Calibración de modelos de PDE a nivel de tejido de la dinámica de ligandos utilizando datos de transcriptómica...

Área de la Ciencia:

• Biología Computacional
• Biología de Sistemas
• Biología Molecular

Sus antecedentes:

• La comunicación celular a través de la señalización mediada por ligandos es crucial para los procesos fisiológicos.
• Los modelos de reacción-difusión describen la dinámica de los ligandos, pero carecen de una calibración robusta de parámetros debido a datos limitados del microambiente.
• La integración de diversos datos biológicos en modelos mecanicistas sigue siendo un desafío.

Objetivo del estudio:

• Desarrollar un pipeline computacional para la calibración de modelos de reacción-difusión utilizando datos de transcriptómica.
• Aprovechar la secuenciación de ARN de células únicas y la transcriptómica espacial para la inferencia de parámetros de modelos a escala de tejido.
• Proporcionar un marco unificado para la integración de datos modernos de transcriptómica en modelos mecanicistas.

Principales métodos:

• Desarrollo de un pipeline computacional que integra solucionadores de volumen finito, preprocesamiento bioinformático, computación bayesiana aproximada (ABC) y optimización basada en gradientes.
• Utilización de conjuntos de datos de piel humana de código abierto para estudios de caso.
• Calibración de parámetros para isoformas del Factor de Crecimiento Transformante Beta.

Principales resultados:

• Se calibraron con éxito los parámetros que rigen las isoformas del Factor de Crecimiento Transformante Beta en la piel humana.
• Se compararon los campos de concentración espacial inferidos con las distribuciones locales de tipos celulares.
• La evaluación comparativa en conjuntos de datos sintéticos demostró la precisión y los beneficios de combinar ABC con optimización basada en gradientes.

Conclusiones:

• La secuenciación de ARN de células únicas y la transcriptómica espacial ofrecen una rica fuente de datos para la calibración de modelos mecanicistas a escala de tejido.
• El pipeline desarrollado proporciona un enfoque flexible y riguroso para la inferencia de parámetros.
• Este método mejora nuestra capacidad para modelar la comunicación celular y la dinámica tisular.