Inferring active and passive mechanical drivers of epithelial convergent extension
Notice bibliographique
Résumé
What can we learn about the mechanical processes that shape tissues by simply watching? Several schemes suggest that static cell morphology or junctional connectivity can reveal where chains of cells transmit force or where force asymmetries drive cellular rearrangements. We hypothesize that dynamic cell shape changes from time lapse sequences can be used to distinguish specific mechanisms of tissue morphogenesis. We refer to this as 'mechanism inference'. Convergent extension (CE) is a crucial developmental motif wherein a planar tissue narrows in one direction and lengthens in the other. It is tempting to assume that forces driving CE reside within cells of the deforming tissue, but CE may reflect a variety of active processes or passive responses to forces generated by adjacent tissues. In this work, we first construct a simple model of epithelial cells capable of passive CE in response to external forces. We adapt this framework to simulate CE from active anisotropic processes in three different modes: crawling, contraction, and capture. We develop an image analysis pipeline for analysis of morphogenetic changes in both live cells and simulated cells using a panel of mechanical and statistical approaches. Our results allow us to identify how each simulated mechanism uniquely contributes to tissue morphology and provide insight into how force transmission is coordinated. We construct a MEchanism Index (MEI) to quantify how similar live CE is to simulated CE modes. Applying these analyses to timelapse data of Xenopus neural CE reveals features of both passive motion and active forces. Furthermore, we find spatial variation across the neural plate. We compare the inferred mechanisms in the frog midline to tissues undergoing CE in both the mouse and fly. We find that distinct active modes may have different prevalences depending on the model system. Our modeling framework allows us to gain insight from tissue timelapse images and assess the relative contribution of specific cellular mechanisms to observed tissue phenotypes. This approach can be used to guide further experimental inquiry into how mechanics influences the shaping of tissues and organs during development.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».