Információ

A sejtdifferenciálódás szimulálása

A sejtdifferenciálódás szimulálása


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Számítógép-programozó vagyok, akit mélyen érdekel a biológia.

Számítógépes szimulációt szeretnék írni sejtdifferenciálódásra. Megértem, hogy ennek megvalósítása lehetetlennek tűnő kihívásokat fog jelenteni. De először néhány alapvető kérdésre keresem a választ.

  1. Megtanultam, hogy a zigóta „embrionális őssejtekké” alakul, ami a szervezetet eredményezi. Hogyan válik a zigóta embrionális sejtekké?
  2. Melyek azok a tényezők, amelyek meghatározzák az embrionális őssejtek specializálódását speciálisabb típusú sejtekké, és hogyan megy végbe ez az átalakulás fizikailag?
  3. Hol tárolják azokat az adatokat, amelyek „útmutatóként” szolgálnak mindezen folyamatokhoz? A DNS-ben tárolódik? Ha a DNS-ben tárolódik, akkor ismert, hogy a sejtek hogyan értelmezik a DNS-ben lévő információt?
  4. Melyek azok a tankönyvek, amelyekre hivatkoznom kell ehhez a projekthez?

PS: Elnézést a tudatlanságomért, ha ezek a kérdések hülyén hangzanak, de hajlandó vagyok időt szánni arra, hogy megtanuljak bármit, ami ehhez szükséges. Azt is megértem, hogy ezekre a kérdésekre nem lehet néhány sorban válaszolni. Kérjük, adjon meg hivatkozásokat/mutatókat. Kösz !


Erre a kérdésre néhány sorban válaszolni fárasztó feladat. Többnyire nem vagyok benne biztos, hogy ma már mindent tudunk róla, amit tudni kell.

Azért megpróbálok néhány tippet adni.

  1. A folyamatot embriogenezisnek nevezik. A zigóta (ill petesejt) gyors mitotikus osztódáson megy keresztül, jelentős méretnövekedés nélkül, ami embrió fejlődéséhez vezet. Ezt a folyamatot hasításnak nevezik. A folyamat során blastomerek jönnek létre. A harmadik napon - az idő változhat, de nem jelentősen - hasítás eléri a 16 sejt állapotát. A sejtosztódás mindig párhuzamos osztódással történik (1 -> 2, 2 -> 4, 4 -> 8, 8 -> 16). Tanulmányozza át az általam adott linkeket, és térjen vissza konkrétabb kérdésekkel.

  2. Ez megint egy olyan lehetetlen kérdés, amelyet megválaszolhatunk anélkül, hogy elmagyaráznánk a teljes folyamatot a megtermékenyítéstől a magzati fejlődésig, mivel a szövetek (sejtek) és szervek keletkezése az út mentén történik, nem egyszerre. Ez azonban dokumentált.

  3. Nem biztos.

  4. Kezdje a wikipédia hivatkozásaival, és próbáljon visszatérni konkrétabb kérdésekkel. Van néhány tankönyvem, de attól tartok, nem olyan részletesek, mint szeretnéd :-)

Sok szerencsét!


Kezdeném a Fejlődésbiológia 9. kiadással. Nem éri el az abszolút élvonalat, hiszen 2010-ben jelent meg, de sok jó dolog van benne. A Wikipédia megfelelő forrás arra, hogy nagyon rövid áttekintést kapjunk bizonyos témákról, de az általam olvasott élettudományi cikkek közül sok hiányzik, ellentétben például a fizika és a matematikai cikkekkel.

Ami a 3. kérdést illeti, igen, az "adatok" a DNS-ben vannak tárolva. Alapos útmutatóként az egyik kedvenc könyvem a Molecular Biology of the Cell, 5. kiadás. Kicsit elavult már (2007-ben jelent meg), de ha meg akarod érteni a DNS, az RNS és a fehérjék működését, akkor ez egy nagyszerű áttekintő szöveg.


A legtöbb kérdésre a válasz aktív kutatás alatt áll, és sok az ismeretlen. Ennek a folyamatnak a megértése a fejlődésbiológia egyik fő célja. Tehát próbáljon ésszerű célokat kitűzni a projektje számára, főleg úgy, hogy megnézi, hol van elegendő adata a munkához.

Kezdeném azzal, hogy elolvasok valami alapvető fejlődésbiológiai tankönyvet.

Az információáramlással kapcsolatban: Ne feledje, hogy a zigótától kezdve az egész szervezetig a DNS-szekvencia általában minden sejt között azonos. Informatikusként segíthet, ha a következőképpen gondolkodik erről:

Gondoljunk a DNS-re, mint egy nagyon bonyolult matematikai függvényre $f()$, amely a sejtállapotokra hat. A jelenlegi sejtállapot $S_i$ lesz a sejt összes molekuláris komponense, és megadja a sejt biológiai funkcióját. Tehát egy $S_0$ kezdeti cellaállapottal kezd (lehet például egy vektor), majd a leánycellák a következők lesznek: $S_1=f(S_0)$, a leánycellák pedig $S_2=f(S_1) $. Ez nem tökéletes ábrázolása a folyamatnak (mivel a 2. időpontban valójában $S_0$ és $S_1$ sejt is lehet), de hangsúlyozza, hogy bár a DNS-szekvencia "kiszámolja" a következő lépést, valójában állandó, és az a pont, hogy minden sejtállapot meghatározza a következő állapotot. Úgy tűnik számomra, hogy egy Markov-lánc megfelelő lehet. Természetesen kifinomultabb modelleket is kipróbálhat – de jobb, ha egyszerűen kezdi.

