EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Cell-mechanical parameter estimation from 1D cell trajectories using simulation-based inference

Schätzung zellmechanischer Parameter aus 1D-Zelltrajektorien mit simulationbasierter Inferenz

Johannes C J Heyn iD, Miguel Atienza Juanatey, Martin Falcke iD, Joachim O Rädler iD

PLOS One · 18.06.2025 · 20 (6) · e0310669

DOI: 10.1371/journal.pone.0310669 ↗

Auf einen Blick

Simulation-based Inference wurde auf 1D-Einzelzelltrajektorien angewandt und konnte Merkmale der Zellmigration für MCF-10A und MDA-MB-231 unterscheiden. Auch die Effekte von Latrunculin A und Y-27632 wurden erfasst.

Fragestellung

Kann simulation-based Inference zelltypspezifische Modellparameter aus 1D-Zelltrajektorien schätzen?

Methode

Bayesianische simulation-based Inference mit einem tiefen neuronalen Dichte-Schätzer auf simulierten Trajektorien aus einem veröffentlichten mechanischen Modell.

Ergebnisse

Automatisierte Zeitraffer- und Bilderkennung lieferten große Datensätze 1D-Einzelzelltrajektorien. Das trainierte Netzwerk inferierte Wahrscheinlichkeitsverteilungen begrenzter Modellparameter zu den experimentellen Trajektorien.

Schlussfolgerung der Autor:innen

Die Autoren schließen, dass der SBI-Ansatz Eigenschaften nicht-kanzeröser und kanzeröser Brustepithelzelllinien unterscheiden und Effekte von Inhibitoren ohne Vorwissen aufdecken kann.

Kernaussagen

  • SBI analysierte 1D-Einzelzelltrajektorien
  • MCF-10A und MDA-MB-231 wurden unterschieden
  • Effekte von Latrunculin A und Y-27632 wurden sichtbar

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift PLOS One, online erschienen am 18.06.2025. Verfasst von Johannes C J Heyn und 3 weiteren Autor:innen. Beteiligte Einrichtung: Fakultät für Physik, Ludwig-Maximilians-Universität München (LMU), Munich, Germany. Hauptthemen laut MEDLINE: Cell Movement, Models, Biological. Die Arbeit wurde bisher 3-mal zitiert (Crossref) und nennt 63 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Deutsche Forschungsgemeinschaft.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Trajectories of motile cells represent a rich source of data that provide insights into the mechanisms of cell migration via mathematical modeling and statistical analysis. However, mechanistic models require cell type dependent parameter estimation, which in case of computational simulation is technically challenging due to the nonlinear and inherently stochastic nature of the models. Here, we employ simulation-based inference (SBI) to estimate cell specific model parameters from cell trajectories based on Bayesian inference. Using automated time-lapse image acquisition and image recognition large sets of 1D single cell trajectories are recorded from cells migrating on microfabricated lanes. A deep neural density estimator is trained via simulated trajectories generated from a previously published mechanical model of cell migration. The trained neural network in turn is used to infer the probability distribution of a limited number of model parameters that correspond to the experimental trajectories. Our results demonstrate the efficacy of SBI in discerning properties specific to non-cancerous breast epithelial cell line MCF-10A and cancerous breast epithelial cell line MDA-MB-231. Moreover, SBI is capable of unveiling the impact of inhibitors Latrunculin A and Y-27632 on the relevant elements in the model without prior knowledge of the effect of inhibitors. The proposed approach of SBI based data analysis combined with a standardized migration platform opens new avenues for the installation of cell motility libraries, including cytoskeleton drug efficacies, and may play a role in the evaluation of refined models.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Cell MovementModels, BiologicalHumansComputer SimulationBayes TheoremCell Line, TumorNeural Networks, ComputerTime-Lapse ImagingThiazolidinesBridged Bicyclo Compounds, HeterocyclicAmidesPyridines

Substanzen

latrunculin AThiazolidinesBridged Bicyclo Compounds, HeterocyclicAmidesPyridinesY 27632

Autor:innen und Institutionen

  • Fakultät für Physik, Ludwig-Maximilians-Universität München (LMU), Munich, Germany.
  • Max Delbrück Center for Molecular Medicine in The Helmholtz Association, Berlin, Germany.

ORCID-Profile: Johannes C J Heyn, Martin Falcke, Joachim O Rädler

Förderung

  • Deutsche Forschungsgemeinschaft

Zitieren

APA

Heyn, J. C. J., Atienza Juanatey, M., Falcke, M., & Rädler, J. O. (2025). Cell-mechanical parameter estimation from 1D cell trajectories using simulation-based inference. PLOS One, 20(6), e0310669. https://doi.org/10.1371/journal.pone.0310669

Vancouver

Heyn JCJ, Atienza Juanatey M, Falcke M, Rädler JO. Cell-mechanical parameter estimation from 1D cell trajectories using simulation-based inference. PLOS One. 2025;20(6):e0310669. doi:10.1371/journal.pone.0310669

BibTeX
@article{Heyn2025,
  author = {Heyn, Johannes C J and Atienza Juanatey, Miguel and Falcke, Martin and Rädler, Joachim O},
  title = {Cell-mechanical parameter estimation from 1D cell trajectories using simulation-based inference},
  journal = {PLOS One},
  year = {2025},
  volume = {20},
  number = {6},
  pages = {e0310669},
  doi = {10.1371/journal.pone.0310669}
}
Kostenlos starten →