W tym protokole wyspy trzustkowe są rekonstruowane i analizowane za pomocą algorytmów obliczeniowych zaimplementowanych w dedykowanej aplikacji wieloplatformowej.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł metodologiczny
Obliczeniowa rekonstrukcja wysp trzustkowych jako narzędzie do analizy strukturalnej i funkcjonalnej
W tym artykule
Podsumowanie
Streszczenie
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
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
UWAGA: Schematyczny diagram protokołu przedstawiono na Rysunku 1. Szczegółowy opis krok po kroku przedstawiono poniżej (szczegóły dotyczące paneli sterowania używanych na każdym etapie protokołu znajdują się w Pliku uzupełniającym 1).
Rysunek 1: Schemat blokowy. Schemat blokowy opisujący sekwencję kroków protokołu wdrożonego w IsletLab. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
1. Instalacja IsletLab w systemie Linux
UWAGA: Należy postępować zgodnie z instrukcjami podanymi w sekcjach 2 i 3 Pliku uzupełniającego 2, aby zainstalować IsletLab w systemie windows lub macOS.
- Otwórz przeglądarkę internetową i przejdź do strony https://github.com/gjfelix/IsletLab. Pobierz i wypakuj pliki repozytorium IsletLab.
UWAGA: Plik uzupełniający 3 zawiera kopię wersji programu IsletLab wykorzystanej w tym protokole. - Zweryfikuj, czy kompilatory gcc i nvcc są zainstalowane. Otwórz terminal i wpisz następujące polecenia:
gcc --version
nvcc --version
Jeśli którekolwiek z tych poleceń nie zostanie rozpoznane przez system, postępuj zgodnie z instrukcjami wymienionymi w sekcji 1 Pliku uzupełniającego 2. - Pobierz i zainstaluj platformę do nauki o danych (patrz Tabela materiałów). Otwórz terminal i przejdź do folderu IsletLab.
- Utwórz nowe środowisko, wpisując w terminalu następujące polecenie:
conda env create -f isletlabgui_v1.0.yml - Aktywuj nowe środowisko, wpisując:
conda activate isletlab_v1.0 - Uruchom aplikację IsletLab, wpisując w terminalu następujące polecenie (opis głównego okna znajduje się na Rysunku 2):
python isletlabgui_v1.0.py
Rycina 2: Interfejs użytkownika IsletLab. Interfejs składa się z trzech głównych paneli: konfiguracji (1), statystyk (2) oraz grafiki (3). Pasek narzędzi graficznych (4) znajduje się na dole panelu grafiki. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
2. Rekonstrukcja wysepek
- Przygotuj dane wejściowe. Zorganizuj dane wejściowe dotyczące wysepek (tj. typy komórek i współrzędne trójwymiarowe (3D)) w pliku czterokolumnowym, w którym kolumna 1 zawiera typ komórki (zakodowany jako 11: komórka ɑ, 12: komórka β, 13: komórka δ), a kolumny 2 do 4 zawierają odpowiednio współrzędne x, y i z (zobacz fragment pliku wejściowego w sekcji 5 Supplementary File 2 lub testowy plik wejściowy dołączony do repozytorium IsletLab).
- Upewnij się, że plik wejściowy nie zawiera nagłówków kolumn. W razie potrzeby skorzystaj z przykładowego pliku wejściowego dołączonego do repozytorium IsletLab, aby postępować zgodnie z protokołem (Input_Islet_test.txt).
UWAGA: Dane wejściowe wykorzystane do opracowania algorytmów zaimplementowanych w IsletLab zostały uzyskane eksperymentalnie, jak szczegółowo opisano w pracy Hoang et al.11,12, wykorzystując barwienie DAPI do określenia pozycji jąder oraz immunofluorescencję do identyfikacji typów komórek. - Kliknij przycisk Load Initial Islet i wybierz plik zawierający dane wejściowe, aby wygenerować początkową wysepkę, reprezentację 3D oraz odpowiadające im statystyki. W przypadku wystąpienia błędu wyświetlona zostanie wiadomość: „Error loading islet file”. Aby go naprawić, powtórz krok 2.1.
- Skonfiguruj proces rekonstrukcji. Kliknij przycisk Reconstruction Settings i zmodyfikuj parametry optymalizacji (krótki opis algorytmu oraz parametrów wyświetlanych w oknie ustawień rekonstrukcji znajduje się w sekcjach 4 i 5 Supplementary File 2).
- Ustaw temperaturę początkową (initial temperature) = 1, czynnik iteracji (iterations factor) = 1 oraz czynnik akceptacji (acceptance factor) = 1. Kliknij przycisk OK, aby zapisać wartości parametrów.
