Artykuł metodologiczny

Obliczeniowa rekonstrukcja wysp trzustkowych jako narzędzie do analizy strukturalnej i funkcjonalnej

DOI:

10.3791/63351

⸱

9 marca 2022

 ,  , 
1Department of Electrical Engineering, Universidad Autónoma Metropolitana

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W tym protokole wyspy trzustkowe są rekonstruowane i analizowane za pomocą algorytmów obliczeniowych zaimplementowanych w dedykowanej aplikacji wieloplatformowej.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Strukturalne właściwości wysp trzustkowych są kluczowe dla funkcjonalnej odpowiedzi komórek wydzielających insulinę, glukagon i somatostatynę, ze względu na ich implikacje w komunikacji wewnątrzwyspowej poprzez sygnalizację elektryczną, parakrynną i autokrynną. W tym protokole trójwymiarowa architektura wyspy trzustkowej jest najpierw rekonstruowana na podstawie danych eksperymentalnych przy użyciu nowatorskiego algorytmu obliczeniowego. Następnie uzyskuje się właściwości morfologiczne i łącznościowe zrekonstruowanej wysepki, takie jak liczba i procentowa zawartość różnych typów komórek, objętość komórkowa i kontakty międzykomórkowe. Następnie teoria sieci jest wykorzystywana do opisania właściwości łączności wysepki za pomocą wskaźników pochodzących z sieci, takich jak średni stopień, współczynnik grupowania, gęstość, średnica i wydajność. Wreszcie, wszystkie te właściwości są oceniane funkcjonalnie za pomocą symulacji obliczeniowych z wykorzystaniem modelu sprzężonych oscylatorów. Ogólnie rzecz biorąc, tutaj opisujemy przepływ pracy krok po kroku, zaimplementowany w IsletLab, wieloplatformowej aplikacji opracowanej specjalnie do badania i symulacji wysp trzustkowych, w celu zastosowania nowatorskiej metodologii obliczeniowej do charakteryzowania i analizy wysp trzustkowych jako uzupełnienia prac eksperymentalnych.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Trzustka jest podzielona na regiony określane jako głowa, szyja, tułów i ogon, z których każdy ma inną strukturę, funkcje i pozycję anatomiczną1,2. Z funkcjonalnego punktu widzenia trzustkę można podzielić na układ hormonalny i zewnątrzwydzielniczy, przy czym pierwszy z nich odpowiada za wydzielanie hormonów krytycznie zaangażowanych w regulację homeostazy glukozy, podczas gdy drugi przyczynia się do trawienia pokarmu poprzez wydzielanie enzymów do dwunastnicy1. Wyspy trzustkowe stanowią tkankę endokrynną trzustki i są odpowiedzialne za wydzielanie glukagonu, insuliny i somatostatyny, wydzielanych odpowiednio z komórek ɑ, β i δ3. Oprócz ich wewnętrznych mechanizmów regulacyjnych, komórki te są regulowane przez bezpośrednią komunikację elektryczną (między komórkami β a prawdopodobnie komórkami β i δ), a także przez sygnalizację parakrynną i autokrynną4,5,6. Oba mechanizmy są w dużym stopniu zależne od architektury wysepki (tj. składu i organizacji różnych typów komórek w obrębie wysepki)7,8. Co ważne, architektura wysepek ulega zmianie w obecności cukrzycy, co najprawdopodobniej zakłóca komunikację wewnątrz wysepki9,10.

Badanie wysp trzustkowych obejmuje szeroki zakres metodologii eksperymentalnych. Wśród nich zastosowanie technik fluorescencyjnych do określenia liczby, lokalizacji i typu różnych komórek w wysepce pozwoliło na zbadanie właściwości strukturalnych i morfologicznych wysp trzustkowych11,12,13 oraz lepiej zrozumieć funkcjonalne implikacje dla zdrowia i choroby. Jako uzupełnienie, modele obliczeniowe komórek trzustki14,15,16 i, ostatnio, wyspy trzustkowe12,17,18,19 były używane w ostatnich dziesięcioleciach do oceny aspektów trudnych lub nawet niemożliwych do rozwiązania eksperymentalnie.

