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

Resumo Técnico: Distribuições e relações em nível de célula única podem diferenciar modelos de divisão e crescimento celular

Definição do Problema
Compreender os mecanismos regulatórios que governam o crescimento e a divisão celular bacteriana é fundamental para a microbiologia e a biotecnologia. Embora esteja estabelecido que a divisão celular segue estratégias específicas — historicamente categorizadas como Timer (divisão por idade), Sizer (divisão por tamanho crítico) ou Adder (divisão após a adição de uma biomassa constante) — distinguir entre esses modelos e identificar o paradigma de crescimento de célula única subjacente (linear vs. exponencial) permanece um desafio. Os métodos existentes baseiam-se principalmente em correlações entre quantidades fisiológicas (tamanho ao nascimento, tamanho na divisão, tempo de divisão e tamanho adicionado na divisão). No entanto, essas correlações são frequentemente derivadas sob pressupostos idealizados (ex: partição simétrica, não estocástica e taxas de crescimento determinísticas). Além disso, os dados experimentais muitas vezes sofrem de precisão insuficiente para determinar diretamente os tipos de crescimento, necessitando de métodos de diferenciação indiretos. Os autores abordam a necessidade de um arcabouço analítico abrangente que considere taxas de crescimento estocásticas, partição assimétrica e autocorrelações de linhagem para diferenciar robustamente entre modelos de divisão e de crescimento.

Metodologia
O estudo emprega uma abordagem analítica de grão grosso para derivar distribuições de probabilidade e relações estatísticas para quantidades de célula única. O modelo é construído sobre três distribuições de parâmetros livres:

1. Distribuição Principal: Determina a regra de divisão (tempo de divisão $\tau_d$ para Timer, tamanho na divisão $s_d$ para Sizer, ou tamanho adicionado na divisão $\Delta_d$ para Adder).
2. Distribuição da Taxa de Crescimento ($\Lambda(\alpha)$): Contabiliza a estocasticidade nas taxas de crescimento ao longo de uma linhagem.
3. Distribuição da Fração de Partição ($\kappa(\beta)$): Contabiliza a estocasticidade e a assimetria na herança do tamanho pelas células filhas.

Usando transformações de probabilidade e argumentos estatísticos (detalhados nos Apêndices A e B), os autores derivam analiticamente as distribuições para todas as outras quantidades de célula única ($s_b, s_d, \tau_d, \Delta_d$) para os modelos Sizer e Adder sob regimes de crescimento linear e exponencial. O modelo Timer é excluído da análise primária de homeostase sob crescimento exponencial, pois falha em manter a estabilidade do tamanho sem parâmetros finamente ajustados.

Os resultados analíticos são validados contra dados experimentais publicados de estudos microfluídicos (configurações de Mother Machine) envolvendo Escherichia coli e Mycobacterium tuberculosis. Os autores ajustam distribuições da família Johnson aos dados experimentais para os parâmetros livres e comparam as previsões analíticas resultantes para distribuições de célula única e relações estatísticas com as observações experimentais.

Principais Contribuições

1. Extensão à Estocasticidade e Assimetria: O estudo estende os métodos de diferenciação baseados em correlação existentes para incluir taxas de crescimento estocásticas e partição estocástica e assimétrica, fornecendo um arcabouço biologicamente mais realista.
2. Distribuições Analíticas: Os autores fornecem expressões analíticas de forma fechada para as distribuições de probabilidade de tamanho ao nascimento, tamanho na divisão, tempo de divisão e tamanho adicionado na divisão para os modelos Sizer e Adder sob crescimento linear e exponencial.
3. Relações Estatísticas: O artigo deriva relações específicas entre as médias, desvios padrão e coeficientes de variação dessas quantidades. Crucialmente, identifica que, enquanto as relações baseadas na média são frequentemente universais entre os modelos, as relações envolvendo desvios padrão e correlações podem distinguir unicamente entre modelos de divisão (Sizer vs. Adder) e tipos de crescimento (linear vs. exponencial).
4. Robustez a Autocorrelações: A análise demonstra que os resultados derivados permanecem válidos mesmo quando a taxa de crescimento de uma célula está correlacionada com as taxas de crescimento de seus ancestrais (autocorrelação de linhagem), um fenômeno observado em dados experimentais recentes.

Resultados

• Diferenciação via Distribuições: Ao comparar as previsões analíticas com dados experimentais de E. coli (a 25°C, 27°C e 37°C) e M. tuberculosis, os autores descobriram que o modelo Adder exponencial apresentou a concordância mais próxima com as distribuições observadas das quantidades de célula única. O modelo Sizer e os modelos de crescimento linear mostraram ajustes inferiores.
• Diferenciação via Desvios Padrão: A relação entre o desvio padrão do tamanho adicionado na divisão ($\sigma_{\Delta_d}$) e o tamanho na divisão ($\sigma_{s_d}$) distinguiu com sucesso entre os modelos Sizer e Adder. Os pontos de dados experimentais agruparam-se mais próximos da previsão do modelo Adder.
• Diferenciação via Correlações: A correlação entre o tempo de divisão ($\tau_d$) e o tamanho ao nascimento ($s_b$) mostrou-se dependente tanto do modelo de divisão quanto do tipo de crescimento. As correlações experimentais para E. coli alinharam-se melhor com o modelo Adder exponencial.
• Ambiguidade do Tipo de Crescimento: Para M. tuberculosis, os dados sugeriram uma estratégia de divisão Adder, mas a distinção entre crescimento linear e exponencial foi menos clara, com ambos os modelos se ajustando de forma semelhante aos dados.
• Homeostase: O estudo confirma que os modelos Sizer e Adder mantêm naturalmente a homeostase do tamanho celular, enquanto o modelo Timer geralmente não o faz sob crescimento exponencial, a menos que os parâmetros sejam perfeitamente ajustados, levando à divergência no tamanho ao nascimento ao longo das gerações.

Significância
O artigo afirma que as distribuições em nível de célula única e as relações estatísticas entre elas servem como ferramentas poderosas para diferenciar não apenas entre estratégias de divisão celular (Sizer vs. Adder), mas também entre paradigmas de crescimento de célula única (linear vs. exponencial). Essa capacidade permite que pesquisadores identifiquem os mecanismos regulatórios subjacentes que controlam o tamanho e a divisão celular em várias espécies microbianas sem a necessidade de resolver imediatamente as redes moleculares específicas. As descobertas auxiliam na identificação de estratégias evolutivas ou restrições em diferentes espécies e fornecem uma base analítica robusta para interpretar dados experimentais de célula única, mesmo na presença de estocasticidade e correlações de linhagem. Os autores observam que, embora sua abordagem de grão grosso seja robusta às propriedades moleculares, trabalhos futuros poderiam estender estas análises para modelos de crescimento mistos ou mais complexos (ex: bilinear ou super-exponencial) para melhorar ainda mais o ajuste com os dados experimentais.