形状决定一切：从静态图像推断密集细胞群体的细胞运动性
生物物理
2026-02-26 v1
摘要
密集细胞群体的细胞运动性在 various diseases like cancer metastasis and asthma 中起着关键作用。这些现象的核心方面之一是细胞运动性的异质性，但确定单个细胞的运动性具有挑战。先前的工作已确立平均细胞形状在预测细胞动力学中的重要性。本研究旨在识别单个细胞形状特征的重要性，而非集体特征，以区分异质细胞层中的高运动性 (active) 和低运动性 (passive) 细胞。采用细胞质子模型 (Cellular Potts Model)，我们生成仿真快照，从中提取静态特征作为简单机器学习模型的输入。我们的结果表明，当被动细胞为非运动性时，这种机器学习模型可仅使用单个细胞形状特征准确预测细胞是被动还是主动。此外，我们探讨了被动细胞也表现出一定程度运动性但低于主动细胞的情况。在此类情况下，我们的发现表明，基于形状特征训练的神经网络可准确分类细胞运动性，特别是在主动细胞数量较少且主动细胞的运动性显著高于被动细胞时。该工作为基于物理原理的单细胞属性预测提供了潜在方法，可用于从组织学静态图像推断细胞动力学。
引用
@article{arxiv.2408.16368,
title = {Shape matters: Inferring the motility of confluent cells from static images},
author = {Quirine J. S. Braat and Giulia Janzen and Bas C. Jansen and Vincent E. Debets and Simone Ciarella and Liesbeth M. C. Janssen},
journal= {arXiv preprint arXiv:2408.16368},
year = {2026}
}