Azt is javaslom, hogy a C. elegans-szal kezdje a modellezett fajt. Ennek az az oka, hogy az 1031 szomatikus sejt mindegyikének teljes differenciálódási sorsa ismert – ez egy figyelemre méltó eredmény, amit más fajoknál nem fog megélni.


Sejtdifferenciáció

Sejtdifferenciáció az a folyamat, amelyben egy sejt egyik sejttípusról a másikra változik. [2] [3] Általában a cella speciálisabb típusra változik. A differenciálódás számos alkalommal megtörténik egy többsejtű szervezet fejlődése során, amikor az egyszerű zigótából a szövetek és sejttípusok összetett rendszerévé válik. A differenciálódás felnőttkorban is folytatódik, amikor a felnőtt őssejtek osztódnak, és teljesen differenciált leánysejteket hoznak létre a szövetek helyreállítása és a normál sejtforgalom során. Az antigénexpozíció hatására némi differenciálódás következik be. A differenciálódás drámaian megváltoztatja a sejt méretét, alakját, membránpotenciálját, metabolikus aktivitását és a jelekre adott válaszkészségét. Ezek a változások nagyrészt a génexpresszió erősen ellenőrzött módosulásainak köszönhetők, és az epigenetika tanulmányozása. Néhány kivételtől eltekintve a sejtek differenciálódása szinte soha nem jár magában a DNS-szekvencia változásával. Bár az anyagcsere összetétele meglehetősen drámaian megváltozik [4], ahol az őssejteket bőséges, erősen telítetlen szerkezetű metabolitok jellemzik, amelyek szintje a differenciálódás során csökken. Így a különböző sejtek nagyon eltérő fizikai jellemzőkkel rendelkezhetnek, annak ellenére, hogy azonos genommal rendelkeznek.

A differenciálódás egy speciális típusa, az úgynevezett „terminális differenciálódás”, fontos bizonyos szövetekben, például a gerincesek idegrendszerében, a harántcsíkolt izomzatban, az epidermiszben és a bélben. A terminális differenciálódás során egy korábban sejtosztódásra képes prekurzor sejt végleg elhagyja a sejtciklust, szétszedi a sejtciklus gépezetét, és gyakran a sejt végső funkciójára jellemző gének egy sorát fejezi ki (pl. miozin és aktin izomsejt esetében). A differenciálódás a terminális differenciálódás után is folytatódhat, ha a sejt kapacitása és funkciói további változásokon mennek keresztül.

Az osztódó sejtek között a sejtpotencia több szintje van, a sejt azon képessége, hogy más sejttípusokká differenciálódjon. A nagyobb hatékonyság azt jelzi, hogy több sejttípus származtatható. Az a sejt, amely minden sejttípusra képes differenciálódni, beleértve a placentaszövetet is, ún tipotens. Emlősökben csak a zigóta és az azt követő blasztomerek totipotensek, míg növényekben sok differenciált sejt válhat totipotenssé egyszerű laboratóriumi technikákkal. Az a sejt, amely a felnőtt szervezet összes sejttípusává képes differenciálódni, ún pluripotens. Az ilyen sejteket magasabb rendű növényekben merisztematikus sejteknek, állatokban pedig embrionális őssejteknek nevezik, bár egyes csoportok felnőtt pluripotens sejtek jelenlétéről számolnak be. Négy Oct4, Sox2, c-Myc és Klf4 transzkripciós faktor (Yamanaka faktorok) vírus által indukált expressziója elegendő ahhoz, hogy felnőtt fibroblasztokból pluripotens (iPS) sejteket hozzanak létre. [5] A multipotens sejt olyan sejt, amely többféle, de egymással szorosan összefüggő sejttípusra képes differenciálódni. [6] Az oligopotens sejtek korlátozottabbak, mint a multipotensek, de mégis képesek differenciálódni néhány, egymással szorosan összefüggő sejttípusra. [6] Végül az unipotens sejtek csak egy sejttípusra képesek differenciálódni, de képesek önmegújulásra. [6] A citopatológiában a sejtek differenciálódási szintjét használják a rák progressziójának mértékeként. A „fokozat” annak a markere, hogy mennyire differenciált egy sejt egy daganatban. [7]


Sejtdifferenciálódási példák

Az állatokban

A folyamat után megtermékenyítés állatoknál egy egysejtű szervezet, az úgynevezett zigóta alakult. A zigóta totipotens, és végül egy teljes szervezetté válik. Még a Föld legnagyobb állata, a kék bálna is egyetlen sejtből indul ki. Az összetett szövetek és szervrendszerek, amelyek formájukban és működésükben teljesen eltérőek, mind a zigótából származnak. A sejtdifferenciálódási folyamat már korán megindul a szervezetben. Mire a gastrula kialakult, a sejtek már elkezdték expresszálni a DNS különböző részeit.

