Summary
В этом протоколе островки поджелудочной железы реконструируются и анализируются с использованием вычислительных алгоритмов, реализованных в специальном мультиплатформенном приложении.
Abstract
Структурные свойства островков поджелудочной железы являются ключевыми для функционального ответа инсулиновых, глюкагоновых и соматостатин-секретирующих клеток из-за их влияния на внутриизлечную связь с помощью электрической, паракринной и аутокринной сигнализации. В этом протоколе трехмерная архитектура островка поджелудочной железы сначала реконструируется из экспериментальных данных с использованием нового вычислительного алгоритма. Далее получают морфологические и связные свойства реконструированного островка, такие как количество и процентное содержание различных типов клеток, клеточный объем и межклеточные контакты. Затем теория сетей используется для описания свойств связности островка с помощью сетевых метрик, таких как средняя степень, коэффициент кластеризации, плотность, диаметр и эффективность. Наконец, все эти свойства функционально оцениваются с помощью вычислительного моделирования с использованием модели связанных осцилляторов. В целом, здесь мы описываем пошаговый рабочий процесс, реализованный в IsletLab, мультиплатформенном приложении, разработанном специально для изучения и моделирования островков поджелудочной железы, для применения новой вычислительной методологии для характеристики и анализа островков поджелудочной железы в качестве дополнения к экспериментальной работе.
Introduction
Поджелудочная железа разделена на области, называемые головой, шеей, телом и хвостом, каждая из которых имеет различные структуры, функции и анатомическое положение 1,2. С функциональной точки зрения поджелудочную железу можно разделить на эндокринную и экзокринную системы, причем первая отвечает за секрецию гормонов, критически участвующих в регуляции глюкозного гомеостаза, в то время как последняя способствует перевариванию пищи посредством секреции ферментов в двенадцатиперстную кишку1. Островки поджелудочной железы составляют эндокринную ткань поджелудочной железы и отвечают за секрецию глюкагона, инсулина и соматостатина, секретируемых из ɑ, β и δ-клеток соответственно3. В дополнение к своим внутренним регуляторным механизмам, эти клетки регулируются посредством прямой электрической связи (между β-клетками и, вероятно, β и δ-клетками), а также паракринной и аутокринной сигнализацией 4,5,6. Оба механизма сильно зависят от островковой архитектуры (т.е. состава и организации различных типов клеток внутри островка)7,8. Важно отметить, что островковая архитектура изменяется при наличии сахарного диабета, скорее всего, нарушая внутриизлеточную связь в результате 9,10.
Изучение островков поджелудочной железы включает в себя широкий спектр экспериментальных методик. Среди них использование методов флуоресценции для определения количества, местоположения и типа различных клеток в островке позволило изучить структурные и морфологические свойства островков поджелудочной железы 11,12,13 и лучше понять функциональные последствия для здоровья и болезней. В качестве дополнения вычислительные модели клеток поджелудочной железы 14,15,16 и, совсем недавно, островков поджелудочной железы 12,17,18,19 были использованы в последние десятилетия для оценки аспектов, которые трудно или даже невозможно решить экспериментально.
В этом протоколе мы стремимся преодолеть разрыв между экспериментальной и вычислительной работой, изложив методологию реконструкции островковых архитектур, анализа их морфологических и связных свойств с помощью количественных метрик и выполнения базового моделирования для оценки функциональных последствий свойств островков.
Протокол, описанный ниже, основан на вычислительных алгоритмах, специально разработанных для изучения островков поджелудочной железы. Таким образом, на первом этапе протокола островковая архитектура реконструируется из экспериментальных данных с использованием алгоритма, недавно предложенного Félix-Martínez et al.19, в котором ядерные позиции, полученные с помощью окрашивания 4',6-диамидино-2-фенилиндола (DAPI), и клеточные типы, идентифицированные с помощью иммунофлуоресценции (как подробно описано Hoang et al.11,12 ) обрабатываются в итеративной процедуре оптимизации. Это приводит к определению оптимального размера и положения каждой ячейки и получению островка, состоящего из неперекрывающихся ячеек. Во-вторых, на основе реконструированной архитектуры идентифицируются контакты между ячейками для определения свойств связности и генерации соответствующей островковой сети, что позволяет пользователю получать количественные метрики для дальнейшего описания архитектуры островков (подробности об алгоритме реконструкции можно получить в оригинальной работе по теме19). Наконец, базовое функциональное моделирование выполняется с использованием подхода моделирования, предложенного Hoang et al.12, в котором, основываясь на пульсирующей природе секреции гормонов, наблюдаемой экспериментально 20,21, каждая клетка рассматривается как осциллятор, и поэтому островок представлен в виде сети связанных осцилляторов, следующих свойствам связности реконструированного островка.
