Ricostruzione computazionale delle isole pancreatiche come strumento per l'analisi strutturale e funzionale
Summary
In questo protocollo, le isole pancreatiche vengono ricostruite e analizzate utilizzando algoritmi computazionali implementati in un’applicazione multipiattaforma dedicata.
Abstract
Le proprietà strutturali delle isole pancreatiche sono fondamentali per la risposta funzionale delle cellule secernenti insulina, glucagone e somatostatina, a causa delle loro implicazioni nella comunicazione intraisletale tramite segnalazione elettrica, paracrina e autocrina. In questo protocollo, l’architettura tridimensionale di un’isolotto pancreatica viene prima ricostruita da dati sperimentali utilizzando un nuovo algoritmo computazionale. Successivamente, si ottengono le proprietà morfologiche e di connettività dell’isolotto ricostruito, come il numero e le percentuali del diverso tipo di cellule, il volume cellulare e i contatti da cellula a cellula. Quindi, la teoria della rete viene utilizzata per descrivere le proprietà di connettività dell’isolotto attraverso metriche derivate dalla rete come grado medio, coefficiente di clustering, densità, diametro ed efficienza. Infine, tutte queste proprietà sono valutate funzionalmente attraverso simulazioni computazionali utilizzando un modello di oscillatori accoppiati. Nel complesso, qui descriviamo un flusso di lavoro passo-passo, implementato in IsletLab, un’applicazione multipiattaforma sviluppata appositamente per lo studio e la simulazione di isole pancreatiche, per applicare una nuova metodologia computazionale per caratterizzare e analizzare le isole pancreatiche come complemento al lavoro sperimentale.
Introduction
Il pancreas è diviso in regioni denominate testa, collo, corpo e coda, ognuna con diverse strutture, funzioni e posizione anatomica 1,2. Da un punto di vista funzionale, il pancreas può essere suddiviso in sistemi endocrino ed esocrino con il primo responsabile della secrezione di ormoni criticamente coinvolti nella regolazione dell’omeostasi del glucosio, mentre il secondo contribuisce alla digestione degli alimenti attraverso la secrezione di enzimi nel duodeno1. Le isole pancreatiche costituiscono il tessuto endocrino del pancreas e sono responsabili della secrezione di glucagone, insulina e somatostatina, secreti rispettivamente dalle cellule ɑ, β e δ,rispettivamente 3. Oltre ai loro meccanismi di regolazione intrinseci, queste cellule sono regolate tramite comunicazione elettrica diretta (tra cellule β e probabilmente β e δ cellule), e anche dalla segnalazione paracrina e autocrina 4,5,6. Entrambi i meccanismi dipendono fortemente dall’architettura dell’isolotto (cioè dalla composizione e dall’organizzazione dei diversi tipi di cellule all’interno dell’isolotto)7,8. È importante sottolineare che l’architettura delle isole è alterata in presenza di diabete, molto probabilmente disturbando la comunicazione intraisleta di conseguenza 9,10.
Lo studio delle isole pancreatiche coinvolge una vasta gamma di metodologie sperimentali. Tra questi, l’uso di tecniche di fluorescenza per determinare il numero, la posizione e il tipo delle diverse cellule nell’isolotto ha permesso di studiare le proprietà strutturali e morfologiche delle isole pancreatiche 11,12,13 e di acquisire una migliore comprensione delle implicazioni funzionali in salute e malattia. Come complemento, modelli computazionali di cellule pancreatiche 14,15,16 e, più recentemente, isole pancreatiche 12,17,18,19 sono stati utilizzati negli ultimi decenni per valutare aspetti difficili o addirittura impossibili da affrontare sperimentalmente.
In questo protocollo, miriamo a colmare il divario tra il lavoro sperimentale e computazionale delineando una metodologia per ricostruire le architetture delle isole, per analizzare le loro proprietà morfologiche e di connettività attraverso metriche quantitative e per eseguire simulazioni di base per valutare le implicazioni funzionali delle proprietà delle isole.