Ahogy a rendszerek tovább fejlődnek, sok őssejt elveszti totipotenciáját, és maguk is sejtdifferenciálódáson mennek keresztül. Ez lehetővé teszi a speciális sejtek gyorsabb termelését, amelyekre a növekvő szervezetnek szüksége van ahhoz, hogy fenntartsa növekedését és sikeresen lépjen be a világba. A sejtdifferenciálódás révén ugyanabból az egyetlen sejtből olyan szövetek képződnek, mint az agyszövet és az izom.

In Plants

Míg a növény életciklusa néha idegennek és összetettnek tűnik, a sejtdifferenciálódás folyamata nagyon hasonló. Bár különböző hormonok vesznek részt, minden növény egyetlen sejtből fejlődik ki. A mag egyszerűen egy védőház a zigóta számára, amely táplálékellátást is biztosít. Nagyon hasonlít egy tojáshoz az állatvilágban. A benne lévő zigóta sejtosztódáson megy keresztül, és kis embrióvá válik. A fejlődés leáll, ahogy a mag szétszóródik a világban.

Tél után, vagy bármikor, amikor a környezet kiváló, a mag magába szívja a nedvességet, és újraindítja a fejlődési folyamatot. Az embrió kettőt kezd kialakítani merisztémák. A merisztéma az őssejtek egyedülálló része, amelyek sejtdifferenciálódáson mennek keresztül, ahogy kifelé nőnek. Az egyik a felszín felé nő, míg a másik a gyökerekké válik.

A gyökerekben a merisztéma körül sejtréteg alakul ki, amely a gyökérsapka. Ez a sejtréteg lehanyatlik, ahogy a gyökerek áthaladnak a talajon, és következetesen a merisztéma váltja fel. A merisztéma belsejében a sejtdifferenciálódás más irányban történik. A hormonok és a környezet itt irányítja a sejteket, hogy érszövetté és tartósejtekké váljanak. Ezek végül vizet és tápanyagokat szállítanak a növény tetejére.

A felszínen a merisztéma hasonló módon működik. Ahogy felfelé osztódik, belső és külső sejteket is hoz létre. A belső sejtek a gyökerekhez hasonló differenciálódáson mennek keresztül, több érszövetet hozva létre. Kívülről a sejtek szárra és levelekre differenciálódnak. Ezek egyenértékűek az állatok különböző szerveivel, és ugyanúgy különböznek a kiindulási sejtektől, mint az állati sejtek. Ha nem vagy meggyőződve, vegyél fel egy makkot, és hasonlítsd össze azzal a hatalmas fával, amivé lesz. Nemcsak sokkal kisebb, hanem teljesen különböző sejttípusokat is tartalmaz. Ez a sejtdifferenciálódási folyamaton keresztül magyarázható.


Biomechanikai modell a szöveti differenciálódás és a csontregeneráció szimulálására: Alkalmazás a törések gyógyulására

A csontregeneráció gyakori biológiai folyamat, amely például a törés gyógyulása vagy a protézisek csontos integrációja során fordul elő. A csontregeneráció számítógépes szimulációja nehezen kivitelezhető, mert sejtközvetített folyamatok összetett sorozatáról van szó, amelyet mechanobiológiai ingerek szabályoznak. Algoritmust fejlesztettek ki az intramembranosus és endochondralis csontosodás időbeli lefolyásának előrejelzésére. Az algoritmus feltételezi, hogy a differenciálatlan szövetben prekurzor sejtek vannak, és ezek a sejtek vagy fibroblasztokká (rostos kötőszövetekké), kondrocitákká (porcos szövetekké) vagy oszteoblasztokká (csontot képezve) differenciálódnak biofizikai ingerek kombinációja alapján. a kollagén mátrix feszültségéből és az intersticiális folyadék áramlásából származik. Mindkét ingerről ismert, hogy deformálják a prekurzor sejteket, és a szerzők feltételezik, hogy ez aktiválja a sejtdifferenciálódási útvonalakat. Bekerült az algoritmusba az a megfigyelés, hogy a prekurzor sejteknek időbe telik, amíg elterjednek a törési kalluszban. Az algoritmust egy hosszú csont törés gyógyulásának vizsgálatában tesztelték tengelyszimmetrikus végeselem modell segítségével. Sikeresen szimuláltam a törésgyógyulás során megjelenő szöveti fenotípusok tér-időbeli sorrendjét. Ezenkívül a prekurzor sejtek eredete (akár a környező izom, akár a csontvelő, akár a csonthártya) várhatóan alapvetően befolyásolja a gyógyulási mintát és az interfragmentáris törzs (IFS) csökkenésének sebességét. A kezdeti IFS=0,15 hét iteráción belül 0,01-re csökken, ha a sejtek a környező lágyszövetből származtak, de több mint 50%-kal tovább tartott, ha a sejtek a csonthártya belső kambiumrétegéből származtak, és négyszer tovább tart, ha a prekurzor sejtek a csontból származtak. csak velő.

Ez az előfizetéses tartalom előnézete, hozzáférés az intézményen keresztül.


