Introduction

Zrozumienie zróżnicowanego charakteru odpowiedzi komórkowej na stres jest istotnym czynnikiem postępu w biologii i medycynie. Dotyczy to w szczególności komórek nowotworowych, charakteryzujących się zróżnicowaną morfologią i zachowaniem. Podjęcie badań nad tą heterogenicznością będzie stanowić istotny wkład również w nową dziedzinę inżynierii, biologie syntetyczna. Zróżnicowanie poszczególnych komórek powoduje wzrost odporności ich populacji na czynniki zewnętrzne, na przykład chorobotwórcze. W przypadku komórek nowotworowych, jest powodem ich odporności na chemioterapię i radioterapię. Zrozumienie wpływu niejednorodności jest możliwe przy użyciu nowych metod obserwacji poszczególnych komórek, ale także poprzez tworzenie nowych modeli matematycznych komórek i biomolekuł. Istotne jest, aby modele te odzwierciedlały w miarę możliwości wieloskalowy charakter procesów biologicznych, brały pod uwagę losowość i skutki przestrzenne, jak również interakcje pomiędzy tymi czynnikami. Proponujemy nowe modele matematyczne stochastycznej dynamiki w komórkach normalnych i rakowych, w tym regulacji cyklu komórkowego i przestrzennej emisji sygnałów np. takich jak w nowotworzeniu i odpowiedzi na zakażenie. Nowe stochastyczne i przestrzenne modele regulacji wzrostu, nierównego podziału i śmierci komórek oraz komunikacji międzykomórkowej będą weryfikowane przy użyciu eksperymentów własnych oraz istniejących danych.

Goal

Cel badań/Hipoteza:Zrozumienie zróżnicowanego charakteru odpowiedzi komórkowej na stres jest istotnym czynnikiem postępu w biologii i medycynie. Dotyczy to w szczególności komórek nowotworowych, charakteryzujących się zróżnicowaną morfologią i zachowaniem. Podjęcie badań nad tą heterogenicznością stanowiło istotny wkład również w nową dziedzinę inżynierii, biologię syntetyczną. Zróżnicowanie poszczególnych komórek powoduje wzrost odporności ich populacji na czynniki zewnętrzne, na przykład chorobotwórcze. W przypadku komórek nowotworowych, jest powodem ich odporności na chemioterapię i radioterapię. Zrozumienie wpływu niejednorodności jest możliwe przy użyciu nowych metod obserwacji poszczególnych komórek, ale także poprzez tworzenie nowych modeli matematycznych komórek i biomolekuł. Istotne jest, aby modele te odzwierciedlały w miarę możliwości wieloskalowy charakter procesów biologicznych, brały pod uwagę losowość i skutki przestrzenne, jak również interakcje pomiędzy tymi czynnikami. Zaproponowaliśmy nowe modele matematyczne dynamiki w komórkach normalnych i rakowych, w tym regulacji cyklu komórkowego i przestrzennej emisji sygnałów np. takich jak w nowotworzeniu i odpowiedzi na zakażenie. Nowe przestrzenne modele regulacji wzrostu, nierównego podziału i śmierci komórek oraz komunikacji międzykomórkowej zostały zweryfikowane przy użyciu eksperymentów laboratoryjnych.

Tasks

Zadanie 1 Opracowanie nowych modeli stochastycznych, o ciągłej i dyskretnej strukturze, opisujących regulację procesów wzrostu, niesymetrycznego podziału i śmierci w populacjach komórkowych.Rozszerzając podejścia z naszych wcześniejszych prac, takie jak procesy gałązkowe z dyskretną lub ciągłą przestrzenią typów, będziemy rozwijać modele regulacji cyklu komórkowego, które zawierać będa (i) trajektorie wzrostu elementów składowych komórek, takich jak białka, podczas życia komórki, (ii) nierówny podział składników komórek pomiędzy komórki potomne, oraz (iii) regulację trwania cyklu komórkowego. Skupimy się na warunkach, przy których populacja jako całość zachowuje stabilny wzrost przy dużej różnorodności poszczególnych komórek (rozkłady stacjonarne). Rozważymy również modele hierarchiczne populacji komórkowych, takich jak hemopoetyczne komórki macierzyste.Zadanie 2 Opracowanie nowych modeli przestrzennych komunikacji międzykomórkowej i zbadanie zakresu efektów dynamicznych w tych modelach metodami analitycznymi i obliczeniowymi. Wykorzystamy między innymi zjawisko niestabilności wywoływanej dyfuzją (Turinga), jak również oryginalne oprogramowanie sbioPN do symulacji stochastycznych i przestrzennych efektów w populacjach. Przykłady to między innymi modele wczesnej karcynogenezy, obejmujące stochastyczne zmiany przed- i nowotworowe oraz ich przestrzenny charakter opisywany przez teorię pola karcynogenezy. Kolejny ważny model dotyczyć będzie naprawy uszkodzeń DNA i efektu sąsiedztwa (bystander effect).Zadanie 3 Przeprowadzenie eksperymentów mających na celu pomiar rozkładów ciałek Cajala w różnych fazach cyklu komórkowego (przy użyciu markerów FUCCI) dla populacji komórek HeLa w warunkach normalnych i po napromienieniu, z monitoringiem pojedynczych komórek za pomocą cytometrii przepływowej oraz technik mikroskopowych. Doświadczenia nad rozkładami i dynamiką ciałek Cajala posłużą do weryfikacji stochastycznych modeli proliferacji komórek, o ciągłej i dyskretnej strukturze zmiennych (takich jak liczba ciałek Cajala i rozmiar komórki). Zastosowanie markerów FUCCI pozwoli zbadać związek tych cech z fazami cyklu komórkowego. Eksperymenty na linach komórkowych będą wykonywane przy użyciu zasobów Laboratorium Biotechnologii na Politechnice Śląskiej.

