deling na het toevoegen van een constante biomassa)—blijft het onderscheiden tussen deze modellen en het identificeren van het onderliggende enkelvoudige celgroeiparadigma (lineair versus exponentieel) een uitdaging. Bestaande methoden vertrouwen primair op correlaties tussen fysiologische grootheden (geboortegrootte, delingsgrootte, delingstijd en toegevoegde delingsgrootte). Deze correlaties zijn echter vaak afgeleid onder geïdealiseerde aannames (bijv. symmetrische, niet-stochastische verdeling en deterministische groeisnelheden). Bovendien lijden experimentele gegevens vaak aan onvoldoende precisie om groeitypen direct te bepalen, wat indirecte differentiatie noodzakelijk maakt. De auteurs adresseren de behoefte aan een uitgebreid analytisch kader dat rekening houdt met stochastische groeisnelheden, asymmetrische verdeling en lineage-autocorrelaties om tussen delings- en groeimodellen te differentiëren.

Methodologie
De studie maakt gebruik van een grofmazige analytische benadering om waarschijnlijkheidsverdelingen en statistische relaties voor enkelvoudige celgrootheden af te leiden. Het model is gebouwd op drie vrij-parameter verdelingen:

1. Principale Verdeling: Bepaalt de delingsregel (delingstijd $\tau_d$ voor Timer, delingsgrootte $s_d$ voor Sizer, of toegevoegde delingsgrootte $\Delta_d$ voor Adder).
2. Groeisnelheid-verdeling ($\Lambda(\alpha)$): Houdt rekening met de stochastiek in groeisnelheden binnen een lineage.
3. Verdelingsfractie-verdeling ($\kappa(\beta)$): Houdt rekening met de stochastiek en asymmetrie in de overerving van grootte door dochtercellen.

Met behulp van waarschijnlijkheidstransformaties en statistische argumenten (gedetailleerd in Bijlagen A en B), leiden de auteurs analytisch de verdelingen af voor alle andere enkelvoudige celgrootheden ($s_b, s_d, \tau_d, \Delta_d$) voor zowel Sizer- als Adder-modellen onder lineaire en exponentiële groeiregimes. Het Timer-model wordt uitgesloten van de primaire analyse van homeostase onder exponentiële groei, omdat het de stabiliteit van de grootte niet kan handhaven zonder fijn afgestelde parameters.

De analytische resultaten worden gevalideerd tegen gepubliceerde experimentele gegevens uit microfluïdische studies (Mother Machine-opstellingen) betreffende Escherichia coli en Mycobacterium tuberculosis. De auteurs passen Johnson-familieverdelingen toe op de experimentele gegevens voor de vrije parameters en vergelijken de resulterende analytische voorspellingen voor enkelvoudige celverdelingen en statistische relaties met de experimentele observaties.

Kernbijdragen

1. Uitbreiding naar Stochastiek en Asymmetrie: De studie breidt bestaande correlatie-gebaseerde differentiemethoden uit door rekening te houden met stochastische groeisnelheden en asymmetrische, stochastische verdeling, wat een biologisch realistischer kader biedt.
2. Analytische Verdelingen: De auteurs bieden gesloten vorm analytische expressies voor de waarschijnlijkheidsverdelingen van geboortegrootte, delingsgrootte, delingstijd en toegevoegde delingsgrootte voor Sizer- en Adder-modellen onder zowel lineaire als exponentiële groei.
3. Statistische Relaties: Het artikel leidt specifieke relaties af tussen de gemiddelden, standaarddeviaties en variatiecoëfficiënten van deze grootheden. Cruciaal is dat zij identificeren dat terwijl gemiddelde-gebaseerde relaties vaak universeel zijn over modellen heen, relaties die betrekking hebben op standaarddeviaties en correlaties uniek kunnen differentiëren tussen delingsmodellen (Sizer versus Adder) en groeitypen (lineair versus exponentieel).
4. Robuustheid tegen Autocorrelaties: De analyse toont aan dat de afgeleide resultaten geldig blijven, zelfs wanneer de groeisnelheid van een cel gecorreleerd is met de groeisnelheden van zijn voorouders (lineage-autocorrelatie), een fenomeen dat in recente experimentele gegevens is waargenomen.

Resultaten

• Differentiatie via Verdelingen: Door de analytische voorspellingen te vergelijken met experimentele gegevens van E. coli (bij 25°C, 27°C en 37°C) en M. tuberculosis, vonden de auteurs dat het exponentiële Adder-model de beste overeenstemming bood met de geobserveerde verdelingen van enkelvoudige celgrootheden. Het Sizer-model en de lineaire groeimodellen vertoonden een minder goede fit.
• Differentiatie via Standaarddeviaties: De relatie tussen de standaarddeviatie van de toegevoegde delingsgrootte ($\sigma_{\Delta_d}$) en de delingsgrootte ($\sigma_{s_d}$) slaagde erin om tussen Sizer- en Adder-modellen te differentiëren. Experimentele datapunten clusterden dichter bij de Adder-voorspelling.
• Differentiatie via Correlaties: De correlatie tussen delingstijd ($\tau_d$) en geboortegrootte ($s_b$) bleek afhankelijk te zijn van zowel het delingsmodel als het groeitype. Experimentele correlaties voor E. coli stemden het beste overeen met het exponentiële Adder-model.
• Ambiguïteit in Groeitype: Voor M. tuberculosis suggereerden de gegevens een Adder-delingsstrategie, maar de distinctie tussen lineaire en exponentiële groei was minder duidelijk, waarbij beide modellen de gegevens vergelijkbaar goed pasten.
• Homeostase: De studie bevestigt dat Sizer- en Adder-modellen van nature celgrootte-homeostase handhaven, terwijl het Timer-model onder exponentiële groei over het algemeen geen homeostase handhaaft zonder perfect afgestelde parameters, wat leidt tot divergentie in geboortegrootte over generaties.

Betekenis
Het artikel stelt dat verdelingen op enkelvoudig celniveau en de statistische relaties daartussen krachtige instrumenten zijn om niet alleen te differentiëren tussen celdelingsstrategieën (Sizer versus Adder), maar ook tussen enkelvoudige celgroeiparadigma's (lineair versus exponentieel). Deze capaciteit stelt onderzoekers in staat om de onderliggende regulerende mechanismen die de celgrootte en -deling in diverse microbiële soorten beheersen te lokaliseren, zonder dat zij direct de specifieke moleculaire netwerken hoeven te ontrafelen. De bevindingen helpen bij het identificeren van evolutionaire strategieën of beperkingen in verschillende soorten en bieden een robuuste analytische basis voor het interpreteren van enkelvoudige cel experimentele gegevens, zelfs in aanwezigheid van stochastiek en lineage-correlaties. De auteurs merken op dat hoewel hun grofmazige benadering robuust is tegen moleculaire details, toekomstig werk deze analyses kan uitbreiden naar gemengde of complexere groeimodellen (bijv. bilaire of super-exponentiële groei) om de overeenstemming met experimentele gegevens verder te verbeteren.