Vita

Javasolunk egy PseudotimeDE statisztikai módszert a DE gének azonosítására a sejt pszeudoidő alapján. A PseudotimeDE a jól kalibrált generálásra összpontosít p-értékeket, miközben figyelembe veszi a kikövetkeztetett pszeudoidő véletlenszerűségét. E célok elérése érdekében a PseudotimeDE először almintavételt használ a pszeudoidő bizonytalanságának becslésére. Másodszor, a PseudotimeDE illeszti az NB-GAM-et vagy a ZINB-GAM-et az eredeti adatkészlethez és a permutált alminta-adatkészletekhez is, hogy kiszámítsa a tesztstatisztikát és hozzávetőleges nullértékeit. Ezután a PseudotimeDE paraméteres eloszlást illeszt, hogy megbecsülje a tesztstatisztika hozzávetőleges nulleloszlását. Végül a PseudotimeDE kiszámítja p-értékek nagy felbontással. A PseudotimeDE rugalmasan alkalmazkodik a cella pszeudoidejéhez, amely szabványos formátumban bármilyen módszerrel következtet. Az NB-GAM és a ZINB-GAM használata lehetővé teszi a különböző génexpressziós dinamikák rögzítését és az adatok nemkívánatos nulla inflációjának kezelését.

A szimulált és valós adatokon végzett átfogó tanulmányok megerősítik, hogy a PseudotimeDE jobb FDR-vezérlést és nagyobb teljesítményt biztosít, mint négy létező módszer (tradeSeq, Monocle3-DE, NBAMSeq és ImpulseDE2). A szimulált adatokon a PseudotimeDE jól kalibrált adatokat generál p-értékek, amelyek a nullhipotézisben az egyenletes eloszlást követik, míg a Monocle3-DE kivételével a létező módszerek igen p-az egységes feltevésbe ütköző értékek. Jól kalibrált p-értékek garantálják a PseudotimeDE érvényes FDR vezérlését. Sőt, a rugalmas NB-GAM és ZINB-GAM modellek használatának köszönhetően a PseudotimeDE nagyobb teljesítménnyel rendelkezik, mint a Monocle3-DE, amely szigorúbb GLM modellt használ, és így kisebb a teljesítménye. A PseudotimeDE felülmúlja a másik három módszert – a tradeSeq, NBAMSeq és ImpulseDE2 –, amelyek rosszul kalibrálják p-értékek a hatalom szempontjából. Három valódi scRNS-seq adatkészleten a PseudotimeDE által egyedileg azonosított DE gének jobb biológiai értelmezhetőséget ölelnek fel, amit a funkcionális elemzések mutattak ki. pA PseudotimeDE értékei jelentősebb GSEA eredményekhez vezetnek.

Érdekes és nyitott kérdés, hogy melyik pszeudoidő-következtetési módszer működik a legjobban a PseudotimeDE-vel. Miközben megfigyeljük, hogy a PseudotimeDE-nek a Slingshot-nál nagyobb ereje van, mint a Monocle3-PI-nek a szimulációs vizsgálatok során, felismerjük, hogy az ok a szimulációs tervezéssel (pl. a származási struktúrákkal) hozható összefüggésbe, így ebből a megfigyelésből nem vonhatunk le következtetést. . A biológiai rendszerek sokfélesége és a pszeudoidő-következtetés összetettsége miatt [9] úgy döntünk, hogy a pszeudoidő-következtetési módszerek választását nyitva hagyjuk a felhasználók számára, és ez az az előnye, hogy a PseudotimeDE rugalmasan alkalmazkodik a kikövetkeztetett pszeudoidőhöz bármilyen módszerrel. A gyakorlatban arra bátorítjuk a felhasználókat, hogy próbálják ki a népszerű pszeudoidő-következtetési módszereket, és használják a PseudotimeDE-t a DE-gének azonosítására szolgáló lépésként, így elemezhetik az azonosítási eredményeket, és eldönthetik, melyik pszeudoidő-következtetési módszer a megfelelőbb az adatkészletükhöz.

A nulla infláció vagy a „lemorzsolódás” kérdése továbbra is zavarba ejtő és ellentmondásos az egysejtű területen [40–44]. A vita arról szól, hogy a Poissonnal nem magyarázható többlet nullák vagy a negatív binomiális eloszlások biológiailag értelmesek-e vagy sem. Ezzel a vitával szemben két modellt kínálunk a PseudotimeDE-ben: NB-GAM és ZINB-GAM, ahol az előbbi a felesleges nullákat biológiailag értelmesnek tekinti, az utóbbi pedig nem. Pontosabban, az NB-GAM negatív binomiális eloszlása ​​illeszkedik az összes génexpressziós számhoz, beleértve a többlet nullákat is, míg a negatív eloszlás illesztése a ZINB-GAM-ben kizárja a felesleges nullákat, amelyeket a ZINB-GAM implicit módon nem biológiai nullákként kezel. A PseudotimeDE lehetővé teszi a két modell közötti választást a felhasználó által meghatározott vagy adatvezérelt. Adatelemzésünkből rájöttünk, hogy a választás gyakran az elemzendő adatkészlet biológiai ismeretét igényli. Pontosabban, az LPS-dendrites sejtek adatkészletén és a hasnyálmirigy béta sejtek érési adatkészletén azt figyeljük meg, hogy a ZINB-GAM teljesítményvesztéshez vezet: egyes potenciális DE géneket a ZINB-GAM nem tudja azonosítani, mivel a nulla szám hasznos információkat tartalmaz (További fájl 1: Fig. S15-S18). Megfigyelésünk összhangban van egy másik nemrégiben készült tanulmánysal [42], amelynek szerzői azt figyelték meg, hogy „a nullával felfújt modellek magasabb hamis negatív arányt eredményeznek, mint az azonos, nem nulla felfújt modellek”. Így valós adatelemzési eredményeink az NB-GAM-en alapulnak. Felismerve azonban a biológiai rendszerek és az scRNA-seq protokollok összetettségét, meghagyjuk az NB-GAM és a ZINB-GAM közötti választást a PseudotimeDE felhasználói számára, és arra biztatjuk a felhasználókat, hogy az 1. kiegészítő fájlban leírtak szerint ábrázolják ismert DE géneiket: ábrák. S15-S18 annak eldöntésére, hogy az NB-GAM és a ZINB-GAM közül melyik ragadja meg jobban a számukra érdekes génexpressziós dinamikát.