W tym protokole staramy się wypełnić lukę między pracami eksperymentalnymi a obliczeniowymi, przedstawiając metodologię rekonstrukcji architektur wysepek, analizując ich właściwości morfologiczne i łączności za pomocą wskaźników ilościowych oraz przeprowadzając podstawowe symulacje w celu oceny funkcjonalnych implikacji właściwości wysepek.

Protokół opisany poniżej opiera się na algorytmach obliczeniowych specjalnie zaprojektowanych do badania wysp trzustkowych. Podsumowując, w pierwszym kroku protokołu architektura wysepek jest rekonstruowana na podstawie danych eksperymentalnych przy użyciu algorytmu zaproponowanego niedawno przez Félixa-Martíneza i wsp.19, w którym pozycje jądrowe uzyskano poprzez barwienie 4′,6-diamidino-2-fenyloindolem (DAPI) i typy komórkowe identyfikowane za pomocą immunofluorescencji (szczegółowo opisane przez Hoang i wsp.11, 12) są przetwarzane w iteracyjnej procedurze optymalizacji. Prowadzi to do określenia optymalnego rozmiaru i położenia każdej komórki oraz uzyskania wysepki złożonej z nienakładających się na siebie komórek. Po drugie, w oparciu o zrekonstruowaną architekturę, identyfikowane są kontakty międzykomórkowe w celu określenia właściwości łączności i wygenerowania odpowiedniej sieci wysepek, co pozwala użytkownikowi uzyskać metryki ilościowe w celu dalszego opisania architektury wysepek (szczegóły dotyczące algorytmu rekonstrukcji można znaleźć w oryginalnej pracy na ten temat19). Wreszcie, podstawowe symulacje funkcjonalne są wykonywane przy użyciu podejścia modelowania zaproponowanego przez Hoang et al.12, w którym, w oparciu o pulsacyjną naturę wydzielania hormonów obserwowaną eksperymentalnie20,21, każda komórka jest traktowana jako oscylator, a zatem wysepka jest reprezentowana jako sieć sprzężonych oscylatorów zgodnie z właściwościami łączności zrekonstruowanej wysepki.

Biorąc pod uwagę złożoność obliczeniową algorytmów używanych w tym protokole, wszystkie kroki zostały zaimplementowane w samodzielnej aplikacji22, której głównym celem jest przybliżenie tych narzędzi obliczeniowych wszystkim zainteresowanym czytelnikom, niezależnie od ich poziomu doświadczenia w korzystaniu ze specjalistycznego oprogramowania lub języków programowania.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

UWAGA: Schemat ideowy protokołu jest pokazany w Rysunek 1. Opis krok po kroku jest następujący (szczegółowe informacje na temat paneli sterowania używanych na każdym etapie protokołu można znaleźć w pliku uzupełniającym 1).

figure-protocol-1
Rysunek 1: Diagram przepływu. Diagram przepływu opisujący sekwencyjną kolejność protokołu zaimplementowaną w IsletLab. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

1. Instalacja IsletLab w Linuxie

UWAGA: Postępuj zgodnie z instrukcjami podanymi w sekcjach 2 i 3 Pliku Uzupełniającego 2, aby zainstalować IsletLab w systemie Windows lub macOS.

  1. Otwórz przeglądarkę internetową i przejdź do https://github.com/gjfelix/IsletLab. Pobierz i rozpakuj repozytorium IsletLab files.
    UWAGA: Plik uzupełniający 3 zawiera kopię wersji IsletLab używanej w tym protokole.
  2. Sprawdź, czy kompilatory gcc i nvcc są zainstalowane. Otwórz terminal i wpisz następujące polecenia:
    gcc --wersja
    nvcc --version
    Postępuj zgodnie z instrukcjami podanymi w sekcji 1 Pliku uzupełniającego 2, jeśli którekolwiek z tych poleceń nie jest rozpoznawane przez system.
  3. Pobierz i zainstaluj platformę do nauki o danych (patrz tabela materiałów). Otwórz terminal i przejdź do folderu IsletLab.
  4. Utwórz nowe środowisko, wpisując następujące polecenie w terminalu:
    conda env create -f isletlabgui_v1.0.yml
  5. Aktywuj nowe środowisko, wpisując:
    Conda Activate isletlab_v1.0
  6. Uruchom aplikację IsletLab, wpisując następujące polecenie w terminalu (zobacz Rysunek 2, aby zapoznać się z opisem głównego okna):
    python isletlabgui_v1.0.py