UWAGA: Zasadniczo zwiększenie parametru temperatury, a także czynników iteracji i akceptacji, przyniesie lepsze wyniki rekonstrukcji pod kątem liczby komórek eksperymentalnych włączonych do zrekonstruowanej wysepki, kosztem wydłużenia czasu obliczeń. - Kliknij przycisk Reconstruct Islet, aby otworzyć okno dziennika rekonstrukcji (opis informacji zawartych w dzienniku rekonstrukcji znajduje się w sekcji 6 Supplementary File 2).
- Kliknij przycisk Run, aby rozpocząć proces rekonstrukcji. Monitoruj proces optymalizacji, aż wyświetli się komunikat: „Please close this window to continue”. Zamknij okno dziennika rekonstrukcji, aby wygenerować wizualną reprezentację zrekonstruowanej wysepki i obliczyć powiązane statystyki (patrz lewa kolumna na Rysunku 3A-C).
- Oceń wyniki procesu rekonstrukcji, analizując statystyki optymalizacji wyświetlane w zakładce „final islet” panelu statystyk. W szczególności skup się na maksymalizacji procentowej liczby komórek eksperymentalnych włączonych do zrekonstruowanych wysepek (% of experimental) lub równoważnie na minimalizacji liczby nakładań (pokazanych również graficznie na wykresie zbieżności, prawa kolumna na Rysunku 3A-C).
- Jeśli statystyka % of experimental zostanie uznana za zbyt niską w stosunku do celów użytkownika, zrestartuj IsletLab zgodnie z opisem w kroku 9.1, zwiększ temperaturę początkową, czynnik iteracji i czynnik akceptacji w ustawieniach rekonstrukcji i powtórz kroki 2.1-2.4, aż do uzyskania satysfakcjonujących wyników (> 95% komórek eksperymentalnych). Dalszy opis procesu rekonstrukcji i powiązanych wyników znajduje się w sekcjach 5-7 Supplementary File 2.
3. Identyfikacja kontaktów międzykomórkowych
- Kliknij Ustawienia rekonstrukcji przycisk i ustawić Tolerancja na kontakt parametr określający tolerancję kontaktu międzykomórkowego i kliknij Proszę o przesłanie tekstu źródłowego do tłumaczenia. w celu zapisania wartości parametrów.
UWAGA: Parametr tolerancji kontaktu reprezentuje maksymalną odległość między komórkami, przy której uznaje się, że pozostają one w kontakcie. - Kliknij w Kontakty międzykomórkowe przycisk służący do identyfikacji komórek pozostających w bliskim kontakcie. W zakładce kontaktów należy sprawdzić komórki w kontakcie, przedstawione graficznie (czarne linie) w panelu graficznym, oraz odpowiadające im statystyki (tj. całkowitą liczbę kontaktów, kontakty homotypowe i heterotypowe oraz kontakty ɑ-ɑ, β-β, δ-δ, ɑ-β, ɑ-δ, β-δ kontakty) widoczne w panelu statystyk (patrz lewa kolumna) Rycina 4A-C).
- Zwiększ (zmniejsz) parametr tolerancji kontaktu (contact tolerance), aby zwiększyć (zmniejszyć) liczbę kontaktów międzykomórkowych. Patrz sekcja 8. Plik uzupełniający 2 po szczegóły dotyczące identyfikacji kontaktów międzykomórkowych oraz powiązanych z nimi wyników.
4. Budowanie sieci wysepek
- Kliknij przycisk Build Network, aby wygenerować sieć wysepek i obliczyć powiązane metryki sieci (patrz prawa kolumna na Ryc. 4A-C).
UWAGA: Dalszy opis wyników związanych z wygenerowaną siecią wysepek znajduje się w sekcji 9 Pliku uzupełniającego 2.
5. Symulacja funkcjonalna zrekonstruowanego wysepki
- Przejdź do karty Simulation panelu konfiguracji interfejsu (Rycina 5).
- Wybierz pożądany tryb częstotliwości własnej – Constant (stały) lub Random (losowy) – i kliknij przycisk Configure Intrinsic Frequency, aby zdefiniować częstotliwość oscylatorów (w Hz). Jeśli wybrano losową częstotliwość własną, zdefiniuj średnią i odchylenie (w Hz), aby wygenerować losowe częstotliwości o rozkładzie normalnym (opis parametrów symulacji znajduje się w sekcji 11 pliku uzupełniającego Supplementary File 2).
- Wybierz pożądany tryb fazy początkowej – Constant (stały) lub Random (losowy). Jeśli wybrano stałą fazę początkową, kliknij przycisk Configure Initial Phase, aby zdefiniować fazę oscylatorów (w radianach). Jeśli wybrano losową fazę początkową, system przypisze wszystkim oscylatorom losowe fazy z zakresu od 0 do 2π.
