Prevedere le dinamiche globali di un organo dalle interazioni locali tra le cellule

Spesso i sistemi biologici vengono rappresentati come reti, cioè come un complesso sistema di interazioni che si intrecciano a vari livelli di organizzazione, da quello molecolare a quello di ecosistema. Il tipo di interazioni che si instaurano, influenza il comportamento dei singoli componenti e dà origine a specifiche proprietà emergenti del sistema nel suo complesso.

Alma Dal Co è a Cambridge (Stati Uniti) per studiare come le interazioni locali tra singole cellule determinano i comportamenti collettivi di un organo o un tessuto. L’obiettivo di Dal Co è capire quali sono le regole di interazione tra singoli elementi di una comunità e come da dinamiche locali scaturiscano dinamiche più globali.

Nome: Alma Dal Co
Età: 31 anni
Nata a: Moncalieri (TO)
Vivo a: Boston (Stati Uniti)
Dottorato in: systems biology (Zurigo, Svizzera)
Ricerca: Sviluppo di modelli computazionali per inferire le interazioni tra cellule
Istituto: School of Engineering and Applied Sciences, Harvard University (Cambridge, Stati Uniti)
Interessi: suonare il pianoforte, fare pesca subacquea col fucile
Di Boston mi piace: è un po’ nerdy
Di Boston non mi piace: la distanza dall’Italia
Pensiero: Tutto è connesso. Il piccolo e il grande.

In che modo le connessioni tra singoli individui influenzano il comportamento della comunità in cui vivono?

Se guardiamo a come funzionano i sistemi viventi in natura, spesso il comportamento, la crescita, la riproduzione e la sopravvivenza di una cellula o un organismo dipendono dal tipo di connessioni che si creano con gli altri membri del sistema. E questo vale a qualsiasi scala, dalle interazioni tra geni, molecole, tessuti, organismi fino all’intero ecosistema. Per esempio, gli organi del nostro corpo sono fatti da diversi tipi di cellule, ciascuna specializzata in una certa funzione, e solo la loro interazione orchestrata può far funzionare correttamente tutto l’organo.

L’idea della mia ricerca è capire come i singoli elementi di una comunità si influenzano a vicenda e se, a partire da interazioni più locali, è possibile ricostruire le dinamiche globali del sistema, il suo funzionamento, le proporzioni relative dei diversi componenti, l’organizzazione nello spazio, la velocità di crescita.
Per fare ciò, ho iniziato a studiare semplici comunità di individui che interagiscono tra loro in modo positivo, i batteri: in particolare, ho preso in considerazione una comunità fatta da due tipi di Escherichia coli che per crescere e riprodursi avevano bisogno di scambiarsi amminoacidi. Infatti, un tipo di E. coli era incapace di produrre l’amminoacido triptofano mentre l’altro l’amminoacido prolina, quindi ciascuno dei due aveva bisogno del partner per ottenere la sostanza mancante e crescere.

Abbiamo messo a punto un modello matematico in cui le cellule batteriche erano rappresentate dai nodi di una rete e volevamo capire qual era la distanza fisica tra le due specie che permetteva una crescita ottimale sia a livello locale che di tutta la comunità.

Che cosa avete scoperto?

Abbiamo visto che ciascun tipo di batterio è in grado si percepire il mondo circostante a una certa distanza, chiamata raggio di interazione, che dipende dalla diffusione degli amminoacidi e dal loro assorbimento da parte delle cellule. Inoltre, abbiamo scoperto che questo comportamento locale determina la composizione e l’organizzazione spaziale di tutta la comunità.

Infatti, possiamo pensare che se un batterio ha un raggio di interazione corto, e quindi “sente” ciò che lo circonda a piccole distanze, per crescere e riprodursi avrà bisogno di avere il partner di interazione piuttosto vicino. Dal punto di vista della disposizione spaziale, tenderà a creare piccoli gruppi di se stesso circondati da gruppi dell’altro tipo perché, se fosse circondato dai suoi simili, la crescita non sarebbe ottimale (vedi immagine).

Lo stesso ragionamento vale anche per sistemi più complessi, come organi e tessuti?

In generale, le cellule hanno un’intrinseca capacità di auto-organizzarsi in strutture funzionali come organi e tessuti e, anche se ancora non capiamo bene come ciò avvenga, sappiamo che le interazioni cellula-cellula sono una parte importante del processo. Da qui è nata l’idea di analizzare, tramite modelli matematici, le interazioni che coordinano lo sviluppo degli organi nell’embrione. Il mio interesse è capire come una singola cellula progenitore si differenzia nei vari sottotipi e come questi poi riescano a riorganizzarsi nello spazio, assumere funzioni diverse e a interagire con gli altri tipi cellulari per formare la struttura finale dell’organo.

L’organo che ho in mente di studiare è il pancreas, fatto da isole pancreatiche e cellule alfa e beta. In letteratura esistono già un sacco di informazioni dettagliate sulla distribuzione spaziale dell’espressione genica nelle cellule alfa e beta e, grazie alle nuove tecnologie di indagine a singola cellula, abbiamo una grandissima quantità di dati sugli eventi molecolari che si verificano durante lo sviluppo del pancreas. Il problema è riuscire a rielaborali per il nostro scopo: il mio obiettivo, infatti, è riuscire a ricostruire quali programmi genetici sono accesi in ogni momento dello sviluppo ma, soprattutto, in che zona si accendono.

Quali sono le prospettive future del tuo lavoro?

Per adesso stiamo ragionando sul tipo di modello da usare per il pancreas, in base ai dati sperimentali che riusciremo a ottenere (da single cell RNA seq e Light sheet microscopy). L’ideale sarebbe individuare un modello multiscala convincente che includa tutte le interazioni importanti a livello di singole cellule e che, in base alle proprietà locali, possa spiegare la dinamica globale dell’organo e la sua funzione.

In generale ci sono dei modelli, chiamati Probabilistic Graphical Model (PGM), che permettono non solo di assumere che alcuni elementi sono connessi tra loro ma anche di assegnare pesi diversi alle connessioni. Per esempio, con i PGM si potrebbe dire che il gene 1 attiva il gene 2 e che l’attivazione è più o meno alta; poi, tramite machine learning, si potrebbero individuare quali sono le correlazioni geniche più probabili per spiegare i dati sperimentali raccolti.

Leggi anche: I sistemi biologici nelle simulazioni coarse grained multi-scala

Pubblicato con licenza Creative Commons Attribuzione-Non opere derivate 2.5 Italia.   

Immagine di copertina: Pixabay