figure-protocol-2
Rysunek 2: Interfejs użytkownika IsletLab. Interfejs składa się z trzech głównych paneli: konfiguracji (1), statystyk (2) i grafiki (3). Pasek narzędzi grafiki (4) znajduje się w dolnej części panelu graficznego. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

2. Rekonstrukcja wysepki

  1. Przygotuj dane wejściowe. Uporządkuj wejściowe dane wysepki (tj. typy komórek i współrzędne trójwymiarowe (3D)) w czterokolumnowym pliku, w którym kolumna 1 zawiera typ komórki (zakodowany jako 11: ɑ-komórka, 12: β-komórka, 13: δ-komórka), a kolumny od 2 do 4 zawierają odpowiednio współrzędne x, y i z (patrz fragment pliku wejściowego w sekcji 5 pliku uzupełniającego 2 lub wejściowy plik testowy zawarty w repozytorium IsletLab).
  2. Upewnij się, że plik wejściowy nie zawiera nagłówków kolumn. Użyj przykładowego pliku wejściowego zawartego w repozytorium IsletLab, aby w razie potrzeby postępować zgodnie z protokołem (Input_Islet_test.txt).
    UWAGA: Dane wejściowe wykorzystane do opracowania algorytmów zaimplementowanych w IsletLab zostały uzyskane eksperymentalnie, jak szczegółowo opisano przez Hoang et al.11,12 przy użyciu barwienia DAPI w celu określenia pozycji jądrowych i immunofluorescencji w celu identyfikacji typów komórek.
  3. Kliknij przycisk Załaduj początkową wysepkę i wybierz plik zawierający dane wejściowe, aby wygenerować początkową wysepkę, reprezentację 3D i odpowiednie statystyki. W przypadku wystąpienia błędu zostanie wyświetlony następujący komunikat: "Błąd podczas ładowania pliku wysepki". Aby rozwiązać ten problem, powtórz krok 2.1.
  4. Skonfiguruj proces rekonstrukcji. Kliknij przycisk Ustawienia rekonstrukcji i zmodyfikuj parametry optymalizacji (krótki opis algorytmu i parametrów wyświetlanych w oknie ustawień rekonstrukcji znajduje się w sekcjach 4 i 5 pliku uzupełniającego 2).
  5. Ustaw temperaturę początkową = 1, współczynnik iteracji = 1 i współczynnik akceptacji = 1. Kliknij przycisk OK, aby zapisać wartości parametrów.
    UWAGA: Z reguły wzrost parametru temperatury, jak również iteracji i czynników akceptacji, przyniesie lepsze wyniki rekonstrukcji pod względem komórek eksperymentalnych włączonych do zrekonstruowanej wysepki kosztem wydłużenia czasu obliczeń.
  6. Kliknij przycisk Reconstruct Islet (Zrekonstruuj wysepkę), aby otworzyć okno dziennika rekonstrukcji (opis informacji zawartych w dzienniku rekonstrukcji znajduje się w sekcji 6 pliku uzupełniającego 2).
  7. Kliknij przycisk Uruchom, aby rozpocząć proces rekonstrukcji. Monitoruj proces optymalizacji, aż pojawi się komunikat: "Zamknij to okno, aby kontynuować". Zamknij okno dziennika rekonstrukcji, aby wygenerować wizualną reprezentację zrekonstruowanej wysepki i obliczyć powiązane statystyki (patrz lewa kolumna w Rysunek 3A-C).
  8. Oceń wyniki procesu rekonstrukcji, analizując statystyki optymalizacji wyświetlane w końcowej zakładce wysepki w panelu statystyk. W szczególności skup się na maksymalizacji procentu komórek eksperymentalnych zawartych w zrekonstruowanych wyspach trzustkowych (% eksperymentalnych) lub równoważnie, na zminimalizowaniu liczby nakładania się (pokazanych również graficznie na wykresie konwergencji, prawa kolumna w Rysunek 3A-C).
  9. Jeśli % statystyk eksperymentalnych zostanie uznany za niski zgodnie z celami użytkownika, uruchom ponownie IsletLab zgodnie z opisem w kroku 9.1 i zwiększ temperaturę początkową, współczynnik iteracji i współczynnik akceptacji w ustawieniach rekonstrukcji i powtarzaj kroki 2.1-2.4, aż do uzyskania zadowalających wyników (> 95% komórek eksperymentalnych). Patrz sekcje 5-7 Pliku Uzupełniającego 2 w celu uzyskania dalszego opisu procesu rekonstrukcji i związanych z nim wyników.