UWAGA: W przypadku wyboru stałej fazy początkowej wszystkie oscylatory zostaną zainicjowane w fazie. - Kliknij przycisk Configure Interactions, aby zdefiniować parametry oddziaływań międzykomórkowych w oknie natężenia oddziaływań. Opis parametrów oddziaływań znajduje się w sekcji 11 pliku uzupełniającego Supplementary File 2.
- Skonfiguruj symulację, definiując całkowity czas symulacji (w s), krok czasowy (w s) oraz współczynnik zapisu (liczba kroków między zapisanymi punktami danych). W symulacji przedstawionej na Rycini 5 całkowity czas wynosił 20000 s, przy kroku czasowym 0.1 s i współczynniku zapisu 500.
- Zdefiniuj liczbę bloków, wątków oraz wydajność platformy obliczeniowej dostępną do przeprowadzenia symulacji. Parametry te należy zdefiniować zgodnie ze specyfikacją dostępnej jednostki przetwarzania graficznego (GPU).
UWAGA: W przykładzie przedstawionym na Rycini 5 użyto 36 bloków i 64 wątków na blok (2304 rdzenie platformy obliczeniowej), ponieważ wykorzystano GPU z 36 multiprocesorami i 64 rdzeniami platformy obliczeniowej na multiprocesor. Wartość parametru wydajności platformy obliczeniowej wyniosła 75, ponieważ sprzętowa wydajność platformy obliczeniowej wynosiła 7.5 (szczegóły dotyczące tych parametrów znajdują się w sekcji 10 pliku uzupełniającego Supplementary File 2). - Kliknij przycisk Run Simulation, aby otworzyć okno dziennika symulacji. Kliknij przycisk Run, aby rozpocząć symulację i monitoruj proces aż do wyświetlenia komunikatu: „Please close the window to continue”. Szczegóły dotyczące dziennika symulacji znajdują się w sekcji 12 pliku uzupełniającego Supplementary File 2.
- Zamknij okno dziennika symulacji, aby zapoznać się z wynikami symulacji (patrz Rycina 5). Szczegółowe informacje o wynikach symulacji podano w sekcji 13 pliku uzupełniającego Supplementary File 2.
6. Zapisz projekt (opcjonalnie)
- Kliknij File > Export Project 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. - Załaduj wyeksportowany projekt, klikając File > Load Project.
7. Zapisywanie rycin (opcjonalnie)
- Kliknij ikonę zapisu wykresu znajdującą się na pasku narzędzi wykresu, aby zapisać aktualną wizualizację w formie pliku obrazu. Powtórz ten krok dla wszystkich rycin utworzonych w trakcie protokołu.
UWAGA: Wykresy i wizualizacje wysepek można modyfikować za pomocą ikon dostępnych na pasku narzędzi wykresu w panelu graficznym.
8. Wczytywanie projektu (opcjonalnie)
- Kliknij Plik > Wczytaj projekt w menu głównym i wybierz plik projektu zapisany wcześniej zgodnie z opisem w krokach 6.1-6.2.
UWAGA: Projekt nie zostanie wczytany poprawnie, jeśli plik projektu został zmodyfikowany zewnętrznie. Po pomyślnym wczytaniu projektu dostępne będą jedynie funkcje symulacji.
9. Ponowne uruchomienie procesu rekonstrukcji i analizy (opcjonalnie)
- W dowolnym momencie użytkownik może wybrać Plik > Restart, aby odrzucić wszystkie wyniki i rozpocząć nową rekonstrukcję oraz analizę.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wyniki
Rekonstrukcja wysepek trzustkowych przy użyciu metodologii zaproponowanej przez Félix-Martínez i wsp.19 jest silnie zależna od parametrów przekazanych do algorytmu optymalizacji (zdefiniowanych w ustawieniach rekonstrukcji). Przykład tego przedstawiono wizualnie na Rysunku 3, gdzie ukazano wysepki zrekonstruowane przy użyciu różnych zestawów parametrów. Po pierwsze, na Rysunku 3A przedstawiono rekonstrukcję, która objęła 86,6% komór...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Dyskusja
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
Autorzy nie mają nic do ujawnienia.
Podziękowania
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
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| graficzna NVIDIA z obsługą CUDA | Wymagana do symulacji funkcjonalnych | ||
| IsletLab | https://github.com/gjfelix/IsletLab (Postępuj zgodnie z instrukcjami, aby pobrać i zainstalować aplikację). |
Bibliografia
- 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).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Przedruki i uprawnienia
