Demasiada comunicación impide que las células trabajen juntas
Una nueva investigación muestra que muy poca o demasiada comunicación puede obstaculizar la forma en que las células responden a su entorno.
Los resultados pueden tener implicaciones para comprender cómo los grupos de células, desde colecciones de amebas hasta aquellas que gobiernan el ritmo de su corazón, se unen para trabajar.
“Las células necesitan trabajar juntas para realizar tareas complejas, que pueden incluir sincronizarse juntas, realizar una función al mismo tiempo”, dice Ryan Lefebre, coautor principal del artículo y estudiante de doctorado en física en la Universidad de Pittsburgh.
“Uno pensaría que cuanto mejor puedan comunicarse entre sí, más se vuelven más sincronizado. Pero eso no es del todo cierto.
Alors que les scientifiques ont étudié de manière approfondie la façon dont certains types de cellules cérébrales apprennent en groupe, il n’en va pas de même pour les cellules qui n’ont pas la capacité d’établir des connexions complexes et spécialisées les unes avec los otros. Y, sin embargo, en muchos casos, incluso estas células más simples logran coordinarse en respuesta a su entorno.
Para estudiar esta coordinación, los investigadores trabajaron con colegas de la Universidad Estatal de Oregón para establecer un sistema simplificado que les permitiera estudiar una especie de célula cerebral que se comunica con sustancias químicas de una manera más simple, asemejándose a los organismos unicelulares y a las células que la componen. el resto de nuestro cuerpo.
Esbozar el comportamiento de la red de estas células reveló una cantidad óptima de comunicación, ni demasiado ni muy poco, que les permite reaccionar juntas a su entorno. La investigación aparece en la revista procedimientos de la Academia Nacional de Ciencias.
Los investigadores estaban desconcertados inicialmente por los resultados del experimento, dice el coautor Andrew Mugler, profesor asociado de física y asesor de Lefebre.
“No entendíamos lo que estábamos viendo hasta que escribimos un modelo matemático. Entonces podríamos profundizar y decir: «Tomemos solo dos células», dice Mugler. La ampliación de escala de este modelo simplificado llevó al equipo a comprender cómo las interacciones entre las células individuales producían los patrones a mayor escala de la red.
Cambiar la tasa de fluctuaciones en el entorno de la red celular también influyó en la capacidad de respuesta de las células: si el entorno cambia demasiado rápido, las células no pueden coordinarse de manera efectiva.
La clave para la configuración experimental del equipo son las células en una parte del cerebro que es importante en la reproducción y el metabolismo, y que reaccionan a una sustancia química llamada ATP liberando calcio en su entorno. Los investigadores pudieron modificar el experimento para cambiar la eficiencia con la que las células transmiten mensajes químicos y usaron estadísticas para mostrar qué células actúan como «líderes» y «seguidoras» en un momento dado.
El sistema, dice Mugler, es típico de los favorecidos por los físicos biológicos como su equipo: es lo suficientemente realista como para parecerse a las redes celulares naturales, pero lo suficientemente simple como para manipularlo, estudiarlo y describirlo usando las matemáticas.
«Es una caja de arena para el comportamiento colectivo de las células», dice Mugler. «Podemos entender eso y podemos controlarlo».
Si bien este es un primer paso para comprender cómo las redes de células responden colectivamente a su entorno, construir esta comprensión puede proporcionar información sobre una serie de enfermedades, que incluyen cáncer.
«Muchas veces, cuando tenemos una disfunción tisular, se debe a una falta de coordinación entre las células», dice Mugler. «En el crecimiento tumoral y metástasislas células dejan de ser miembros del equipo y adquieren un carácter más individualista, menos coordinado.
A continuación, el equipo trabaja en el modelado de redes de células más complejas mediante la colocación de neuronas en laberintos generados aleatoriamente, realizando así ideas de una rama de la estadística llamada teoría de la percolación.
«Creo que va a producir algunos resultados bastante interesantes», dice Mugler.
Fuente: Patrick Monahan para universidad de pittsburgh