A PseudotimeDE jelenlegi megvalósítása azon DE-gének azonosítására korlátozódik, amelyek expressziós változásai vannak egy sejtvonalon belül. Míg a GPfates [45], a Monocle2 BEAM [46] és a tradeSeq módszerek képesek megvizsgálni, hogy egy gén expressziós változása összefüggésben áll-e egy elágazási eseménnyel, amely két vonalhoz vezet, nem veszik figyelembe a leszármazási következtetés bizonytalanságát. Az ilyen topológia-bizonytalanság számbavétele kihívást jelentő nyitott kérdés, amint azt az 1-3. A 2f. és 6b. ábrán látható, hogy a kikövetkeztetett leszármazási vonal a sejtek különböző részhalmazain a bifurkációs topológiától a trifurkációs topológiáig változhat. Egy lehetséges irány a szelektív következtetés [47, 48] alkalmazása, ennek a kérdésnek a vizsgálatát a jövőbeli kutatásokra bízzuk. A topológiai bizonytalanság miatt a PseudotimeDE a legmegfelelőbb olyan egysejtű génexpressziós adatokhoz, amelyek csak egy sejtvonalat tartalmaznak (beleértve a ciklikus adatokat is), vagy kis számú jól elkülönülő sejtvonalat (pl. bifurkáció és trifurkáció). Ennek az az oka, hogy ezek az adatok stabil kikövetkeztetett sejttopológiát tudnak fenntartani a részmintavétel után, ami a PseudotimeDE alapvető követelménye. Ennek ellenére a PseudotimeDE-t nem sok kétértelmű sejtvonalat vagy összetett sejthierarchiát tartalmazó adatokhoz tervezték, amelyek nem képesek stabil kikövetkeztetett sejttopológiát fenntartani az alminták között, mivel az ilyen adatok esetében nehéz egy az egyhez egyezést találni a cellák között. részmintából és az eredeti adatokból következtetett leszármazások. Ezután az ilyen adatok gyakorlati megoldása az, hogy először meghatározunk egy érdeklődésre számot tartó sejtvonalat, majd a PseudotimeDE-t csak az adott vonalhoz rendelt sejtekre alkalmazzuk.

Vannak más nyitott kérdések, amelyeket meg kell vizsgálni. Fontos kérdés: mikor akarjuk azonosítani a DE géneket pszeudoidő mentén? Amint az „Eredmények” részben bemutattuk, a kikövetkeztetett pszeudoidő nagyon bizonytalan lehet. Mivel a biológusok gyakran több fizikai időpontban is szekvenálják a sejteket, ha egy biológiai folyamatot akarnak vizsgálni, egyszerű elemzéssel azonosítani kell azokat a DE-géneket, amelyek expressziója megváltozik a fizikai időpontokban. Ezután két definíciónk van a DE génekre: azok a gének, amelyek expressziója a pszeudoidőben változik a fizikai idő függvényében. Nyitott kérdés, hogy megértsük, melyik definíció biológiailag relevánsabb. Egy másik kérdés, hogy lehetséges-e a pszeudoidőt a fizikai idővel integrálni a biológiailag releváns DE gének azonosítására. Bármelyik kérdés megválaszolásához olyan statisztikai megfogalmazás szükséges, amely közvetlenül kapcsolódik egy biológiai kérdéshez.

Egy másik kérdés, hogy hogyan lehet feltárni a gén-gén összefüggéseket a sejtpszeudoidő mentén. A jelenlegi DE módszerek csak marginális génexpressziós változásokat mutatnak ki, de figyelmen kívül hagyják a gén-gén korrelációkat. Továbbra sem világos, hogy a gén-gén korrelációk stabilak-e, vagy a sejt pszeudoideje mentén változnak. Ezért egy új statisztikai módszer a gén-gén korreláció változásainak kimutatására a kikövetkeztetett pszeudoidő mentén, új biológiai betekintést nyújthat a gén-koexpresszióba és -szabályozásba az egysejt felbontásban.