Учитывая вычислительную сложность алгоритмов, используемых в этом протоколе, все задействованные этапы были реализованы в автономном приложении22 с основной целью приблизить эти вычислительные инструменты ко всем заинтересованным читателям независимо от их уровня опыта в использовании специализированного программного обеспечения или языков программирования.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
ПРИМЕЧАНИЕ: Принципиальная схема протокола показана на рисунке 1. Пошаговое описание приведено следующим образом (см. Дополнительный файл 1 для получения подробной информации о панелях управления, используемых на каждом этапе протокола).
Рисунок 1: Блок-схема. Блок-схема, описывающая последовательный порядок протокола, реализованного в IsletLab. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
1. Установка IsletLab в Linux
ПРИМЕЧАНИЕ: Следуйте инструкциям, приведенным в разделах 2 и 3 Дополнительного файла 2 , чтобы установить IsletLab в Windows или macOS.
- Откройте интернет-браузер и перейдите в https://github.com/gjfelix/IsletLab. Загрузите и извлеките файлы репозитория IsletLab.
ПРИМЕЧАНИЕ: Дополнительный файл 3 содержит копию версии IsletLab, используемой в этом протоколе. - Убедитесь, что компиляторы gcc и nvcc установлены. Откройте терминал и введите следующие команды:
gcc --version
nvcc --version
Следуйте инструкциям, перечисленным в разделе 1 дополнительного файла 2, если какая-либо из этих команд не распознается системой. - Загрузите и установите платформу обработки и анализа данных (см. Таблицу материалов). Откройте терминал и перейдите в папку IsletLab.
- Создайте новую среду, введя в терминале следующую команду:
conda env create -f isletlabgui_v1.0.yml - Активируйте новую среду, введя:
conda активировать isletlab_v1.0 - Запустите приложение IsletLab, введя в терминале следующую команду (описание главного окна см. на рисунке 2 ):
python isletlabgui_v1.0.py
Рисунок 2: Пользовательский интерфейс IsletLab. Интерфейс состоит из трех основных панелей: конфигурационной (1), статистической (2) и графической (3) панелей. Графическая панель инструментов (4) расположена в нижней части графической панели. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
2. Реконструкция островка
- Подготовьте входные данные. Организуйте входные данные островка (т.е. типы ячеек и трехмерные (3D) координаты) в файле с четырьмя столбцами, в котором столбец 1 содержит тип ячейки (кодируется как 11: ɑ-ячейка, 12: β ячейка, 13: δ-ячейка) и столбцы от 2 до 4 содержат координаты x, y и z соответственно (см. отрывок входного файла в разделе 5 Дополнительного файла 2 или входной тестовый файл, включенный в репозиторий IsletLab).
- Убедитесь, что входной файл не содержит заголовков столбцов. Используйте пример входного файла, включенного в репозиторий IsletLab, чтобы при необходимости следовать протоколу (Input_Islet_test.txt).
ПРИМЕЧАНИЕ: Входные данные, использованные для разработки алгоритмов, реализованных в IsletLab, были получены экспериментально, как подробно описано Hoang et al.11,12, с использованием окрашивания DAPI для определения ядерных положений и иммунофлуоресценции для идентификации клеточных типов. - Нажмите кнопку Загрузить начальный островок и выберите файл, содержащий входные данные, чтобы создать начальный островок, 3D-представление и соответствующую статистику. В случае ошибки отобразится следующее сообщение: 'Ошибка загрузки файла островка'. Чтобы исправить это, повторите шаг 2.1.
- Настройте процесс реконструкции. Нажмите кнопку Настройки реконструкции и измените параметры оптимизации (краткое описание алгоритма и параметров, отображаемых в окне настроек реконструкции, см. в разделах 4 и 5 Дополнительного файла 2 ).
- Установите начальную температуру = 1, коэффициент итераций = 1 и коэффициент принятия = 1. Нажмите кнопку ОК , чтобы сохранить значения параметров.
ПРИМЕЧАНИЕ: Как правило, увеличение температурного параметра, а также коэффициентов итераций и принятия даст лучшие результаты реконструкции с точки зрения экспериментальных ячеек, включенных в реконструированный островок за счет увеличения вычислительного времени. - Нажмите кнопку Реконструировать островок , чтобы открыть окно журнала реконструкции (см. раздел 6 Дополнительного файла 2 для описания информации, предоставленной в журнале реконструкции).