Il protocollo descritto di seguito si basa su algoritmi computazionali specificamente progettati per lo studio delle isole pancreatiche. In sintesi, nella prima fase del protocollo, l’architettura delle isole viene ricostruita da dati sperimentali utilizzando l’algoritmo recentemente proposto da Félix-Martínez et al.19 in cui posizioni nucleari ottenute attraverso la colorazione 4′,6-diamidino-2-fenilindolo (DAPI) e tipi cellulari identificati attraverso l’immunofluorescenza (come descritto in dettaglio da Hoang et al.11,12 ) sono elaborati in una procedura di ottimizzazione iterativa. Questo porta a determinare la dimensione e la posizione ottimali di ogni cella e ad ottenere un isolotto composto da celle non sovrapposte. In secondo luogo, sulla base dell’architettura ricostruita, vengono identificati i contatti cellula-cellula per determinare le proprietà di connettività e per generare la corrispondente rete isolotta che consente all’utente di ottenere metriche quantitative per descrivere ulteriormente l’architettura dell’isolotto (i dettagli sull’algoritmo di ricostruzione possono essere consultati nel lavoro originale sull’argomento19). Infine, vengono eseguite simulazioni funzionali di base utilizzando l’approccio modellistico proposto da Hoang et al.12 in cui, in base alla natura pulsatile della secrezione ormonale osservata sperimentalmente20,21, ogni cellula viene trattata come un oscillatore, e quindi l’isolotto è rappresentato come una rete di oscillatori accoppiati che seguono le proprietà di connettività dell’isolotto ricostruito.
Data la complessità computazionale degli algoritmi utilizzati in questo protocollo, tutti i passaggi coinvolti sono stati implementati in un’applicazione standalone22 con l’obiettivo principale di avvicinare questi strumenti computazionali a tutti i lettori interessati indipendentemente dal loro livello di esperienza nell’uso di software specializzati o linguaggi di programmazione.
Protocol
Representative Results
Discussion
Il protocollo di cui sopra delinea un approccio pratico per ricostruire e analizzare le architetture delle isole pancreatiche utilizzando nuovi algoritmi computazionali. L’obiettivo principale di questo lavoro è quello di consentire alla comunità di ricerca sulle isole di ricavare metriche quantitative per caratterizzare le proprietà morfologiche e di connettività delle architetture delle isole pancreatiche e per valutare le possibili implicazioni funzionali di tali proprietà attraverso simulazioni computaz…
Divulgations
The authors have nothing to disclose.
Acknowledgements
G.J. Félix-Martínez ringrazia CONACYT (Consejo Nacional de Ciencia y Tecnología, México) e il Dipartimento di Ingegneria Elettrica dell’Universidad Autónoma Metropolitana (Città del Messico) per il sostegno dato a questo progetto. Ringraziamo il Dr. Danh-Tai Hoang, il Dr. Manami Hara e il Dr. Junghyo Jo per il loro eccezionale lavoro e la generosità nel condividere le architetture degli isolotti che hanno reso possibile questo lavoro con la comunità di ricerca.
Materials
| CUDA-capable NVIDIA graphics card | Required for the functional simulations | ||
| IsletLab | https://github.com/gjfelix/IsletLab (Follow the instructions to download and install the application.) |
References
- Chen, L., Pan, X., Zhang, Y. H., Huang, T., Cai, Y. D. Analysis of Gene Expression Differences between Different Pancreatic Cells. ACS Omega. 4 (4), 6421-6435 (2019).
- Longnecker, D. S., Gorelick, F., Thompson, E. D., Histology, H. G., Beger, A. L., Warshaw, R. H., Hruban, M. W., Buchler, M. M., Lerch, J. P., Neoptolemos, T., Shimosegawa, D. C., Whitcomb, C., GroB, Anatomy, Histology, and Fine Structure of the Pancreas. The Pancreas. , (2018).
- Liao, E. P., Brass, B., Abelev, Z., Poretsky, L., Poretsky, L. Endocrine Pancreas. Principles of Diabetes Mellitus. , (2017).