4. Következtetések

A PROSSTT az scRNA-seq adatokat szimulálja komplex differenciálódási folyamatokhoz. A fa-rekonstrukciós eszközökkel előállított kis dimenziós vizualizációk hasonlítanak a valódi adathalmazokéhoz. Egyre bonyolultabb, bizonytalan biológiai alapigazságokkal rendelkező adatkészletek válnak elérhetővé. A PROSSTT segíthet olyan módszerek kidolgozásában, amelyek képesek ilyen összetett fák rekonstrukciójára, megkönnyítve azok kvantitatív értékelését. Ezenkívül a szoftver moduláris jellege lehetővé teszi az egyszerű bővítést, például a PROSSTT szolgálhat a zajmodellek hatásának tesztelésére, és biológiai betekintést nyújthat az scRNA-seq adatok modellezésére és értelmezésére.


Megjegyzések a celluláris differenciálódásról | Sejtbiológia

A differenciálódás az a folyamat, amelynek során a gének elsősorban aktívak, és a géntermékeket felhasználják bizonyos fenotípusos változások előidézésére a sejtben. Nem ez az egyetlen tulajdonsága a többsejtű élőlényeknek. Számos egysejtű szervezet fenotípusos változásokon megy keresztül, a fiziológiai folyamatok változásaival együtt.

Az egysejtűek vagy shyganizmusok környezetében bekövetkező bármilyen változás – akár fizikai, akár tápanyagszinten – jelentős fizikai sejtváltozásokon mehet keresztül, mint például különböző típusú spórák képződése, spóraképződés baktériumokban, gombákban stb.

Ezek az egysejtű szervezetek sejtdifferenciálódásának példái. A magasabb rendű or­ganizmusoknál, különösen az állatoknál megfigyelt differenciálódás eltérő és bonyolult. Fejlődési bi­ológusokat vonzott, hogy tanulmányozzák az embrió egyetlen sejtből, azaz zigótából történő fejlődését.

Ez a folyamat több lépésben zajlik:

én. Műtrágyázás:

ii. Dekoltázs:

Zigóta kialakulása blastula (differenciálatlan sejtek csoportja) képződéséhez.

iii. Emésztés:

A sejtek differenciálódása és mozgatása, és speciális sejtrétegek kialakítása.

iv. Különbségtétel:

Speciális sejtek fejlesztése szövetekké, szervekké és az embrió növekedése.

v. Egyes sejtek növekedése, karbantartása és regenerációja.

Molekuláris változások az oogenezis és a megtermékenyítés során:

A női ivarsejtek kialakulásának folyamatát oogenezisnek nevezik. A primordiális csírasejteket oogoniának nevezik. Amikor az oogonia meiózisba kezd, petesejteknek nevezik őket, ahol kiterjedt és félénk növekedési fázis lép fel.

A petesejt ezen növekedési fázisában nagyszámú metabolikus és morfológiai változás következik be.

én. Az RNS-szintézis fokozódása – a politénszerű változásokkal együtt – a kromoszómában található.

ii. A riboszómális gének amplifikációja megtörténik, ami a riboszómális RNS fokozott szintéziséhez vezet. A kapcsolódó citológiai elváltozások sok sejtmag és shyoli előfordulása a sejtmagban.

iii. A sejtmag mérete megnövekedett, jelezve a mag anyagcsere változásait.

iv. Megtörténik a fehérje, lipid és szénhidrát felhalmozódása, amely az embrió képződése során hasznosul. A magasabb rendű állatokban ezeket a tápanyagokat a fejlődő petesejtek mája és tüszősejtjei termelik. Az emlős petesejtek azonban nem halmozzák fel a tojássárgája fehérjéket, mivel az anya véráramán keresztül jutnak el, így itt nincs szükség a tápanyagok tárolására.

v. Nem emlős petesejtben a polaritás aszimmetriája a fejlődés során észlelhető. A sejt egyik végét növényi pólusnak nevezik, amely tartalmazza a legtöbb tápanyagot és a sárgája vérlemezkéket. A másik végét állati pólusnak nevezik, amely a magon kívül riboszómákat és mitokondriumokat is tartalmaz.

Az embrió ezen a végén fejlődik ki. Ezeket a fejlődési változásokat követően a petesejtekben a meiózis végbemegy, és érett tojást termel, amely egy erősen differenciált speciális sejt.

Spermatogenezis – Spermatogónia:

mitózissal növelik számukat, majd meiózison mennek keresztül, hogy spermiumokat képezzenek. A sejtes és más molekuláris változások nem olyan jelentősek, mint az oogenezis. A megtermékenyítés után jelentős változások figyelhetők meg az embrió fejlődése során.

A citoplazma szerepe a sejtdifferenciálódásban:

A citoplazma jelentőségét a sejtdifferenciálódásban és -hititációban számos kísérletben igazolták.

A csigatojás a növényi végén lebenyszerű struktúrát hoz létre a sejtdifferenciálódás és shytion során, amelyet sarklebenynek neveznek. Ha ezt a lebenyet kivágják, hibás embrió keletkezik. A megtermékenyítés utáni sejtdifferenciálódás során a kétéltű tojásában ismét egy színes terület képződik. Ez a szürke félhold néven ismert. Ha a szürke félhold megsérül, az idegrendszeri rendellenességet vált ki.

