Predicting Macroscopic Axon Topology from Microscopic Kinematics: An Interactive Tracking and Random Walk Pipeline for Substrate-Dependent Cortical Neurospheres
Deze studie introduceert een interactieve tracking- en random walk-pipeline die gebruikmaakt van op grootte gecontroleerde corticale neurosferen om substraatafhankelijke axonale kinematica te kwantificeren, waarmee succesvol microscopische groeidynamiek wordt gekoppeld aan macroscopische netwerktopologie voor het voorspellen van circuitarchitectuur in vitro.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Het brein is een uitgestrekt netwerk van verbindingen, een uitgestrekte stad van cellen waar informatie reist via lange, dunne kabels die axonen worden genoemd. Om het brein te laten functioneren, moeten deze kabels van de ene cel naar de andere groeien, waarbij ze hun weg vinden over microscopische afstanden om de circuits op te bouwen die ons in staat stellen te denken, te bewegen en te voelen. Wetenschappers weten al lang dat het pad dat een axon aflegt niet willekeurig is; het wordt gestuurd door chemische signalen en de fysieke textuur van het oppervlak waarop het groeit. Het observeren van de groei van deze kleine kabels in een laboratoriumschaaltje was echter altijd een frustrerende puzzel geweest. In standaardexperimenten bewegen de cellichamen die deze axonen verankeren constant, als een persoon die probeert de lengte van een touw te meten terwijl hij achteruit loopt. Deze beweging maakt het bijna onmogelijk om te bepalen of het touw daadwerkelijk langer wordt of dat de persoon die het vasthoudt gewoon aan het drijven is. Bovendien, omdat deze cellen dicht op elkaar moeten zitten om te overleven, raken hun groeiende uiteinden vaak met elkaar verstrengeld, waardoor het moeilijk is om een enkel pad te volgen. Zonder een duidelijke manier om precies te meten hoe deze axonen bewegen en draaien, hebben onderzoekers moeite gehad om te voorspellen hoe een specifieke groep cellen zichzelf zal organiseren in een werkend circuit.
Om dit probleem op te lossen, richtte een team onderzoekers aan de Carnegie Mellon University zich op een ander soort laboratoriumopstelling. In plaats van individuele cellen verspreid over een schaaltje te zaaien, kweekten ze ze tot compacte, bolvormige clusters genaamd neurosferen. Stel je een kleine, dichte bal van cellen voor, ongeveer zo groot als een korrel zand, waarbij elk axon een vast startpunt heeft in het midden. Deze eenvoudige verandering elimineerde de verwarring van bewegende cellichamen, waardoor het team de axonen met perfecte helderheid naar buiten zag groeien. Ze plaatsten deze sferen op twee verschillende soorten oppervlakken: één die gecoat was met een basiskleverig eiwit genaamd poly-D-lysine, en een andere die datzelfde eiwit plus laminine bevatte, een stof die natuurlijk in het lichaam voorkomt en cellen helpt grip te krijgen. Door de groei gedurende meerdere dagen te filmen, konden de onderzoekers de reis van individuele axonen met hoge precisie volgen, waarbij ze exact maten hoe ver ze bewogen en hoe scherp ze draaiden.
Het team ontdekte dat het oppervlak waarop de axonen groeiden er significant toe deed, maar pas nadat er een bepaalde tijd was verstreken. In de eerste dag of zo nadat de sferen op de oppervlakken waren geplaatst, gedroegen de axonen op beide soorten coatings zich bijna identiek, waarbij ze met vergelijkbare snelheden groeiden en met een vergelijkbare frequentie draaiden. Echter, naarmate de cultuur volwassen werd, ontstond er een duidelijk verschil. Op het oppervlak met laminine begonnen de axonen sneller te groeien en bewogen ze in rechtere lijnen. Tijdens de tweede fase van het experiment bewogen de axonen op het laminine-oppervlak voort met een gemiddelde snelheid van 0,436 micrometer per minuut, wat merkbaar sneller was dan de 0,339 micrometer per minuut gezien op het basiskleverige oppervlak. Belangrijker nog, de axonen op het laminine-oppervlak draaiden minder vaak, wat suggereerde dat ze zekerder waren in hun richting. De onderzoekers deelden deze beweging op in drie verschillende gedragingen: vooruit bewegen, terugtrekken en zijwaarts dwalen. Ze vonden dat hoewel alle axonen de meeste tijd vooruit bewogen, de axonen op het laminine-oppervlak meer tijd besteedden aan het verkennen van de zijwaartse richting, een teken dat ze actief hun omgeving testten voordat ze zich vastlegden op een pad.
Om te begrijpen of deze microscopische bewegingen het grote plaatje konden verklaren, bouwden de onderzoekers een computermodel dat simuleerde hoe duizenden axonen zouden groeien op basis van de echte gegevens die ze hadden verzameld. Ze raadden niet alleen regels, maar programmeerden de computer om de exacte statistische patronen van snelheid en draaiing die ze in het lab hadden gemeten, na te bootsen. Toen ze de simulatie draalden, was het resultaat opmerkelijk. De virtuele axonen groeiden uit vanuit hun centrale sferen en vormden een netwerk dat bijna identiek was aan de echte netwerken die in de laboratoriumschaaltjes werden gezien. Het model voorspelde succesvol dat het laminine-oppervlak zou leiden tot een bredere, meer uitgebreide verspreiding van axonen vergeleken met het basisoppervlak. Dit bevestigde dat de kleine, willekeurige stappen van een enkel axon — hoe snel het beweegt en hoe vaak het draait — direct de grootschalige vorm van het gehele neurale netwerk bepalen.
Dit werk biedt een nieuwe manier om naar de opbouw van hersencircuits te kijken. Door een schone, gecontroleerde experiment te combineren met een gedetailleerd computermodel, lieten de onderzoekers zien dat het mogelijk is om de structuur van een neuraal netwerk te voorspellen door simpelweg de regels van individuele groei te begrijpen. De studie suggereert dat de fysieke omgeving een cruciale rol speelt bij het vormen van de bedrading van de hersenen, maar dat deze invloed tijd nodig heeft om zichtbaar te worden. De bevindingen bieden een krachtig instrument voor toekomstig onderzoek, waardoor wetenschappers in staat zijn om kunstmatige neurale circuits met specifieke vormen en verbindingen te ontwerpen, of om te testen hoe ziekten de groei van hersencellen kunnen veranderen. In plaats van te gokken hoe een netwerk zich zal vormen, kunnen onderzoekers nu deze metingen gebruiken om de uitkomst te voorspellen, waardoor het complexe mysterie van de hersenontwikkeling verandert in een voorspelbaar, engineering-vriendelijk proces.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.