- Нажмите кнопку Выполнить, чтобы начать процесс восстановления. Следите за процессом оптимизации до тех пор, пока не появится сообщение: «Пожалуйста, закройте это окно, чтобы продолжить». Закройте окно журнала реконструкции, чтобы сгенерировать визуальное представление реконструированного островка и рассчитать соответствующую статистику (см. левый столбец на рисунке 3A-C).
- Оцените результаты процесса реконструкции, проанализировав статистику оптимизации, показанную на заключительной вкладке островка панели статистики. В частности, сосредоточиться на максимизации процента экспериментальных клеток, включенных в реконструированные островки (% от экспериментальных) или эквивалентно, на минимизации количества перекрытий (также графически показано на графике конвергенции, правый столбец на рисунке 3A-C).
- Если % экспериментальной статистики считается низким в соответствии с целями пользователя, перезапустите IsletLab, как описано в шаге 9.1, и увеличьте начальную температуру, коэффициент итераций и коэффициент принятия в настройках реконструкции и повторите шаги 2.1-2.4 до получения удовлетворительных результатов (> 95% экспериментальных клеток). Более подробное описание процесса реконструкции и связанных с ним результатов см. в разделах 5-7 Дополнительного файла 2 .
3. Идентификация межклеточных контактов
- Нажмите кнопку Параметры реконструкции и задайте параметр Допуск контакта, чтобы определить допуск контакта между ячейками, и нажмите кнопку ОК , чтобы сохранить значения параметров.
ПРИМЕЧАНИЕ: Параметр контактного допуска представляет собой максимальное расстояние между ячейками, чтобы считаться контактирующим. - Нажмите кнопку Контакты между ячейками, чтобы определить ячейки, находящиеся в тесном контакте. На вкладке контактов проверьте наличие ячеек в контакте, показанных графически (черные линии) на графической панели, и соответствующую статистику (т.е. общие, гомотипические и гетеротипические контакты и контакты ɑ-ɑ, β-β, δ-δ, ɑ-β, ɑ-δ, β-δ контакты), показанные на панели статистики (см. левый столбец рисунка 4A-C).
- Увеличение (уменьшение) параметра контактной толерантности для увеличения (уменьшения) количества межклеточных контактов. См. раздел 8 Дополнительного файла 2 для получения подробной информации об идентификации межклеточных контактов и связанных с ними результатах.
4. Построение островковой сети
- Нажмите кнопку Build Network (Построить сеть), чтобы сгенерировать островковую сеть и рассчитать связанные с ней сетевые метрики (см. правый столбец на рисунке 4A-C).
ПРИМЕЧАНИЕ: Дальнейшее описание результатов, связанных с генерируемой сетью островков, приведено в разделе 9 Дополнительного файла 2.
5. Функциональное моделирование реконструированного островка
- Перейдите на вкладку Simulation панели конфигурации интерфейса (рисунок 5).
- Выберите нужный режим внутренней частоты - Постоянный или Случайный - и нажмите кнопку Настроить внутреннюю частоту , чтобы определить частоту генераторов (в Гц). Если выбрана случайная внутренняя частота, определите среднее значение и отклонение (в Гц) для генерации нормально распределенных случайных частот (см. раздел 11 Дополнительного файла 2 для описания параметров моделирования).
- Выберите нужный режим начальной фазы - Постоянный или Случайный. Если выбрана начальная фаза Константа, нажмите кнопку Настроить начальную фазу , чтобы определить фазу осцилляторов (в радианах). Если выбрана случайная начальная фаза, система назначит случайные фазы между 0 и 2π всем осцилляторам.
ПРИМЕЧАНИЕ: Если выбрана постоянная начальная фаза, все осцилляторы будут инициализированы в фазе. - Нажмите кнопку Настроить взаимодействия, чтобы определить параметры взаимодействия между ячейками в окне силы взаимодействия. Описание параметров взаимодействия см. в разделе 11 Дополнительного файла 2.
- Настройте моделирование, определив общее время моделирования (в с), шаг времени (в с) и коэффициент сохранения (количество шагов между сохраненными точками данных). В моделировании, показанном на рисунке 5 , общее время составляло 20000 с, с шагом времени 0,1 с и коэффициентом сохранения 500.
- Определите количество блоков, потоков и возможностей вычислительной платформы, доступных для выполнения моделирования. Определите эти параметры в соответствии с конкретными характеристиками доступного графического процессора (GPU).
