Extracting rules of behavior in collective tumor cell systems
Final Report Abstract
Ziel dieses Projektes war die Erforschung möglicher Wechselwirkungen zwischen räumlich entfernten Zellen, wie sie prinzipiell durch Chemotaxis möglich sind. Insbesondere sollten automatische Methoden entwickelt werden, mit deren Hilfe die Existenz bzw. die Eigenschaften solcher Wechselwirkungen aus Zell-Trajektorien extrahiert werden können, die durch Einzelzell-Tracking aus Time-Lapse-Video-Aufzeichnungen gewonnen werden. Diese Methoden der 'Wechselwirkungs-Detektion' sollten zum einen auf gemischte Systeme von Immun- und Tumorzellen abgewendet werden, zwischen denen eine Räuber-Beute-Beziehung vermutet wird, zum anderen auf dichte, planare Kolonien aus Tumorzellen des gleichen Typs. Für die Evaluierung der zu entwickelnden Methoden wurde zunächst ein Software-Werkzeug zur realistischen Simulation von Multi-Zellsystemen geschaffen, mit dem verschiedene Strategien der chemotaktischen Wechselwirkung verglichen werden können. Hiermit haben wir einen ersten Ansatz der Wechselwirkungs-Detektion getestet, welcher auf Parameter-Inferenz beruht: Hierzu wird ein konkretes Modell der Zell-Migration und -Wechselwirkung definiert, und die Parameter dieses Modells werden durch Maximum-Likelihood-Optimierung an die gemessenen Zell- Trajektorien angepasst. Dieser Ansatz reproduziert zwar die korrekten Parameter, wenn künstliche Daten verwendet werden, die exakt mit dem bei der Inferenz angenommenen Modell erzeugt worden sind. Allerdings kann jede Art von Zell-Verhalten, welches qualitativ über das Inferenz-Modell hinaus geht, zu falschpositven oder falsch-negativen Wechselwirkungs-Detektionen führen. Unsere vielfältigen Tests deuten darauf hin, dass es sich hierbei um ein generelles Problem von inferenz-basierten Methoden handelt. Daher sind wir zu einem alternativen Ansatz übergegangen, in welchem die Wechselwirkungs-Detektion als statistischer Hypothesentest betrachtet wird: Hierzu betrachten wir jeweils eine bestimmte Immunzelle - im Kontext der umgebenden Tumorzellen - und berechnen für jeden ihrer Schritte einen 'p-Wert'. Dieser gibt die Wahrscheinlichkeit an, dass die betrachtete Zelle im Rahmen eines 'blinden' Random-Walks einen Schritt ausführen könnte, der mindestens so zielgerichtet ist wie der tatsächlich beobachtete. Durch Pooling über alle Zellen und Zeitschritte erhalten wir so eine Verteilung von p-Werten, die wir mit einem Ensemble von Referenz-Verteilungen vergleichen, in welchen die Positionen der Tumorzellen zufällig verändert sind. Mögliche anziehende oder anstoßende Wechselwirkungen zeigen sich hier durch charakteristische Abweichungen zwischen den gemessenen und den Referenz-Verteilungen. Der Validierung dieser p-Wert- Methode mit simulierten Daten zeigt in der Tat, dass die Existenz von Wechselwirkungen auf diese Weise zuverlässig bestimmt werden kann. Wir haben die p-Wert-Methode daraufhin auf gemessene Daten angewendet. Insbesondere untersuchten wir gemischte Systeme aus K562-Tumorzellen und NK-Immunzellen, die aus dem Blut menschlicher Spender extrahiert wurden. Obwohl diese Immunzellen die Tumorzellen mit relativ hoher Effizienz finden und töten, liefert die p-Wert-Methode ein klares Ergebnis: Das beobachtete Verhalten der NK-Zellen ist mit der Nullhypothese eines blinden Random-Walks verträglich. Tatsächlich erreichen die NK-Zellen ihre Sucheffizienz durch große Migrationsgeschwindigkeit und ein hohes Maß an Richtungspersistenz. Schließlich haben wir uns den planaren Kolonien aus Tumorzellen zugewendet. Leider kann hier die p-Wert-Methode nicht eingesetzt werden, da das Zell-Tracking in diesen dichten Systemen bislang nicht möglich ist. Wir konnten aber indirekt zeigen, dass die hohe Wachstumsrate der Kolonien, sowie die superdiffusive, radial nach außen gerichtete Strömung der individuellen Zellen innerhalb der Kolonie, nur mit einer kurzreichweitigen, abstoßenden Kraft zwischen den Zellen erklärbar ist.
Publications
- Pressure-driven collective growth mechanism of planar cell colonies. Journal of physics D: Applied physics. 2018 Jul 5;51(30):304004
Metzner C, Lange J, Krauss P, Wunderling N, Übelacker J, Martin F, Fabry B
(See online at https://doi.org/10.1088/1361-6463/aace4c) - Detecting long-range attraction between migrating cells based on p-Wert distributions. 2019 Jun 20
Metzner C.
(See online at https://doi.org/10.48550/arXiv.1906.08481) - Inferring long-range interactions between immune and tumor cells - pitfalls and (partial) solutions. 2019 Jul 24
Metzner C.
(See online at https://doi.org/10.48550/arXiv.1907.10284) - On the efficiency of chemotactic pursuit - Comparing blind search with temporal and spatial gradient sensing. Scientific reports. 2019 Oct 1;9(1):1-4
Metzner C.
(See online at https://doi.org/10.1038/s41598-019-50514-4) - Principles of efficient chemotactic pursuit. 2019 Feb 27
Metzner C.
(See online at https://doi.org/10.48550/arXiv.1902.10589)