Kétéltű tojás esetében, ha az első hasítás merőleges a szürke félholdra, és a keletkező blastomer elválik, minden blasztomer egy normális állatot hoz létre. De ha a hasítás a szürke félholddal párhuzamosan megy végbe, és ha a két blastomer elválik, a szürke félholddal rendelkező blastomer normális állatot hoz létre. Így a sejtek differenciálódása a cito- és shyplazmában lévő anyagok megoszlásától függ.

Egy másik megfigyelés történt a gömbféreg, az Ascaris petéjének embrionális fejlődésével kapcsolatban. Az embrió fejlődése során az első hasítás az állati növényi tengelyre merőlegesen történik.

Amikor az új blasztomer állati pólusa osztódni kezd, a kromoszóma heterokromatikus része degenerálódik. A kromoszóma eukromatikus része számos kis kromoszómára töredezett a kromoszómacsökkenésként ismert folyamat révén.

Így a kromoszóma-fogyás az embrionális fejlődés és szégyenkezés során következik be. Most Theodor Boveri készített egy kísérletet, amelyben a tojásokat hasítás előtt centrifugálják, hogy megzavarják a sejt polaritását.

Centrifugálással mind az állati, mind a növényi citoplazma keveredik, és az első hasítás a rá nem merőleges állati növényi tengely mentén történik. Nem történik kromoszóma-fogyás – ez a citoplazma szerepét jelzi a kromoszómák viselkedésében.

A Drosophila embrionális fejlődése esetén a primordiális csírasejtek általában a tojás hátsó végéből származnak. Illmensee és Mahowald kísérletet végeztek úgy, hogy eltávolítottak néhány citoplazmát a Drosophila tojásának hátsó végéből, majd egy másik tojás elülső végébe injektálták. Megállapították, hogy a csírasejtek ezután a befecskendezett tojás elülső végéből keletkeznek.

Így elmondható, hogy a citoplazmának fontos szerepe van a sejtek differenciálódásának indukálásában. Felnőtt sejtekben is megfigyelték szerepét. Amikor az érett eritrociták inaktív magjait az aktív sejtek citoplazmájába injektálják, az inaktív sejtmagok transzkripciósan aktívvá válnak.

Hasonló hatást más típusú sejteknél is megfigyeltek. Mindezek az eredmények egyértelműen azt mutatják, hogy a citoplazmatikus faktorok felelősek a sejtdifferenciálódásért. Emlősök esetében azonban az embrionális sejtek az első hasítási osztódást követően az embrió kifejlődéséig totipotensek.

Ezt az egér vagy nyúl embrió 8 vagy 16 sejtes stádiumban történő elkülönítése bizonyítja. Minden blasztomer blasztocisztát eredményez, ha a megfelelő tenyésztési feltételek biztosítottak, és ezek a blasztociszták normális állatot alkotnak egy másik nőstény patkány méhébe történő beültetés után. A petesejt totipotenciájának ez a tulajdonsága a citoplazma homogenitásának köszönhető.

Növényi rendszerek esetében kimutatták, hogy az egyes sejtekben a totipotencia megmarad. A növény bármely részéből származó bármely sejt termeszthető tenyészetben, ahol először differenciálatlan szövettömeget alkotnak, amelyet kallusznak neveznek.

Ez a kallusz egész növényré regenerálható, ha a táptalajban a hormon megfelelő koncentrációját kiegészítjük. De az egyetlen állati sejtek az első hasítási osztódás után még akkor sem képeznek teljes állatot, ha a tenyészetben adottak a megfelelő tápanyagok és egyéb feltételek.

Az állati sejtek genetikai totipotenciáját John Gurdon mutatta ki varangyos magtranszplantációs kísérletében, amely kimutatta, hogy minden egyes sejt rendelkezik az összes génnel, amely az egész vagy a shyganizmus kialakulásához szükséges.

Ennek ellenére a fejlődés vagy a differenciálódás teljes szervezetté nem történt meg az állati rendszerben. Így a kutatók úgy gondolták, hogy a génexpresszió mintázata minden sejttípusban más és más, bár az összes gén jelen van minden sejtben. Tehát azt látjuk, hogy a génexpresszió szabályozása magasabb rendű szervezetekben, különösen állatokban, nagyon bonyolult.

Más szavakkal, a gén pri­mary transzkriptumának sokféle poszt-transzkripciós módosítása szabályozott a végső funkcionális géntermék kialakulásában, amely egy adott sejt differenciálódásához vagy fejlődéséhez szükséges.

Két modellszervezetet használnak az adott sejtfejlődésben szerepet játszó specifikus gének tanulmányozására. Az egyik a shyworm, Caenorhabditis elegans, a másik a Drosophila, C. elegans.

Ezeket modellként használják a fejlődési genetikában a következő okok miatt:

én. Rövid életciklus (3 nap).

ii. Könnyű karbantartás, mint az E. coli.

iii. Szaporodhat önállóan vagy kereszttermékenyítéssel.

iv. Hermafrodita (XX) – 5 pár autoszómát és 1 pár X kromoszómát tartalmaz.

v. A hím (XO) 5 pár auto­szómát és egyetlen X kromoszómát tartalmaz.

vi. A haploid genom körülbelül 8 x 10 7 bp.

vii. Több mint 600 gént azonosítottak.

viii. Könnyen megszerezhető homozigóta populációk, mivel lehetséges az önmegtermékenyítés.

ix. A beszaporodás automatikus a hermafrodita populációban.

x. Ebben az állatban lehetséges a DNS-transzformáció mikroinjekcióval a fejlődés kiválasztott szakaszában.