ПРИМЕЧАНИЕ: В примере, показанном на рисунке 5, было использовано 36 блоков и 64 потока на блок (2304 ядра вычислительной платформы), поскольку использовался графический процессор с 36 мультипроцессорами и 64 ядрами вычислительной платформы на несколько процессоров. Значение используемого параметра возможностей вычислительной платформы составляло 75, поскольку возможности аппаратной вычислительной платформы составляли 7,5 (см. раздел 10 Дополнительного файла 2 для получения подробной информации об этих параметрах). - Нажмите кнопку Запустить симуляцию , чтобы открыть окно журнала моделирования. Нажмите кнопку «Выполнить », чтобы начать моделирование и следить за процессом, пока не появится легенда: «Пожалуйста, закройте окно, чтобы продолжить». Подробные сведения о журнале моделирования см. в разделе 12 дополнительного файла 2 .
- Закройте окно журнала моделирования, чтобы увидеть результаты моделирования (см. рисунок 5). Подробная информация о результатах моделирования приведена в разделе 13 Дополнительного файла 2.
6. Сохраните проект (необязательно)
- Щелкните Файл > Экспорт проекта в строке меню. Выберите каталог, в котором будет сохранен файл проекта, и нажмите кнопку OK .
ПРИМЕЧАНИЕ: Имя файла проекта определяется автоматически на основе имени исходного файла данных. Если проект не будет сохранен, все результаты и связанные с ними файлы будут удалены автоматически. - Загрузите экспортированный проект, щелкнув Файл > Загрузить проект.
7. Сохранение рисунков (опционально)
- Щелкните значок Сохранить печать, расположенный на панели инструментов печати, чтобы сохранить текущую визуализацию в файл изображения. Повторите этот шаг для всех рисунков, созданных в протоколе.
ПРИМЕЧАНИЕ: Графики и визуализации островков могут быть изменены с помощью значков, доступных на панели инструментов графика графической панели.
8. Загрузка проекта (опционально)
- Щелкните Файл > Загрузить проект в главном меню и выберите файл проекта, сохраненный ранее, как описано в шагах 6.1-6.2.
ПРИМЕЧАНИЕ: Проект не будет загружен правильно, если файл проекта был изменен извне. Если проект успешно загружен, будут доступны только возможности моделирования.
9. Перезапустите процесс реконструкции и анализа (необязательно)
- В любое время пользователь может выбрать Файл > Перезапустить , чтобы отменить все результаты и начать новую реконструкцию и анализ.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Реконструкция островков поджелудочной железы с использованием методологии, предложенной Félix-Martínez et al.19, сильно зависит от параметров, заданных алгоритму оптимизации (определенному в настройках реконструкции). Пример этого наглядно показан на рисунке 3, где показаны реконструированные островки, полученные с использованием различных наборов параметров. Во-первых, на фиг.3А показана реконструкция, включающая 86,6% ячеек, включенных в исходные данные (509 из 588 ячеек, начальная температура = 1, коэффициент итераций = 1, коэффициент принятия = 1). Когда начальная температура и коэффициенты итерации и принятия увеличиваются (начальная температура = 10, коэффициент итераций = 5 и коэффициент принятия = 5, рисунок 3B), более высокий процент (93,37%) начальных ячеек был включен в реконструированные островки (т.е. 549 из 588 ячеек). Еще лучшие результаты могут быть получены, если использовать гораздо более высокие значения, особенно для коэффициентов итерации и принятия, как показано на рисунке 3C (начальная температура = 10, коэффициент итераций = 1000, коэффициент принятия = 500), где реконструированный островок состоит из 99,15% начальных ячеек (583 из 588 ячеек). Графики сходимости (правый столбец на рисунке 3A-C), показывающие эволюцию перекрывающихся ячеек в зависимости от температуры, должны быть оценены, чтобы определить, как параметры влияют на процесс оптимизации. Как правило, коэффициенты взаимодействия и принятия должны быть увеличены, когда реконструированный островок включает в себя низкий процент начальных клеток. Следовательно, время вычислений неизбежно увеличится, так как эти факторы напрямую увеличивают количество оцениваемых итераций. Например, расчетное время первой реконструкции, описанной выше, составляло 6 с. Напротив, вычислительное время второй и третьей реконструкций составляло 21 с и 24 мин 6 с соответственно.
