No processo de desenvolvimento embrionário, as células assumem formas e funções complexas . Padrões emergem de grupos de células, dando forma, função e integridade aos tecidos biológicos. É um processo complexo que não é bem compreendido. 

Um novo estudo, liderado pelo Prof. Yimin Luo apresenta novos métodos para obter uma imagem mais clara da dinâmica celular em jogo, o que poderia fornecer uma melhor compreensão de muitos processos de desenvolvimento, bem como de como as células cancerígenas invadem os tecidos. Os resultados são publicados na  PRX Life .

As células são uma forma de matéria ativa – isto é, um sistema de agentes individuais que interagem entre si e consomem energia do ambiente, mas coletivamente formam uma estrutura muito maior. É uma categoria que inclui uma ampla gama de sistema

s biológicos, como bandos de pássaros, cardumes de peixes, monocamadas de células, colônias de bactérias e outros, todos exibindo fenômenos intrigantes. Mas há uma grande diferença na forma como os diferentes sistemas de matéria ativa se comportam. Quanto menores as coisas ficam, mais misteriosas elas se tornam. Ao contrário dos bandos de pássaros ou cardumes de peixes, é muito mais difícil prever os padrões das células. Embora os padrões de bandos de pássaros possam ser delineados claramente, as trajetórias das células são facilmente confundidas pelas forças em seus ambientes. 

“Quando as coisas são muito menores, elas estão sujeitas a flutuações mais aleatórias”, disse Luo, professor assistente de engenharia mecânica e ciência dos materiais. “Quando você tenta identificar movimentos celulares, geralmente faz isso no microscópio. Essas interações são extremamente complexas porque as células se deformam e então têm interações bioquímicas com outras células, e se movem muito lentamente.” 

Essa é apenas uma complicação. Outra é o grande número de células que o laboratório de Luo está observando e criando imagens.  

“A maioria das pessoas imagina cerca de algumas centenas, enquanto nós fazemos alguns milhares”, disse ela. “Então a segunda maldição e bênção é que se você tiver muitas observações, poderá de alguma forma compensar a incerteza em sua observação. Tecnicamente, quanto mais você observa, mais você consegue isolar o sinal do ruído.” 

Mas calibrar seu modelo com um conjunto de dados extremamente grande é muito difícil, disse Luo.  

As células se alinham para formar tecidos principalmente quando atingem uma densidade muito alta. Para modelar isso com precisão, os pesquisadores precisam levar em consideração tanto as interações célula a célula quanto a influência dos ambientes circundantes. Para fazer isso, Luo e sua equipe desenvolveram um procedimento híbrido que combina abordagens de aprendizagem estatística com modelos baseados em física. O resultado é um método mais eficiente que evita testar todas as combinações de recursos por meio de simulações. 

“Criamos esta abordagem em que usamos uma forma baseada em dados para selecionar recursos, chamada análise exploratória de dados (EDA)”, disse ela, acrescentando que o processo está em uso há décadas. “Com o EDA, você trabalha com os dados para ver o que eles dizem e depois tenta implementar isso em um modelo.”

Ao incluir computacionalmente características-chave do comportamento das células, como certas flutuações e tipos específicos de interações entre células, os pesquisadores podem calibrar com mais precisão seus modelos baseados na física. Além disso, as ferramentas computacionais desenvolvidas para automatizar a construção e calibração de modelos podem ser aplicadas a outros sistemas de matéria ativa.

“É uma estrutura muito geral”, disse ela. “É uma abordagem mais flexível do que os modelos baseados na física, mas mais racional e menos trabalhosa do que uma abordagem puramente baseada em dados.”

Os outros autores do estudo são Mengyang Gu e Xinyi Fang.