Calibrare modelli PDE a livello tissutale della dinamica dei ligandi usando dati di singola cellula e trascrittomica spaziale

Come le cellule comunicano attraverso una ferita in guarigione

Quando la nostra pelle è ferita, innumerevoli cellule devono coordinarsi per riparare il danno senza lasciare troppa cicatrice. Lo fanno inviando e rilevando messaggi chimici detti ligandi, che si diffondono nel tessuto e attivano risposte nelle cellule vicine. Questo studio mostra come misure genetiche moderne a risoluzione di singola cellula e spaziale possano essere trasformate in un nuovo approccio potente per calibrare modelli matematici di quei messaggi chimici, aiutando i ricercatori a comprendere meglio la guarigione normale e le malattie legate alla formazione di cicatrici.

Perché i messaggi chimici sono importanti nei tessuti

Le cellule nei tessuti raramente agiscono da sole. Scambiano continuamente segnali che indicano quando dividersi, spostarsi o rallentare. Molti di questi segnali sono sostanze chimiche a breve raggio rilasciate da una cellula e catturate dai recettori di un’altra. Tali messaggi sono fondamentali nella guarigione delle ferite, nell’infiammazione e in patologie come la fibrosi e il cancro. I ricercatori da tempo usano equazioni matematiche, note come modelli di reazione–diffusione, per descrivere come queste molecole vengono prodotte, si diffondono e vengono degradate. Tuttavia, un problema di lunga data è come scegliere valori di parametro realistici — come tassi di produzione e affinità di legame — affinché i modelli riflettano davvero ciò che accade nei tessuti vivi piuttosto che condizioni di laboratorio ideali.

Nuovi occhi sul tessuto vivente

Recentemente, due tecnologie sperimentali hanno trasformato il modo in cui gli scienziati possono osservare i tessuti. Il sequenziamento dell’RNA a singola cellula misura quali geni sono attivi in migliaia di singole cellule, rivelandone l’identità e le capacità di segnalazione. La trascrittomica spaziale, al contrario, misura l’attività genica su molte piccole aree disposte come una griglia su una sezione di tessuto, preservando la posizione delle diverse cellule. In questo lavoro, gli autori combinano entrambi i tipi di dati da campioni di pelle umana prelevati 30 giorni dopo la ferita, quando il tessuto è nella fase di “rimodellamento” della guarigione. Si concentrano su tre varianti di una molecola di segnalazione chiave, il fattore di crescita trasformante beta (TGFβ), noto per influenzare la formazione della cicatrice e la riparazione tissutale.

Una pipeline passo-passo dai geni ai parametri del modello

I ricercatori costruiscono una pipeline computazionale che collega queste ricche misure genetiche a un modello a scala tissutale del movimento e dell’azione del TGFβ. Innanzitutto usano strumenti bioinformatici consolidati per identificare i principali tipi e sottotipi cellulari — come tre classi distinte di fibroblasti, macrofagi ed endoteli — e per stimare quanti di ciascuno sono presenti in ogni area della griglia tissutale. Poi inferiscono quanto ciascun tipo di cellula sia probabile che comunichi con gli altri tramite TGFβ, basandosi sull’attività genica combinata dei ligandi nelle cellule mittenti e dei recettori nelle cellule riceventi. Queste “forze di interazione” inferite servono come obiettivo sperimentale che il modello matematico deve riprodurre.

Insegnare al modello a corrispondere al tessuto

Successivamente, il team rappresenta la diffusione del TGFβ nel tessuto con un insieme di equazioni differenziali parziali risolte su una griglia che rispecchia il layout della trascrittomica spaziale. Per un qualunque insieme scelto di valori di parametro — come la velocità di diffusione del TGFβ, la rapidità del suo decadimento e quanto ogni tipo cellulare produce o assorbe — il modello predice i campi di concentrazione delle tre forme di TGFβ e le conseguenti forze di interazione tra tipi cellulari. Per regolare quei parametri, gli autori usano una strategia di calibrazione in tre fasi. Applicano prima metodi bayesiani approssimati per esplorare ampiamente parametri plausibili informati da esperimenti precedenti, restringendo gradualmente le combinazioni che correlano bene con le forze di interazione derivate dai dati genetici. Quindi inseriscono questi candidati promettenti in un metodo di ottimizzazione basato sul gradiente che affina i parametri per massimizzare l’accordo. Questo approccio ibrido ottiene una corrispondenza quasi perfetta lineare (correlazione di 0,99) tra le forze di interazione previste dal modello e quelle inferite dai dati.

Cosa rivela il modello calibrato sulla guarigione

Con un modello ben calibrato in mano, i ricercatori esplorano cosa dicono i parametri inferiti sulla biologia. Confermano che i tre sottotipi di fibroblasti identificati dai dati di espressione genica sono funzionalmente distinti: uno mostra un forte profilo infiammatorio e un altro presenta caratteristiche di miofibroblasti che aiutano a contrarre la ferita. I tassi di produzione calibrati suggeriscono che i fibroblasti pro-infiammatori producono la minore quantità di TGFβ durante la fase di rimodellamento, coerente con l’attenuazione dell’infiammazione al giorno 30. Sorprendentemente, un sottotipo noto come fibroblasti papillari sembra produrre quantità relativamente elevate di TGFβ3, una forma spesso associata a minore formazione di cicatrici e risultati più rigenerativi. Le mappe di concentrazione di TGFβ previste dal modello si allineano con le regioni dove fibroblasti e macrofagi si raggruppano, suggerendo punti caldi di cross-talk attivo che possono guidare la formazione della cicatrice.

Un quadro flessibile per tessuti e malattie future

Oltre a questo caso specifico di guarigione delle ferite, il contributo principale dello studio è una pipeline generale per trasformare i dati genetici moderni in modelli tissutali ben calibrati. Combinando singola cellula e trascrittomica spaziale con strumenti statistici e di ottimizzazione avanzati, i ricercatori possono stimare in modo più rigoroso quanto velocemente i ligandi si muovono, quanto fortemente si legano e quali cellule contribuiscono maggiormente alla segnalazione. Questo quadro può essere adattato ad altri tessuti, ad altre molecole di segnalazione e a stati patologici come la formazione di cicatrici fibrotiche o il cancro, contribuendo infine a tradurre immagini molecolari complesse in modelli predittivi del comportamento dei tessuti nel loro insieme.

Citazione: Daher, A., Trucu, D. & Eftimie, R. Calibrating tissue level PDE models of ligand dynamics using single cell and spatial transcriptomics data. npj Syst Biol Appl 12, 44 (2026). https://doi.org/10.1038/s41540-026-00657-8

Parole chiave: guarigione delle ferite, segnalazione cellulare, trascrittomica spaziale, TGF beta, modellizzazione matematica