Рисунок 3: Реконструкция островков с использованием субоптимальных наборов параметров в условиях реконструкции Использование неоптимальных наборов параметров может привести к низкому проценту экспериментальных клеток в реконструируемых островках. (A) Слева: 86,6% экспериментальных ячеек были включены в реконструированный островок (начальная температура = 1, коэффициент итераций = 1, коэффициент принятия = 1, время вычисления = 6 с). Справа: участок конвергенции процесса реконструкции. (B) Слева: 93,4% экспериментальных ячеек были включены в реконструированный островок (начальная температура = 10, коэффициент итераций = 10, коэффициент принятия = 5, время вычисления = 21 с). Справа: участок конвергенции процесса реконструкции. (C) Слева: 99,15% экспериментальных ячеек были включены в реконструированный островок (начальная температура = 10, коэффициент итераций = 1000, коэффициент принятия = 500, время вычисления = 24 мин, 8 с). Справа: участок конвергенции процесса реконструкции. Стрелки на графиках сходимости указывают начальное и конечное число перекрывающихся ячеек процесса реконструкции (до фазы постобработки алгоритма реконструкции). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Идентификация межклеточных контактов с реконструированного островка зависит от значения параметра допуска контакта (определенного в настройках реконструкции), как показано на рисунке 4A-C, где представлены межклеточные контакты (представленные черными линиями), идентифицированные из реконструированных архитектур, показанных на рисунке 3A-C. Например, если определен допуск контакта 1 мкм, как показано на рисунке 4А, идентифицировано только 290 межклеточных контактов. Напротив, если допуск контакта увеличивается до 2 мкм, как показано на рисунке 4B,C, общее число выявленных контактов увеличивается до 636 и 731 соответственно (см. панель статистики на рисунке 4A-C). Эти различия также можно заметить в визуальном представлении межклеточных контактов, показанном в левом столбце рисунка 4A-C, поскольку количество контактов между клетками явно увеличивается по мере использования более высокого значения контактного допуска. Стоит подчеркнуть, что количество контактов также зависит от количества ячеек, входящих в реконструируемые островки, и, следовательно, сочетание температурного параметра, итераций и коэффициентов приема, а также допуск контакта в конечном итоге определяют связность реконструируемого островка, что отражается на сформированных островковых сетях и соответствующих сетевых метриках, как показано в правом столбце рисунка 4A-C. Сетевой график позволяет пользователю визуализировать, как связаны различные ячейки. Количественно свойства связности островка описываются в терминах следующих сетевых метрик: средняя степень, плотность, средний коэффициент кластеризации, эффективность и диаметр (подробную информацию об этих метриках можно получить в разделе 9 Дополнительного файла 2).
Рисунок 4: Влияние параметра контактной толерантности на идентификацию межклеточных контактов. (A-C) Слева: межклеточные контакты, идентифицированные из реконструированных островков, показанных на рисунке 3A-C (290, 636 и 731 общие контакты в панелях A, B и C, соответственно). Значения, использованные для параметра контактного допуска, составляли 1 мкм (А) и 2 мкм (В и С). Обратите внимание, что количество клеток, включенных в реконструированные островки, также влияет на количество идентифицированных межклеточных контактов. Справа: сети, сгенерированные из контактов между ячейками, показаны в соответствующем левом столбце. Обратите внимание, что влияние подключения на сетевые метрики выделены на панели статистики. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Наконец, после того, как островок был реконструирован и контакты между ячейками были идентифицированы, можно выполнить функциональное моделирование (только когда доступен совместимый графический процессор). Типичные результаты моделирования показаны на рисунке 5, включая суммированные колебания различных популяций клеток (ɑ, β и δ-ячеек) и всего островка (верхний график графической панели на рисунке 5). Этот рисунок показывает фазовые различия с течением времени между различными клеточными популяциями в результате свойств связности и взаимодействия и позволяет пользователю определить вклад каждой клеточной популяции (красная, зеленая и синяя линии) в колебательное поведение всего островка (черная линия). Например, верхняя панель рисунка 5 предполагает, что на популяционном уровне ɑ и β-клетки колеблются полностью вне фазы, в то время как δ-клетки колеблются вне фазы с ɑ и β-клетками. Более того, согласно моделированию, в колебательном поведении островка преобладают колебания ɑ-клеток, хотя можно заметить и влияние других клеточных популяций. Обратите внимание, что колебательные сигналы всех островковых ячеек автоматически сохраняются в файле данных (см. Таблицу 1 и раздел 13 в Дополнительном файле 2), что позволяет пользователю выполнить подробный анализ результатов моделирования. В качестве дополнения также рассчитывается и отображается индекс синхронизации островков, который отражает фазовую когерентность колебаний (нижний график графической панели на рисунке 5). Обратите внимание, что индекс синхронизации находится в диапазоне от 0 до 1, где 0 и 1 указывают на нулевую и полную синхронизацию между всеми ячейками на островке соответственно. Таким образом, график индекса синхронизации может быть интерпретирован как визуализация того, как синхронность между островковыми ячейками изменяется с течением времени в результате свойств связности и взаимодействия реконструированного островка. Поскольку выполненное моделирование основано на идее связанных осцилляторов12 и в значительной степени зависит от связности реконструированного островка, важно достичь приемлемой реконструкции островка и межклеточной связности перед выполнением функционального моделирования.
