Investigating local negative feedback of Rac activity by mathematical models and cell motility simulations
Notice bibliographique
Résumé
For polarization and directed migration, cells use a combination of local positive feedback and long-range inhibition. We have previously used mathematical models to show the ability of this core circuit to regulate directed cell movement. However, this wave pinning model lacks important additional feedback circuits, including the recently demonstrated local negative feedback from Town and Weiner. Here we extend our models to investigate the consequences of this additional link on cell physiology. We model responses of neutrophil-like HL-60 cells to spatially-controlled optogenetic stimulation of PI3K, leading (via PIP3) to Rac activity. We sequentially build up and investigate partial differential equation (PDE) models of the key Rac, Rac-Inhibitor, and PIP3-Rac-Inhibitor circuits. We fit model parameters to temporal and spatial (cell trajectory) data. Cell shapes, motility, and responses to stimuli are modeled in 2D cell-based simulations, with PDEs for Rac and the other regulatory components solved along the cell edge. We demonstrate that the ability of modeled cells to respond to temporal as well as spatial features of guidance cues depends on the addition of the local negative feedback circuit. Furthermore, the local Rac inhibitor improves the ability of modeled cells to respond to noisy or dynamic extracellular gradients. Our work demonstrates how local negative feedback enhances dynamic polarity and gradient sensing in migratory cells.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».