Spatially Resolved Reaction-Diffusion Modeling Reveals Effects of Intracellular Spatial Heterogeneity on Yeast Galactose Network Dynamics

Dit onderzoek toont aan dat het integreren van realistische driedimensionale celarchitectuur en ruimtelijke heterogeniteit in modellen van het gist-galactosenetwerk de voorspelde regulatiedynamiek aanzienlijk verandert, wat de noodzaak benadrukt om ruimtelijke organisatie in toekomstige whole-cell-modellen op te nemen.

De kern

De Galactose-Switch: Waarom de Ruimte in een Cel Net zo Belangrijk is als de Regels

Stel je een eukaryotische cel (zoals een gistcel) voor als een enorme, drukke stad. In deze stad wonen miljarden kleine werknemers (moleculen) die taken uitvoeren: ze bouwen, vervoeren en communiceren.

Voor decennia hebben wetenschappers computersimulaties gemaakt om te begrijpen hoe deze stad werkt. Maar ze maakten een grote fout: ze behandelden de cel alsof het een grote, lege, goed gemengde soep was. Alsof alle werknemers overal tegelijk waren en direct met elkaar konden praten, ongeacht waar ze zich bevonden.

In dit nieuwe onderzoek kijken de auteurs, Tianyu Wu en zijn team, eens kritisch naar die "soep". Ze zeggen: "Wacht even, een cel is geen soep. Het is een dichtbebouwde stad met straten, gebouwen en specifieke wijken." Ze hebben een nieuwe, realistische simulatie gemaakt van de "galactose-switch" in gist (een mechanisme dat de cel gebruikt om suiker op te nemen) en kijken wat er gebeurt als je de echte ruimtelijke indeling meeneemt.

Hier is wat ze ontdekten, vertaald in alledaagse taal:

1. De "Soep" vs. De "Stad" (De Basis)

In de oude modellen (de soep) konden alle moleculen direct met elkaar praten. In hun nieuwe model (de stad) moeten moleculen eerst reizen om elkaar te vinden.

• Het resultaat: Omdat het reizen tijd kost, gebeurde er iets verrassends. De cel werd sneller wakker voor suiker dan verwacht.
• De analogie: Stel je voor dat een burgemeester (een repressor) een bericht moet geven aan een fabriek (een gen). In de "soep" zit de burgemeester direct naast de fabriek en roept het bericht direct. In de "stad" moet de burgemeester door de drukke straten lopen. Soms is hij te laat of verdwaalt hij. Hierdoor blijft de fabriek soms langer open dan gepland, waardoor de suikeropname sneller op gang komt.

2. De Straatindeling (Chromosomen)

De wetenschappers dachten: "Misschien maakt het uit waar de fabrieken (genen) precies staan in de stad? Als ze in een drukke wijk zitten, is het misschien lastiger om ze te bereiken."

• Het resultaat: Het bleek niet uit te maken. Of de fabriek nu in het centrum of aan de rand van de stad staat, de suikeropname bleef hetzelfde.
• De analogie: Het is alsof je zegt: "Het maakt niet uit of de postkantoor in de binnenstad of in de buitenwijk zit; de postbode is gewoon te snel om het verschil te merken." De straten (het binnenste van de cel) waren niet druk genoeg om het verkeer echt te blokkeren.

3. De Speciale Werkplaats (Het Endoplasmatisch Reticulum)

Hier wordt het interessant. Sommige producten (zoals de suikertransporteur Gal2p) moeten in een speciale fabriek worden gebouwd: het Endoplasmatisch Reticulum (ER). Dit is een soort ingewikkeld labyrint van buizen en muren in de cel.

• Het resultaat: Toen ze dit labyrint in de simulatie toevoegden, werd de productie van de suikertransporteur trager en minder efficiënt.
• De analogie: Stel je voor dat je een pakketje (eiwit) moet maken. In de oude modellen kon je het pakketje overal in de stad maken en direct naar de deur brengen. In het nieuwe model moet je het pakketje eerst naar een specifieke, afgelegen fabriek (het ER) sturen, daar laten bouwen, en dan weer terugsturen naar de deur. Dat kost tijd en energie. Hierdoor kwam er minder suikertransporteur op het juiste moment op de juiste plek.

4. De Ruzie om de Werkers (Ribosoom-concurrentie)

Tot slot keken ze naar de arbeiders zelf: de ribosomen (de machines die eiwitten bouwen). Er zijn er veel, maar niet oneindig veel.

