单细胞方法研究细胞竞争：高通量成像、机器学习与模拟

细胞竞争是组织中一种质量控制机制，导致适应性较差的细胞被清除。过去十年中，细胞竞争现象已在众多生理与病理背景下被发现，其或由生化信号驱动，或由组织内机械力驱动。在这两类情形中，竞争通常基于群体水平上失败细胞的清除来表征，但显著较少关注单细胞动力学与相互作用如何调控群体范围的改变。在本综述中，我们描述了定量策略，并概述了理解掌控组织尺度竞争动力学的单细胞规则所面临的突出挑战。我们提出定量度量来表征竞争中的单细胞行为，并用以区分竞争的类型与结果。我们描述了如何借助高通量成像与机器学习算法的新颖组合在实验中测量此类度量。我们概述了以高统计精度量化细胞命运动力学的实验挑战，并描述了计算建模在检验实验中不易获得的假设方面的效用。特别是，将细胞机械相互作用与细胞命运选择的决策规则相结合的基于细胞的建模方法，为理解和逆向工程细胞竞争的多样规则提供了有力框架。