Open Access

Hasnaa Fatehi

• Information sent to and received by cells is essential for a homeostatic development of tissues and organs. These same signals are responsible for the good functioning of lymphatic organs and therefore govern the immune response. Dysfunctioning of the signaling networks is related to pathological situations, among which one can find cancer and auto-immune diseases. Intercellular communication involves the synthesis and the adjustment of signals by the secreting/emitting cell in order to reach the needed threshold. Diffusion of the signal to the target cell in addition to its interpretation lead to functional changes like cell migration and aggregation. Individual cells such as bacteria find food or increase their virulence through taxis (directional stimulus) and/or kinesis (speed stimulus). Immune cells appear to use the same processes to find bacteria and cellular debris, as well as to perform the cellular dance observed in germinal centers. This behavior is a result of an up or down regulation of specific signals that suggest to B and T-cells the paths to follow. Furthermore, cell segregation in the white pulp of the spleen, was also shown to be a result of a tight adjustment of T-cell kinesis. Restriction to cellular tracks and other experimentally provided measurements does not ensure a full comprehension of the observed cellular behavior. Thus, the study of patterns opens new gates to our understanding of the immune system. With the help of the agent-based modeling technique, cellular migration and aggregation are investigated in response to various cell-cell interactions. This work aims to explore different mechanisms that lead to cellular migration and aggregation, by defining the emergent properties of interest and that will help distinguish between interactions, starting by a simple look at the emergent patterns, followed by an analysis of their size, their degree of aggregation and the effective communication distances. Finally, the results obtained from the in silico experiments provided a guideline to differentiate between many cell-cell interactions under specific circumstances. Chemotaxis and phototaxis with and without diffusive cellular motion were shown to be distinguishable through an analysis of the emerging aggregation profiles.
• Zellen sind komplexe biologische Strukturen. Um sie zu verstehen braucht es daher die Kombination mehrerer verschiedener Herangehensweisen. Wir befassen uns hier speziell mit Zellmigration. Obwohl diese im ausgewachsenen Organismus keine so herausragende Rolle mehr spielt, ist es bekannt das sich einige Zelltypen, unter anderem Lymphozyten, Makrophagen oder Fibroblasten, während einer Immunantwort aktiv durch das Gewebe bewegen. Die Signale, die während einer solchen Immunantwort Informationen zwischen den Zellen übermitteln, sind darüber hinaus essentiell für die selbstregulierende Entwicklung von Geweben und Organen und steuern globale Prozesse in Körper. Funktionsstörungen in diesem Signal-Netzwerk stehen im Zusammenhang mit Leiden, wie zum Beispiel Krebs oder Autoimmun-Erkrankungen wie Diabetes und Hepatitis. Die hier vorgestellte Arbeit befasst sich mit der Unterscheidung verschiedener Wechselwirkungen auf interzellulärer Ebene anhand der experimentell beobachteten Morphologie eines Zell-Systems. Wir verwenden Computersimulationen als eine bewährte Methode, um von der Morphologie auf die zugrunde liegenden interzelluläre Wechselwirkungen zu schliessen. So konnten Computersimulationen beispielsweise auf der Basis von Migrationsdaten für B-Zellen in Keimzentren, welche mit der Zwei-Photonen-Mikroskopie gewonnen worden waren, aufklären, welche Rolle die Chemotaxis bei der Etablierung der dunklen und hellen Zone in Keimzentren spielt. Dabei stellte sich heraus, daß Chemotaxis - entgegen dem gängigen Migrationsmodell für B-Zellen in Keimzentren - die B-Zell-Migration lediglich zeitlich und räumlich begrenzt bestimmt. Anstatt fortwährend von Chemotaxis getrieben zu sein, bewegen sich B-Zellen auf der Suche nach Überlebenssignalen zumeist per Diffusion (Zufallsbewegung) in den Zonen des Keimzentrum. Wir verwenden in dieser Arbeit ein mathematisches Modell, welches