Modelling Cell Polarization Driven by Synthetic Spatially Graded Rac Activation
Notice bibliographique
Résumé
The small GTPase Rac is known to be an important regulator of cell polarization, cytoskeletal reorganization, and motility of mammalian cells. In recent microfluidic experiments, HeLa cells endowed with appropriate constructs were subjected to gradients of the small molecule rapamycin leading to synthetic membrane recruitment of a Rac activator and direct graded activation of membrane-associated Rac. Rac activation could thus be triggered independent of upstream signaling mechanisms otherwise responsible for transducing activating gradient signals. The response of the cells to such stimulation depended on exceeding a threshold of activated Rac. Here we develop a minimal reaction-diffusion model for the GTPase network alone and for GTPase-phosphoinositide crosstalk that is consistent with experimental observations for the polarization of the cells. The modeling suggests that mutual inhibition is a more likely mode of cell polarization than positive feedback of Rac onto its own activation. We use a new analytical tool, Local Perturbation Analysis, to approximate the partial differential equations by ordinary differential equations for local and global variables. This method helps to analyze the parameter space and behaviour of the proposed models. The models and experiments suggest that (1) spatially uniform stimulation serves to sensitize a cell to applied gradients. (2) Feedback between phosphoinositides and Rho GTPases sensitizes a cell. (3) Cell lengthening/flattening accompanying polarization can increase the sensitivity of a cell and stabilize an otherwise unstable polarization.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».