3. Identyfikacja kontaktów międzykomórkowych

  1. Kliknij przycisk Ustawienia rekonstrukcji i ustaw parametr Tolerancja kontaktu, aby zdefiniować tolerancję kontaktu między komórkami, a następnie kliknij przycisk OK, aby zapisać wartości parametrów.
    UWAGA: Parametr tolerancji kontaktu reprezentuje maksymalną odległość między komórkami, aby można go było uznać za stykający się.
  2. Kliknij przycisk Kontakty komórka-komórka, aby zidentyfikować komórki w bliskim kontakcie. Na karcie kontaktów sprawdź, czy w panelu graficznym znajdują się komórki w kontakcie pokazane graficznie (czarne linie) oraz odpowiadające im statystyki (tj. kontakty całkowite, homotypowe i heterotypowe oraz kontakty ɑ-ɑ, β-β, δ-δ, ɑ-β, ɑ-δ β-δ) pokazane w panelu statystyk (patrz lewa kolumna Rysunek 4A-C).
  3. Zwiększ (zmniejsz) parametr tolerancji styku, aby zwiększyć (zmniejszyć) liczbę kontaktów między komórkami. Patrz sekcja 8 pliku uzupełniającego 2 w celu uzyskania szczegółowych informacji na temat identyfikacji kontaktów międzykomórkowych i związanych z tym wyników.

4. Budowa sieci wysepek

  1. Kliknij przycisk Zbuduj sieć, aby wygenerować sieć wysepek i obliczyć powiązane metryki sieci (patrz prawa kolumna w Rysunek 4A-C).
    UWAGA: Dalszy opis wyników związanych z uzyskaną siecią wysepek znajduje się w sekcji 9 pliku uzupełniającego 2.