• Het resultaat: Toen ze rekening hielden met de concurrentie (dat er duizenden andere taken zijn die ook arbeiders nodig hebben), daalde de productie van de suikertransporteur met ongeveer 50%.
• De analogie: Stel je voor dat je een groot feest wilt geven en je hebt 100 kokken. Je denkt: "We maken 100 taarten." Maar als je bedenkt dat die 100 kokken ook moeten koken voor 10.000 andere gasten, dan krijgen jouw taarten maar een heel klein deel van de aandacht. De "ruimte" voor je specifieke taak is er wel, maar de arbeiders zijn te druk met andere dingen.

Wat betekent dit voor de toekomst?

De boodschap van dit onderzoek is helder: Je kunt de regels van een cel niet begrijpen zonder de plattegrond.

Als je een computermodel maakt van een levende cel, en je negeert de ruimtelijke indeling (wie zit waar, en hoe ver moeten ze reizen), dan krijg je een onvolledig en soms verkeerd beeld.

• Soms werkt het sneller dan gedacht (door vertragingen in het reageren).
• Soms werkt het veel trager (door logistieke problemen en gebrek aan arbeiders).

Conclusie:
Deze studie is als het eerste keer dat we een 3D-stadsplattegrond gebruiken in plaats van een platte lijst met adressen om te voorspellen hoe een stad functioneert. Het laat zien dat in de complexe wereld van een cel, ruimte en locatie net zo belangrijk zijn als de chemische regels zelf. Voor de toekomstige "whole-cell" modellen (modellen van de hele cel) is het dus essentieel om deze ruimtelijke details mee te nemen, anders blijven we de stad verkeerd begrijpen.

Technische samenvatting

Probleemstelling

Eukaryotische cellen zijn ruimtelijk georganiseerd in functioneel onderscheiden compartimenten (zoals de kern, het endoplasmatisch reticulum en het cytosol). Deze driedimensionale organisatie creëert intracellulaire heterogeniteit die de regulatiedynamiek van moleculen beïnvloedt. Desondanks nemen de meeste kwantitatieve modellen voor genregulatie nog steeds een "goed gemengde" (well-mixed) omgeving aan, waarbij moleculen kunnen reageren ongeacht hun ruimtelijke positie. Dit negeert beperkingen in diffusie, lokale concentratiegradiënten en de specifieke interacties die afhankelijk zijn van de fysieke nabijheid van moleculen. De auteurs stellen dat dit leidt tot onnauwkeurige voorspellingen van biologische dynamica, vooral in complexe eukaryotische systemen.

Methodologie

De auteurs ontwikkelden een ruimtelijk opgelost hybride stochastisch-deterministisch model van het galactose-schakelsysteem (galactose switch) in de gist Saccharomyces cerevisiae.

1. Hybride Framework (RDME-ODE):

   • Stochastisch deel: Genexpressie (transcriptie, translatie, regulator-promotor interacties) en diffusie worden gemodelleerd met de Reaction-Diffusion Master Equation (RDME). Dit wordt opgelost met de software Lattice Microbes, waarbij het celvolume is opgedeeld in een rooster van subvolumes (voxels). Reacties vinden alleen plaats als moleculen in dezelfde voxel aanwezig zijn (lokaliteit).
   • Deterministisch deel: Metabolische processen (galactose-transport en -metabolisme) en transportprocessen worden gemodelleerd met Ordinary Differential Equations (ODEs).
   • Koppeling: De twee systemen communiceren periodiek (elke 1 seconde) om de toestanden en reactiesnelheden te synchroniseren.

2. Ruimtelijke Architectuur:
   Het model integreerde experimenteel afgeleide 3D-structuren:

   • Cryo-ET Geometrie: Gebaseerd op cryo-elektronentomografie werden de vormen van de celwand, plasmamembraan, kern, vacuole en mitochondriën gereconstrueerd.
   • Chromosoomorganisatie: Een statisch model van de 16 gist-chromosomen werd ingebouwd in de nucleoplasma.
   • Endoplasmatisch Reticulum (ER): Het ER werd gemodelleerd als drie subregio's (plasma-membraan-geassocieerd ER, tubulair ER en cisternaal ER) met specifieke geometrieën.
   • Ribosoomverdeling: Ribosomen werden niet uniform verdeeld, maar gespecificeerd als cytosolisch of gebonden aan het ER (voor translatie van membraaneiwitten zoals Gal2p).