die bedeutenden Rollen von Chemotaxis und Phototaxis in den meist auf Zell-Ebene ablaufenden Aktionen beschreibt und so experimentatorischen Biologen bei deren Unterscheidung helfen kann. Eine wesentliche Frage, die in dieser Arbeit hinsichtlich Zell-Kommunikation und Aggregation diskutiert wird, ist die Distanz, über die diese Prozesse wirken können und ob es, abgesehen von chemischer Diffusion, andere Mechanismen gibt, beispielsweise Phototaxis, die zu Aggregation führen können. Im vorgestellten Modell können Zellen Signale empfangen und aussenden; diese integriert, werden um Informationen über ihre Umgebung zu sammeln und dementsprechend zu reagieren. Eine gut untersuchte Art zellulärer Kommunikation arbeitet über die Freisetzung von Chemokinen und Diffusion. Auch Licht kann einen großen Einfluss auf das Verhalten der Zellen haben, speziell bei Aggregations-Prozessen. Die folgende Arbeit will vor allem ein Modell vorstellen, welches dazu beitragen kann, experimentatorischen Biologen dabei zu helfen, die Unterschiede in den Auswirkungen von Chemotaxis und Phototaxis zu erkennen, sowie die Mechanismen aufzuzeigen, die der zellulären Aggregation zu Grunde liegen. Unser Modell ist ein Ansatz Chemotaxis und Phototaxis zu simulieren. Die Ergebnisse unserer Simulationen zeigen, daß Zellaggregation ein Prozess ist, der komplizierter ist als es zunächst erscheinen mag. So kann zum Beispiel das Herauslösen von Zellen aus einem bestehendem Aggregat den überraschenden Effekt haben, den Grad der Aggregation schlußendlich zu erhöhen. Dagegen erschwert vermehrte Diffusion der Zellen den Aggregationsprozess. Bei bestimmten Werte der Herauslösungsrate werden sich Zellen, die von kleineren Aggregaten abgelöst werden, bei größeren Aggregaten ansiedeln, da diese stärkere Signale aussenden. Eine Beobachtung der Zellbewegungen in der Simulation zeigt, daß Aggregate aufgrund solcher Diffusions- und Umordnungsprozesse um ihren Schwerpunkt oszillieren. Zellen, die sich innerhalb eines Aggregates aufgrund von Diffusion bewegen, kehren in Abhängigkeit von den Anziehungskräften zu der stabilsten Position zurück. Außerdem sind sich die durch Chemotaxis und Phototaxis verursachten Aggregationsmuster sehr ähnlich und können nicht mit bloß Auge unterschieden werden. Bei gleicher Zell-Zell Interaktionsreichweite R kann es jedoch zu sehr unterschiedlichen Aggregations-Mustern kommen, wie unsere Simulationen zeigen. Während R die Signal-Reichweite zwischen zwei Zellen ist, sind die Aggregationsmuster durch die effektive Reichweite Reff charakterisiert. Die effektive Reichweite berücksichtigt kollektive Effekte von Aggregaten und hängt von dem zugrundliegenden Signalprozess ab. Die effektiven Kommunikationsdistanzen innerhalb derer Zellen sich wahrnehmen sind die Schlüsselparameter, um zwischen Chemotaxis und Phototaxis zu unterscheiden. Es konnte gezeigt werden, daß der Bereich der R-Werte bei denen Chemotaxis und Phototaxis unterschieden werden kann experimentell relevant ist. Zum Beispiel wurde bei blutbildenden CD34+ Zellen eine Kummunikationsreichweite von ca. 14 Zelldurchmessern beobachtet. Dieser Umstand kann genutzt werden, um einen unbekannten Signalprozess aus geschätzten Signal Schwellwerten und Signalstärken zu ermitteln. Eine experimentelle Bestimmung von R aus Zwei-Zell-Experimenten und Reff aus der Analyse von Aggregationsmustern ist dann ausreichend, um zwischen Chemotaxis und Phototaxis zu unterscheiden. Die Ergebnisse der Dissertation stellen das erste Modell dieser Vorgänge dar und zielen darauf ab, chemotaktisches und phototaktisches Verhalten auf einen phenomenologischen Niveau zu vergleichen. Für weitergehende Analysen müssen die spezifischen Genotypen der Zellen berücksichtigt werden. Heute fehlt es noch an experimentellen Daten, die für die eine theoretische biologische Modellierung notwendig sind. Daher betonen wir die Unterschiede zwischen diesen beiden Mechanismen, die es erlauben zwischen Prozessen der Aggregation im Experiment zu unterscheiden. Außerdem kannunser Modell die Untersuchung weiterer Parameter vereinfachen, die bei der Analyse von großen Systemen mit hohen Zelldichten und erschiedenen Wechselwirkungen notwendig sind.