5. Symulacja funkcjonalna zrekonstruowanej wysepki

  1. Przejdź do zakładki Simulation w panelu konfiguracyjnym interfejsu (Rysunek 5).
  2. Wybierz żądany tryb częstotliwości wewnętrznej - stałą lub losową - i kliknij przycisk Konfiguruj częstotliwość wewnętrzną, aby zdefiniować częstotliwość oscylatorów (w Hz). W przypadku wybrania losowej częstotliwości wewnętrznej należy zdefiniować średnią i odchylenie (w Hz) w celu wygenerowania częstotliwości losowych o rozkładzie normalnym (opis parametrów symulacji znajduje się w sekcji 11 pliku uzupełniającego 2
    3. ).
  3. Wybierz żądany tryb fazy początkowej - stały lub losowy. Jeśli wybrana jest stała faza początkowa, kliknij przycisk Konfiguruj fazę początkową, aby zdefiniować fazę oscylatorów (w radianach). Jeśli wybrana zostanie losowa faza początkowa, system przypisze losowe fazy od 0 do 2π do wszystkich oscylatorów.
    UWAGA: Jeśli wybrana zostanie stała faza początkowa, wszystkie oscylatory zostaną zainicjowane w fazie.
  4. Kliknij przycisk Konfiguruj interakcje, aby zdefiniować parametry interakcji międzykomórkowej w oknie siły interakcji. Opis parametrów interakcji znajduje się w sekcji 11 pliku uzupełniającego 2.
  5. Skonfiguruj symulację, definiując całkowity czas symulacji (w s), krok czasowy (w s) i współczynnik zapisu (liczbę kroków między zapisanymi punktami danych). W symulacji pokazanej w Rysunek 5 całkowity czas wynosił 20000 s, z krokiem czasowym 0,1 s i współczynnikiem zapisu 500.
  6. Zdefiniuj liczbę bloków, wątków i możliwości platformy obliczeniowej dostępnych do przeprowadzenia symulacji. Zdefiniuj te parametry zgodnie ze specyficzną charakterystyką dostępnego procesora graficznego (GPU).
    UWAGA: W przykładzie pokazanym w Rysunek 5, użyto 36 bloków i 64 wątków na blok (2304 rdzenie platformy obliczeniowej), ponieważ użyto procesora graficznego z 36 procesorami wieloprocesorowymi i 64 rdzeniami platformy obliczeniowej na multiprocesor. Wartość użytego parametru zdolności platformy obliczeniowej wynosiła 75, ponieważ zdolność sprzętowej platformy obliczeniowej wynosiła 7,5 (szczegółowe informacje na temat tych parametrów można znaleźć w sekcji 10 pliku uzupełniającego 2).
  7. Kliknij przycisk Uruchom symulację, aby otworzyć okno dziennika symulacji. Kliknij przycisk Uruchom, aby rozpocząć symulację i monitorować proces do momentu wyświetlenia legendy: "Zamknij okno, aby kontynuować". Szczegółowe informacje na temat dziennika symulacji znajdują się w sekcji 12 pliku uzupełniającego 2.
  8. Zamknij okno dziennika symulacji, aby obserwować wyniki symulacji (patrz Rysunek 5). Szczegółowe informacje na temat wyników symulacji znajdują się w sekcji 13 pliku uzupełniającego 2.

6. Zapisz projekt (opcjonalnie)

  1. Kliknij pozycję Plik > Eksportuj projekt na pasku menu. Wybierz katalog, w którym zostanie zapisany plik projektu i kliknij przycisk OK.
    UWAGA: Nazwa pliku projektu jest określana automatycznie na podstawie nazwy początkowego pliku danych. Jeśli projekt nie zostanie zapisany, wszystkie wyniki i powiązane pliki zostaną automatycznie usunięte.
  2. Załaduj wyeksportowany projekt, klikając Plik > Załaduj projekt.

7. Zapisz figury (opcjonalnie)

  1. Kliknij ikonę Zapisz wykres znajdującą się na pasku narzędzi wykresu, aby zapisać bieżącą wizualizację w pliku obrazu. Powtórz ten krok dla wszystkich figur utworzonych w całym protokole.
    UWAGA: Wizualizacje wykresów i wysepek można modyfikować za pomocą ikon dostępnych na pasku narzędzi wykresu panelu graficznego.

8. Załaduj projekt (opcjonalnie)

  1. Kliknij Plik > Załaduj projekt w menu głównym i wybierz zapisany wcześniej plik projektu zgodnie z opisem w krokach 6.1-6.2.
    UWAGA: Projekt nie zostanie poprawnie załadowany, jeśli plik projektu został zmodyfikowany zewnętrznie. Jeśli projekt zostanie załadowany pomyślnie, dostępne będą tylko możliwości symulacji.