3. Simulatie-omgeving:
   Vanwege de hoge rekenkosten van 3D-stochastische simulaties in eukaryote cellen, werd een multi-GPU-oplosser ontwikkeld. Dit verdeelde het simulatievolume over meerdere GPU's (A100/H100), wat de rekentijd van ongeveer 10 uur terugbracht tot 6 uur.

4. Experimentele Validatie:
   Het model werd getest tegen bestaande data (Ramsey et al. en Paulo et al.) en vergeleken met een conventioneel goed-gemengd model (CME-ODE).

Belangrijkste Bijdragen

• Implementatie van een hybride RDME-ODE solver: Een efficiënte methode om zowel stochastische genexpressie als deterministische metabolisme in een ruimtelijk context te simuleren.
• Integratie van experimentele 3D-architectuur: Voor het eerst werd een galactose-netwerkmodel gekoppeld aan realistische, cryo-ET-gebaseerde geometrieën van chromosomen en het ER.
• Kwantificering van ruimtelijke effecten: Systematische analyse van hoe specifieke ruimtelijke features (chromosoompositie, ER-geometrie, ribosoomcompetitie) de uitkomst van genregulatie veranderen.

Resultaten

De studie vergeleek vier modelvarianten: een basis ruimtelijk model, een model met chromosoomtopologie, een model met ER-geometrie, en een model met beperkte ribosoomcapaciteit (competitie).

1. Ruimtelijke beperkingen vs. Goed-gemengd model:
   Het ruimtelijk model toonde een vroegere activatie van het GAL2-gen en snellere accumulatie van het transporter-eiwit Gal2p en intracellulaire galactose in vergelijking met het goed-gemengde model. Dit komt doordat in ruimtelijke modellen de repressor (Gal80d) minder vaak het doelwit (het GAL2-locus) vindt door diffusiebeperkingen en lokale concentratie-effecten, wat de repressie vermindert.

2. Invloed van Chromosoomtopologie:
   Het expliciet modelleren van de positie van de chromosomen had geen significant effect op de dynamiek van Gal2p of de genactivatie. De dichtheid van de chromosomen in de kern was te laag om de diffusie van repressoren merkbaar te vertragen of de zoektijd voor het doelwit significant te beïnvloeden.

3. Invloed van ER-geometrie en Translatie:
   Het beperken van de translatie van GAL2-mRNA uitsluitend tot ribosomen gebonden aan het ER (zoals biologisch correct voor membraaneiwitten) had een groot effect:

   • Het verminderde de efficiëntie van translatie.
   • Het veroorzaakte een tijdelijke accumulatie van Gal2p in het ER-lumen.
   • Het leidde tot een vertraagde en verminderde levering van Gal2p aan het plasmamembraan.

4. Ribosoomcompetitie:
   Wanneer rekening werd gehouden met de concurrentie tussen GAL-mRNA en alle andere cel-mRNA's om een beperkt pool van ER-gebonden ribosomen, daalde de hoeveelheid Gal2p aan het membraan met ongeveer 50%. Dit resulteerde in een significante vermindering van de galactose-opname. De beschikbaarheid van ribosomen bleek een beperkende factor die de transcriptie-voordelen kon overrulen.

Significantie

Deze studie demonstreert dat realistische 3D-celarchitecturen en lokale reactieregels de voorspellingen van genregulatie kwalitatief kunnen veranderen.

• Het toont aan dat conventionele "well-mixed" modellen systematische fouten kunnen maken door ruimtelijke heterogeniteit te negeren.
• Het benadrukt dat voor eukaryotische systemen, waar organellen en ruimtelijke organisatie cruciaal zijn, toekomstige "whole-cell" modellen deze ruimtelijke aspecten moeten integreren om biologisch accurate voorspellingen te doen.
• De resultaten suggereren dat de fysieke locatie van translatie (ER-gebonden vs. cytosolisch) en de beschikbaarheid van translatieressourcen (ribosoomcompetitie) even belangrijk kunnen zijn als de genetische regulatie zelf voor het bepalen van de uiteindelijke eiwitniveaus en celrespons.

De auteurs concluderen dat hun werk een belangrijke eerste stap is naar het bouwen van een volledig ruimtelijk opgelost celmodel voor gist, en biedt een blauwdruk voor het integreren van structurele biologie en systeembiologie.