- Noguchi, G. M., Huising, M. O. Integrating the inputs that shape pancreatic islet hormone release. Nature Metabolism. 1, 1189-1201 (2019).
- Pérez-Armendariz, E. M. Connexin 36, a key element in pancreatic beta cell function. Neuropharmacology. 75, 557-566 (2013).
- Briant, L., et al. δ-cells and β-cells are electrically coupled and regulate α-cell activity via somatostatin. The Journal of Physiology. 596 (2), 197-215 (2018).
- Arrojoe Drigo, R., et al. New insights into the architecture of the islet of Langerhans: a focused cross-species assessment. Diabetologia. 58 (10), 2218-2228 (2015).
- Cabrera, O., et al. The unique cytoarchitecture of human pancreatic islets has implications for islet cell function. Proceedings of the National Academy of Sciences of the United States of America. 103 (7), 2334-2339 (2006).
- Folli, F., et al. Pancreatic islet of Langerhans’ cytoarchitecture and ultrastructure in normal glucose tolerance and in type 2 diabetes mellitus. Diabetes, Obesity & Metabolism. 20, 137-144 (2018).
- Kilimnik, G., et al. Altered islet composition and disproportionate loss of large islets in patients with type 2 diabetes. PloS One. 6 (11), 27445 (2011).
- Hoang, D. T., et al. A Conserved Rule for Pancreatic Islet Organization. PloS One. 9 (10), 110384 (2014).
- Hoang, D. T., Hara, M., Jo, J. Design Principles of Pancreatic Islets: Glucose-Dependent Coordination of Hormone Pulses. PloS One. 11 (4), 0152446 (2016).
- Brissova, M., et al. Assessment of human pancreatic islet architecture and composition by laser scanning confocal microscopy. The Journal of Histochemistry and Cytochemistry: Official Journal of the Histochemistry Society. 53 (9), 1087-1097 (2005).
- Félix-Martinez, G. J., Godínez-Fernández, J. R. Mathematical models of electrical activity of the pancreatic β-cell: a physiological review. Islets. 6 (3), 949195 (2014).
- Félix-Martínez, G. J., González-Vélez, V., Godínez-Fernández, J. R., Gil, A. Electrophysiological models of the human pancreatic δ-cell: From single channels to the firing of action potentials. International Journal for Numerical Methods in Biomedical Engineering. 36 (2), 3296 (2020).
- Watts, M., Sherman, A. Modeling the pancreatic α-cell: dual mechanisms of glucose suppression of glucagon secretion. Biophysical Journal. 106 (3), 741-751 (2014).
- Lei, C. L., et al. Beta-cell hubs maintain Ca2+ oscillations in human and mouse islet simulations. Islets. 10 (4), 151-167 (2018).
- Watts, M., Ha, J., Kimchi, O., Sherman, A. Paracrine regulation of glucagon secretion: the β/α/δ model. American Journal of Physiology. Endocrinology and Metabolism. 310 (8), 597-611 (2016).
- Félix-Martínez, G. J., Mata, A., Godínez-Fernández, J. R. Reconstructing human pancreatic islet architectures using computational optimization. Islets. 12 (6), 121-133 (2020).
- Hellman, B., Salehi, A., Gylfe, E., Dansk, H., Grapengiesser, E. Glucose generates coincident insulin and somatostatin pulses and antisynchronous glucagon pulses from human pancreatic islets. Endocrinology. 150 (12), 5334-5340 (2009).
- Hellman, B., Salehi, A., Grapengiesser, E., Gylfe, E. Isolated mouse islets respond to glucose with an initial peak of glucagon release followed by pulses of insulin and somatostatin in antisynchrony with glucagon. Biochemical and Biophysical Research Communications. 417 (4), 1219-1223 (2012).
- Félix-Martínez, G. J. IsletLab: an application to reconstruct and analyze islet architectures. Islets. 14 (1), 36-39 (2022).
- Félix-Martínez, G. J., Godínez-Fernández, J. R. Comparative analysis of reconstructed architectures from mice and human islets. Islets. 14 (1), 23-35 (2022).