9. Uruchom ponownie proces rekonstrukcji i analizy (opcjonalnie)

  1. W dowolnym momencie użytkownik może wybrać opcję Plik > Uruchom ponownie, aby odrzucić wszystkie wyniki i rozpocząć nową rekonstrukcję i analizę.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rekonstrukcja wysp trzustkowych przy użyciu metodologii zaproponowanej przez Félixa-Martíneza i wsp.19 jest wysoce zależna od parametrów podanych algorytmowi optymalizacyjnemu (zdefiniowanemu w ustawieniach rekonstrukcji). Przykład tego jest pokazany wizualnie w Rysunek 3, gdzie pokazane są zrekonstruowane wysepki uzyskane przy użyciu różnych zestawów parametrów. Po pierwsze, w Rysunek 3A pokazana jest rekonstrukcja, która obejmowała 86,6% komóre...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Powyższy protokół przedstawia praktyczne podejście do rekonstrukcji i analizy architektur wysp trzustkowych przy użyciu nowatorskich algorytmów obliczeniowych. Głównym celem tej pracy jest umożliwienie społeczności badawczej wysp trzustkowych uzyskania wskaźników ilościowych w celu scharakteryzowania właściwości morfologicznych i łączności architektur wysp trzustkowych oraz oceny możliwych implikacji funkcjonalnych takich właściwości za pomocą symulacji obliczeniowych.

Chociaż algoryt...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

G.J. Félix-Martínez dziękuje CONACYT (Consejo Nacional de Ciencia y Tecnología, México) i Wydziałowi Inżynierii Elektrycznej Universidad Autónoma Metropolitana (miasto Meksyk) za wsparcie udzielone temu projektowi. Dziękujemy dr Danh-Tai Hoangowi, dr Manami Hara i dr Junghyo Jo za ich wyjątkową pracę i hojność w dzieleniu się architekturą wysepek, która umożliwiła tę pracę ze społecznością naukową.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
graficzna NVIDIA z obsługą CUDAWymagana do symulacji funkcjonalnych
IsletLabhttps://github.com/gjfelix/IsletLab (Postępuj zgodnie z instrukcjami, aby pobrać i zainstalować aplikację).
Karta

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. 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).
  2. 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).
  3. Liao, E. P., Brass, B., Abelev, Z., Poretsky, L. Endocrine Pancreas. Principles of Diabetes Mellitus. Poretsky, L. , Springer. Cham. (2017).
  4. Noguchi, G. M., Huising, M. O. Integrating the inputs that shape pancreatic islet hormone release. Nature Metabolism. 1, 1189-1201 (2019).
  5. Pérez-Armendariz, E. M. Connexin 36, a key element in pancreatic beta cell function. Neuropharmacology. 75, 557-566 (2013).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. Hoang, D. T., et al. A Conserved Rule for Pancreatic Islet Organization. PloS One. 9 (10), 110384(2014).
  12. Hoang, D. T., Hara, M., Jo, J. Design Principles of Pancreatic Islets: Glucose-Dependent Coordination of Hormone Pulses. PloS One. 11 (4), 0152446(2016).
  13. 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).
  14. 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).
  15. 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).
  16. Watts, M., Sherman, A. Modeling the pancreatic α-cell: dual mechanisms of glucose suppression of glucagon secretion. Biophysical Journal. 106 (3), 741-751 (2014).
  17. Lei, C. L., et al. Beta-cell hubs maintain Ca2+ oscillations in human and mouse islet simulations. Islets. 10 (4), 151-167 (2018).
  18. 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).
  19. Félix-Martínez, G. J., Mata, A., Godínez-Fernández, J. R. Reconstructing human pancreatic islet architectures using computational optimization. Islets. 12 (6), 121-133 (2020).
  20. 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).
  21. 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).
  22. Félix-Martínez, G. J. IsletLab: an application to reconstruct and analyze islet architectures. Islets. 14 (1), 36-39 (2022).
  23. Félix-Martínez, G. J., Godínez-Fernández, J. R. Comparative analysis of reconstructed architectures from mice and human islets. Islets. 14 (1), 23-35 (2022).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Pancreatic IsletsIslet ReconstructionComputational SimulationNetwork TheoryCell To Cell ContactsMorphological AnalysisFunctional AnalysisCoupled OscillatorsIsletLab ApplicationStructural Properties

Powiązane artykuły