Рисунок 5: Параметры моделирования определены на панели конфигурации вкладки моделирования. Результаты моделирования показаны во вкладке моделирования графической панели, где показано суммированное колебательное поведение различных популяций клеток (ɑ, β и δ) и всего островка (вверху). Индекс синхронизации, мера фазовой когерентности между островковыми клетками, также показан (внизу). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Стоит отметить, что практически на каждом этапе процесса генерируются файлы данных. Описание сгенерированных файлов данных можно найти в таблице 1 и в дополнительном файле 2.
| Файл | Описание |
| ОстровкаИмяФайл | Входные данные (предоставленные пользователем) |
| IsletFileName_initial.txt | Начальная островковая архитектура, предложенная алгоритмом в качестве начального этапа реконструкции |
| IsletFileName_reconstructed.txt | Реконструированный островок (не посптроцессированный) |
| IsletFileName_postprocessed_islet.txt | Окончательно реконструированный островок и построцессированный островок |
| IsletFileName_processlog.txt | Журнал реконструкции (алгоритм оптимизации) |
| IsletFileName_overlapped_cells.txt | Перекрывающиеся ячейки в конце процесса реконструкции (постобработка) |
| IsletFileName_all_contacts.txt | Матрица адъюнкентности всех контактов |
| IsletFileName_aa_contacts.txt | Матрица адъюнкции контактов ɑ-ɑ |
| IsletFileName_ab_contacts.txt | Матрица адъюнкции ɑ-β контактов |
| IsletFileName_ad_contacts.txt | Матрица адъюнкции ɑ-δ контактов |
| IsletFileName_bbbd_contacts.txt | Матрица совместимости контактов β-β и β-δ |
| IsletFileName_bb_contacts.txt | Матрица совместимости контактов β-β |
| IsletFileName_bd_contacts.txt | Матрица совместимости контактов β-δ |
| IsletFileName_dd_contacts.txt | Матрица совместимости контактов δ-δ |
| IsletFileName_Kmat.txt | Матрица взаимодействия, используемая при моделировании |
| IsletFileName_kuramoto_angles.txt | Результаты моделирования Курамото |
Таблица 1: Описание файлов, сохраненных как часть файла проекта. Обратите внимание, что имя файла, используемого для сохранения файлов проекта, автоматически определяется исходным файлом данных, выбранным пользователем.
Дополнительный файл 1: Графическое описание протокола с помощью панелей управления IsletLab. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.
Дополнительный файл 2: Документация IsletLab. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.
Дополнительный файл 3: Включает в себя все файлы, необходимые для установки IsletLab. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Приведенный выше протокол описывает практический подход к реконструкции и анализу архитектур островков поджелудочной железы с использованием новых вычислительных алгоритмов. Основная цель этой работы состоит в том, чтобы позволить сообществу исследователей островков получить количественные метрики для характеристики морфологических и связных свойств архитектур островков поджелудочной железы и оценить возможные функциональные последствия таких свойств с помощью вычислительного моделирования.
Хотя алгоритмы, принятые в этом протоколе, были ранее подробно описаны12,19, прямая и удобная для пользователя реализация отсутствовала из-за их относительной сложности, что ограничивало их использование в качестве дополнительного инструмента к экспериментальной и теоретической работе.
Во-первых, недавний алгоритм, предложенный Феликсом-Мартинесом и др.19 , используется для реконструкции островковых архитектур по экспериментальным данным (например, ядерные координаты и тип ячейки). В результате пользователь получает островковую архитектуру, состоящую из неперекрывающихся сферических ячеек с радиусами, автоматически назначенными в соответствии с сообщенными экспериментальными распределениями. На практике алгоритм реконструкции представляет собой итеративную процедуру оптимизации, которая становится дорогостоящей с вычислительной точки зрения по мере увеличения количества ячеек в островке. По этой причине настоятельно рекомендуется использовать многопроцессорную систему, чтобы воспользоваться преимуществами реализации параллельной обработки алгоритма, описанного в этом протоколе. Как описано выше, ключевым этапом процесса реконструкции является определение соответствующих значений для задействованных параметров (т. Е. Итераций, коэффициентов принятия и начальной температуры), поскольку время вычисления будет напрямую связано с количеством выполненных итераций, в дополнение к количеству используемых параллельных процессов (т. Е. Параметр потоков в настройках реконструкции). Если время вычисления не является проблемой, мы настоятельно рекомендуем использовать максимально возможные значения для итераций и коэффициентов принятия, чтобы увеличить количество выполняемых итераций.
