Calibrando modelos PDE em nível tecidual da dinâmica de ligantes usando dados de transcriptômica espacial e de célula única

Como as Células se Comunic am através de uma Ferida em Cicatrização

Quando nossa pele é lesionada, inúmeras células precisam se coordenar para reparar o dano sem deixar excesso de tecido cicatricial. Elas fazem isso ao enviar e detectar mensagens químicas chamadas ligantes, que se difundem pelo tecido e desencadeiam respostas em células vizinhas. Este estudo mostra como medições genéticas modernas, em resolução de célula única e espacial, podem ser transformadas em uma nova e poderosa maneira de calibrar modelos matemáticos dessas mensagens químicas, ajudando pesquisadores a entender melhor a cicatrização normal e doenças associadas a fibrose.

Por que Mensagens Químicas Importam nos Tecidos

As células em nossos tecidos raramente agem sozinhas. Elas trocam constantemente sinais que indicam quando dividir-se, mover-se ou acalmar-se. Muitos desses sinais são substâncias químicas de curto alcance liberadas por uma célula e captadas por receptores em outra. Tais mensagens são centrais para a cicatrização, inflamação e doenças como fibrose e câncer. Pesquisadores há muito usam equações matemáticas, conhecidas como modelos de reação–difusão, para descrever como esses químicos são produzidos, espalham-se e degradam-se. Ainda assim, um problema persistente é como escolher valores de parâmetros realistas — como taxas de produção e forças de ligação — para que os modelos reflitam realmente o que ocorre em tecido vivo, e não apenas condições idealizadas de laboratório.

Novos Olhos sobre Tecidos Vivos

Recentemente, duas tecnologias experimentais transformaram a forma como cientistas podem observar tecidos. O sequenciamento de RNA de célula única mede quais genes estão ativos em milhares de células individuais, revelando suas identidades e capacidades de sinalização. A transcriptômica espacial, por outro lado, mede a atividade gênica através de muitos pontos diminutos dispostos como uma grade numa fatia de tecido, preservando a posição relativa das células. Neste trabalho, os autores combinam ambos os tipos de dados de amostras de pele humana coletadas 30 dias após a lesão, quando o tecido está na fase de “remodelação” da cicatrização. Eles focalizam três formas de uma molécula de sinalização chave, o fator de crescimento transformador beta (TGFβ), conhecido por influenciar formação de cicatriz e reparo tecidual.

Um Pipeline em Etapas dos Genes aos Parâmetros do Modelo

Os pesquisadores constroem um pipeline computacional que conecta essas ricas medições genéticas a um modelo em escala tecidual do movimento e ação do TGFβ. Primeiro, eles usam ferramentas bioinformáticas estabelecidas para identificar os principais tipos e subtipos celulares — como três classes distintas de fibroblastos, macrófagos e células endoteliais — e para estimar quantos de cada tipo estão presentes em cada ponto da grade espacial. Em seguida, inferem quão fortemente cada tipo celular tende a se comunicar com outro via TGFβ, com base na atividade gênica combinada de ligantes nas células emissoras e receptores nas células receptoras. Essas “forças de interação” inferidas servem como o alvo experimental que o modelo matemático deve reproduzir.

Ensinando o Modelo a Coincidir com o Tecido

Na etapa seguinte, a equipe representa a difusão do TGFβ pelo tecido com um conjunto de equações diferenciais parciais resolvidas em uma grade que espelha o layout da transcriptômica espacial. Para qualquer conjunto escolhido de valores de parâmetros — como a rapidez com que o TGFβ difunde, quão rapidamente decai e quanto cada tipo celular produz ou absorve — o modelo prevê campos de concentração das três formas de TGFβ e as forças de interação resultantes entre tipos celulares. Para ajustar esses parâmetros, os autores usam uma estratégia de calibração em três estágios. Primeiro, aplicam métodos bayesianos aproximados para explorar amplamente parâmetros plausíveis informados por experimentos anteriores, estreitando gradualmente para combinações que correlacionam bem com as forças de interação derivadas dos dados genéticos. Depois, passam esses candidatos promissores a um método de otimização baseado em gradiente que afina os parâmetros para maximizar o acordo. Essa abordagem híbrida alcança uma correspondência quase perfeita linear (correlação de 0,99) entre as forças de interação previstas pelo modelo e as inferidas dos dados.

O que o Modelo Calibrado Revela sobre a Cicatrização

Com um modelo bem ajustado em mãos, os pesquisadores exploram o que os parâmetros inferidos dizem sobre a biologia. Confirmam que os três subtipos de fibroblastos identificados a partir dos dados de expressão gênica são funcionalmente distintos, com um apresentando forte perfil inflamatório e outro exibindo características de miofibroblastos que ajudam a contrair a ferida. As taxas de produção calibradas sugerem que fibroblastos pró-inflamatórios produzem a menor quantidade de TGFβ durante a fase de remodelação, consistente com a inflamação diminuindo ao redor do dia 30. Surpreendentemente, um subtipo conhecido como fibroblastos papilares parece produzir quantidades relativamente altas de TGFβ3, uma forma frequentemente associada a menor cicatriz e resultados mais regenerativos. Os mapas de concentração de TGFβ previstos pelo modelo alinham-se com regiões onde fibroblastos e macrófagos se agrupam, sugerindo pontos quentes de comunicação ativa que podem orientar como a cicatriz se forma.

Uma Estrutura Flexível para Tecidos e Doenças Futuras

Além deste caso específico de cicatrização, a principal contribuição do estudo é um pipeline geral para transformar dados genéticos modernos em modelos bem calibrados em nível tecidual. Ao combinar transcriptômica de célula única e espacial com ferramentas avançadas de estatística e otimização, pesquisadores podem estimar de forma mais rigorosa quão rápido ligantes se movem, quão fortemente se ligam e quais células mais contribuem para a sinalização. Essa estrutura pode ser adaptada a outros tecidos, outros mensageiros sinalizadores e estados de doença, como cicatrização fibrótica ou câncer, ajudando em última instância a traduzir instantâneos moleculares complexos em modelos preditivos do comportamento de tecidos inteiros.

Citação: 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

Palavras-chave: cicatrização de feridas, sinalização celular, transcriptômica espacial, TGF beta, modelagem matemática