Engineering morphogenesis of cell clusters with differentiable programming
Ramya Deshpande, Francesco Mottes, Ariana-Dalia Vlad, Michael P. Brenner, Alma dal Co
了解生物发育背后的规则是生物学中的一个主要未解决的问题。 发育中的生物体中的每个细胞通过分裂,排泄,消耗或重组来响应其局部环境中的信号,但这些个体行为如何在宏观数量的细胞中协调以生长具有精致功能的复杂结构尚不清楚。 在这里,我们使用自动分化的最新进展来发现局部相互作用规则和遗传网络,这些规则和遗传网络在开发模型中产生新兴的系统级特征。 我们考虑生长的组织与细胞相互作用介导由形态素扩散,细胞粘附和机械应力介导。 每个细胞都有一个内部遗传网络,用于根据细胞的局部环境做出决定。 我们表明,人们可以通过解释性遗传网络的形式学习控制细胞相互作用的参数,用于复杂的发育场景,包括定向轴向伸长,通过化学信号通过化学信号进行细胞类型稳态,以及通过机械应力生长的同质化。 当结合最近测量生长组织中细胞时空动力学和细胞基因表达的实验进展时,这里概述的方法为解开细胞发育基础提供了一条有希望的途径。
Understanding the rules underlying organismal development is a major unsolved problem in biology. Each cell in a developing organism responds to signals in its local environment by dividing, excreting, consuming, or reorganizing, yet how these individual actions coordinate over a macroscopic number of cells to grow complex structures with exquisite functionality is unknown. Here we use recent advances in automatic differentiation to discover local interaction rules and genetic networks that yiel...