Следующими шагами протокола являются идентификация межклеточных контактов и генерация островковой сети. Оба этапа напрямую связаны с процессом реконструкции, и поэтому количество клеток, включенных в реконструированные островки (и, следовательно, задействованные параметры), а также значение используемого контактного допуска являются ключом к получению наилучших возможных результатов.
Наконец, при желании пользователя функциональное моделирование может быть выполнено посредством реализации модели связанных осцилляторов, предложенной Hoang et al.12 , с использованием сети подключения, полученной из процесса реконструкции для настройки колебательной системы. Учитывая, что процесс моделирования включает в себя решение системы из сотен или тысяч связанных дифференциальных уравнений (по одному для каждой ячейки на островке), алгоритм моделирования был реализован с использованием возможности выполнения параллельных вычислений с использованием графического процессора, что позволяет пользователю моделировать значительные длительные симуляции за относительно короткое вычислительное время. Ключевыми шагами на этапе моделирования протокола являются определение соответствующего количества блоков и потоков, доступных в разделе настроек вычислительной платформы панели моделирования, аспект, непосредственно связанный с характеристиками используемого оборудования. Другие задействованные параметры (внутренняя частота, начальная фаза и сила взаимодействия в панели моделирования), хотя и имеют отношение к результатам моделирования, в основном связаны с исследуемой проблемой и должны быть определены пользователем после тщательного рассмотрения, чтобы представить желаемый сценарий моделирования.
Несмотря на преимущества, предлагаемые протоколом, некоторые ограничения должны быть признаны. Во-первых, параметры, связанные с процессом реконструкции и идентификации межклеточных контактов, не являются уникальными и могут варьироваться от случая к случаю. По этой причине, хотя для определения значения требуемых параметров можно использовать эмпирическое правило, метод проб и ошибок по-прежнему неизбежен. Другим аспектом, который может ограничить применимость протокола, являются вычислительные ресурсы, необходимые, особенно для этапов реконструкции и моделирования протокола. Несмотря на эти ограничения, тот факт, что знания программирования не нужны для реализации протокола, позволяет исследователям из разных слоев общества легко использовать предлагаемые алгоритмы, которые в противном случае оставались бы неясными для неспециализированного пользователя.
Потенциальное использование предлагаемого протокола включает визуализацию экспериментальных данных, сравнительный анализ нормальных и измененных островков (например, при наличии диабета 1 или 2 типа) или даже сравнение островков разных видов с использованием количественных морфологических, структурных и сетевых метрик23. Кроме того, реконструированные островки с использованием протокола, описанного здесь, могут быть легко использованы для создания подробных функциональных математических моделей, в которых связность и размеры клеток, определяемые алгоритмом реконструкции, дополняются подробными электрофизиологическими моделями клеток поджелудочной железы для выяснения функциональных последствий межклеточной связи в реконструированных островках.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Авторам нечего раскрывать.
Acknowledgments
Г.Х. Феликс-Мартинес благодарит КОНАСИТ (Национальный совет по вопросам науки и техники, Мексика) и Департамент электротехники Автономного университета Метрополитана (Мексика) за поддержку, оказанную этому проекту. Мы благодарим д-ра Дан-Тай Хоанга, д-ра Манами Хару и д-ра Джунгё Джо за их выдающуюся работу и щедрость в обмене архитектурой островков, которые сделали эту работу возможной с исследовательским сообществом.
Materials
| Name | Company | Catalog Number | Comments |
| CUDA-capable NVIDIA graphics card | Required for the functional simulations | ||
| IsletLab | https://github.com/gjfelix/IsletLab (Follow the instructions to download and install the application.) |
References
- Chen, L., Pan, X., Zhang, Y. H., Huang, T., Cai, Y. D. Analysis of Gene Expression Differences between Different Pancreatic Cells. ACS Omega. 4 (4), 6421-6435 (2019).