Contractors

Project manager

Krzysztof Fujarewicz

Contractors

Izabella Ślęzak-Prochazka, Joanna Rzeszowska, Maria Wideł, Sebastian Student, Krzysztof Łakomiec, Magda Skonieczna, Karolina Kurasz, Aleksandra Krzywon, Roman Jaksik, Karolina Gajda, Marta Danch, Marzena Mura, Krzysztof Biernacki, Krzysztof Fujarewicz

Results

Efektem realizacji projektu jest 11 artykułów opublikowanych w czasopismach oraz dwa kolejne złożone do druku, 6 rozdziałów w książkach, 19 publikacji pokonferencyjnych i 1 rozprawa doktorska.Ponadto, wyniki realizacji projektu upowszechniono w postaci ponad 20 doniesień na konferencjach międzynarodowych oraz krajowych w postaci referatów i plakatów.Najważniejsze efekty prac badawczych prowadzonych w projekcie to:1. Przeprowadzenie serii eksperymentów laboratoryjnych tzw. efektu sąsiedztwa (ang. bystander effect) w różnych układach eksperymentalnych obejmujących:Różne rodzaje promieniowania; w przypadku promieniowania jonizującego zmieniano dawkę, a w przypadku promieniowania UV badano wpływ różnych pasm: UVA, UVB i UVC.Różne linie komórkowe. Wykorzystano linie: NHDF, Me45, HCT116 z różnym stanem genu TP53: p53+/+ i p53-/-.Badano różne potencjalne mediatory efektu sąsiedztwa: reaktywne formy tlenu (ROS), anionorodnik ponadtlenkowy, tlenek azotu, oraz poziom interleukin 6 i 8 (IL-6 i IL-8).Na podstawie przeprowadzonych eksperymentów:Wykazano, że poziom prozapalnej cytokiny, IL-6, lecz nie IL-8, w pożywce hodowlanej wskazuje na jej rolę jako mediatora efektu sąsiedztwa po ekspozycji na wszystkie pasma UV.Wykazano, że senescencja może być kluczowym graczem w popromiennym efekcie sąsiedztwa a jego nasilenie zależy od ilości komórek wchodzących w ten stan pod wpływem sygnałów emitowanych przez komórki napromieniowane.Zbudowano model matematyczny zjawiska bystander pozwalający na odróżnienie właściwego efektu sąsiedztwa od zwykłego efektu wzajemnego wpływu na siebie dwóch populacji przebywających we wspólnym środowisku i na jego podstawie wykazano istnienie zarówno prostego jak i odwrotnego (protekcyjnego) efektu sąsiedztwa.2. Opracowano metodologię estymacji parametrów dla trzykompartmentowego modelu cyklu komórkowego ze strukturą wieku wykorzystującą sprzężoną analizę wrażliwości.3. Opracowano metodę wyznaczania gradientu funkcji celu w zadaniu optymalizacji radioterapii względem czasoprzestrzennego rozkładu promieniowania, mogącą mieć zastosowanie w technice IMRT (Intensity Modulated Radiation Therapy).4. Zastosowano teorię gier ewolucyjnych do zbudowania heterogenicznego modelu nowotworu, w którym występują 4 typy komórek nowotworowych (strategie, fenotypy) mogące powstać na skutek mutacji. Wpływ rezultatów:  Intelektualnym efektem badań jest to, że ogólny model heterogeniczności, w tym procesu deregulacji genomu raka, przyczynia się do zrozumienia dynamiki wzrostu i regulacji podziału w normalnej komórce oraz stochastycznych i przestrzennych aspektów dynamiki powstawania nowotworu. Projekt obejmował pionierskie badania interdyscyplinarne obejmujące biologię systemów, inżynierię, podejście matematyczne i obliczeniowe, a także eksperymenty biologiczne. Jak wykazujemy, efekty stochastyczne i przestrzenne nie oddziałują ze sobą w prosty sposób, co jest faktem niedocenianym. Wynik badań może wpłynąć na zmianę myślenia o interakcji efektów stochastycznych i przestrzennych. Eksperymenty na pojedynczych komórkach dostarczyły danych dotyczących heterogeniczności. Efekt społeczny badań wynika z faktu, że zrozumienie hetoerogeniczności parakrynnej regulacji w szlakach sygnałowych aktywowanych w raku jest jednym z kroków w kierunku opracowania biomarkerów wczesnego wykrywania i leczenia raka.

Articles