- Longnecker, D. S., Gorelick, F., Thompson, E. D., Histology, Anatomy, Histology, and Fine Structure of the Pancreas. The Pancreas. Beger, H. G., Warshaw, A. L., Hruban, R. H., Buchler, M. W., Lerch, M. M., Neoptolemos, J. P., Shimosegawa, T., Whitcomb, D. C., GroB, C. , Wiley Online Library. (2018).
- Liao, E. P., Brass, B., Abelev, Z., Poretsky, L. Endocrine Pancreas. Principles of Diabetes Mellitus. Poretsky, L. , Springer. Cham. (2017).
- Noguchi, G. M., Huising, M. O. Integrating the inputs that shape pancreatic islet hormone release. Nature Metabolism. 1, 1189-1201 (2019).
- Pérez-Armendariz, E. M. Connexin 36, a key element in pancreatic beta cell function. Neuropharmacology. 75, 557-566 (2013).
- Briant, L., et al. δ-cells and β-cells are electrically coupled and regulate α-cell activity via somatostatin. The Journal of Physiology. 596 (2), 197-215 (2018).
- Arrojoe Drigo, R., et al. New insights into the architecture of the islet of Langerhans: a focused cross-species assessment. Diabetologia. 58 (10), 2218-2228 (2015).
- Cabrera, O., et al. The unique cytoarchitecture of human pancreatic islets has implications for islet cell function. Proceedings of the National Academy of Sciences of the United States of America. 103 (7), 2334-2339 (2006).
- Folli, F., et al. Pancreatic islet of Langerhans' cytoarchitecture and ultrastructure in normal glucose tolerance and in type 2 diabetes mellitus. Diabetes, Obesity & Metabolism. 20, Suppl 2 137-144 (2018).
- Kilimnik, G., et al. Altered islet composition and disproportionate loss of large islets in patients with type 2 diabetes. PloS One. 6 (11), 27445 (2011).
- Hoang, D. T., et al. A Conserved Rule for Pancreatic Islet Organization. PloS One. 9 (10), 110384 (2014).
- Hoang, D. T., Hara, M., Jo, J. Design Principles of Pancreatic Islets: Glucose-Dependent Coordination of Hormone Pulses. PloS One. 11 (4), 0152446 (2016).
- Brissova, M., et al. Assessment of human pancreatic islet architecture and composition by laser scanning confocal microscopy. The Journal of Histochemistry and Cytochemistry: Official Journal of the Histochemistry Society. 53 (9), 1087-1097 (2005).
- Félix-Martinez, G. J., Godínez-Fernández, J. R. Mathematical models of electrical activity of the pancreatic β-cell: a physiological review. Islets. 6 (3), 949195 (2014).
- Félix-Martínez, G. J., González-Vélez, V., Godínez-Fernández, J. R., Gil, A. Electrophysiological models of the human pancreatic δ-cell: From single channels to the firing of action potentials. International Journal for Numerical Methods in Biomedical Engineering. 36 (2), 3296 (2020).
- Watts, M., Sherman, A. Modeling the pancreatic α-cell: dual mechanisms of glucose suppression of glucagon secretion. Biophysical Journal. 106 (3), 741-751 (2014).
- Lei, C. L., et al. Beta-cell hubs maintain Ca2+ oscillations in human and mouse islet simulations. Islets. 10 (4), 151-167 (2018).
- Watts, M., Ha, J., Kimchi, O., Sherman, A. Paracrine regulation of glucagon secretion: the β/α/δ model. American Journal of Physiology. Endocrinology and Metabolism. 310 (8), 597-611 (2016).
- Félix-Martínez, G. J., Mata, A., Godínez-Fernández, J. R. Reconstructing human pancreatic islet architectures using computational optimization. Islets. 12 (6), 121-133 (2020).
- Hellman, B., Salehi, A., Gylfe, E., Dansk, H., Grapengiesser, E. Glucose generates coincident insulin and somatostatin pulses and antisynchronous glucagon pulses from human pancreatic islets. Endocrinology. 150 (12), 5334-5340 (2009).
- Hellman, B., Salehi, A., Grapengiesser, E., Gylfe, E. Isolated mouse islets respond to glucose with an initial peak of glucagon release followed by pulses of insulin and somatostatin in antisynchrony with glucagon. Biochemical and Biophysical Research Communications. 417 (4), 1219-1223 (2012).
- Félix-Martínez, G. J. IsletLab: an application to reconstruct and analyze islet architectures. Islets. 14 (1), 36-39 (2022).
- Félix-Martínez, G. J., Godínez-Fernández, J. R. Comparative analysis of reconstructed architectures from mice and human islets. Islets. 14 (1), 23-35 (2022).