A hermaphro­dite állat reproduktív rendszere a fejlődés korai szakaszában kétsoros szerkezetet hoz létre. A petesejtek és az embriók mindegyik lebenyben a disztális végtől a méh felé kezdenek fejlődni. Minden stádium könnyen kimutatható, így a DNS mikroinjekciója elvégezhető a fejlődés kiválasztott szakaszában.

A Drosophilával kapcsolatos másik fontos munka a gének új osztályát fedezte fel, úgynevezett homeotikus géneket. Ezeket a géneket olyan mutációk révén azonosították, amelyek során a test egyik részét egy olyan szerkezet váltja fel, amely valahol máshol található. Ez a szokatlan dolog az embrió fejlődése során fordul elő. A homeotikus gén (Antp) mutációi a Drosophila antennája helyett középső lábak kialakulását eredményezik.

A homeotikus gén molekuláris analízise egy 180 bp hosszúságú szekvencia felfedezését eredményezte más homeotikus génekben. Ez a szekvencia Homeobox néven ismert. Mivel a homeobox magasabbrendű állatokban is jelen van, a génklónozást és szekvenálást egértől emberig végezték. Ezeknek a géneknek a funkciója megegyezik a Drosophila-val.

Kétéltűek és emlősök esetében a homeobox gének erősen differenciált sejtekben expresszálódnak. A home­obox gének nagyon fontos szerepet játszanak a fejlődési folyamatokban, és az evolúció során erősen konzerváltak.

A sejtdifferenciálódás homeotikus génjei:

During embryonic development in Drosophila, the identification of different segments of the body has been found to be under the control of many genes. Two complexes of these genes have been identified in Drosophila.

One is Antennapedia Complex (ANT-C) located in the chromosomal position 84AB. Another group of genes is known as Bi-thorax complex (BX-C) located at chromosomal position 89E. The first group (ANT-C) is responsible for the develop­ment of the head and thoracic segments while the BX-C are responsible for the development of the trunk segments.

The analysis of this homeotic complex has been done in Beetle also. One of the important features of these genes is the large size—about 50 to 100 kb and very large introns. The next important feature is the presence of con­served region, i.e., Homeobox.

The homeobox generally codes for a DNA binding protein domain, whose product binds to DNA. Another important characteristic is the presence of cis- acting regulatory regions.

Cellular differentiation, pattern formation and morphogenesis were studied in detail in case of plant Arabidiopsis as model system. It involves some factors which help in causing different cell types, organs etc. to originate at specific locations. This is also done by cell shape changes and planes of cell division. Cell differentiation is clearly noted during embryo- genesis.

Different and molecular observations were studied in maize and rice in case of monocotyledonous plants. In dicots, several genes involved in storage proteins have been cloned and their expressions noted in Soybean. However, detailed studies have been done in Crucifers, particularly in Arabidiopsis thaliana, in identifying embryo developmental genes but mutagenesis.

Arabidopsis has been accepted as a model system in having the following criteria:

én. Small size of the plant.

ii. Small size of the nuclear genome.

iv. Self-fertilizing bisexual flowers.

v. Large number of progeny in each flower.

vi. Starchy endosperm is absent.

Molecular studies show that a number of genes are involved during early and late stage embryogenesis in both zygote and somatic em­bryo. Different cell division patterns have been noted in somatic embryos. Many pattern genes have been identified in Arabidopsis through mutagenesis, which show seedling abnormali­ties.

These mutants were named gnom (gn), affecting the apical and basal region, gurke (gk) affecting the apical region, faeckel (fx) affecting the central part of the seedling. There is the other mutants which change the shape of the seedling.

Several methods have been used for cloning pattern genes which has been used as an in­serted probe to isolate the flanking DNA in Arabidopsis. T-DNA tagging approach is used to clone the first embryo pattern gene of Ara­bidopsis. The study of plant developmental genetics and cell differentiation have been changed con­siderably with the isolation of several mutant phenotypes and biochemical mutants in Ara­bidiopsis.

More than 500 embryo-defective mutants and many mutants showing aberration in vegetative development have been analysed in Arabidiop­sis. Arabidiopsis Biological Resource Centre has been established in the Ohio State Univer­sity for the supply of mutant seeds and DNA.

Some of these mutants have been found to alter in basic cellular functions necessary for normal growth and development, i.e., the function of ‘house-keeping genes’.

The molecular basis of these mutants have also been studied to find out the relationship between gene function and nor­mal development. The first known biochemical mutant noted in Arabidiopsis is bio I auxotroph (mutant 122 G-E).

This mutant bio I stops growth of the embryo at the heart stage of development but shows normal growth when biotin is added in the medium. The normal bio-synthetic pathway of biotin in bacteria is shown in Fig. 19.1.

It has been noted that bio I mutants were defective in the synthesis of 7, 8- diaminopelargonic acid from 7-keto 8 diaminopelargonic acid. This step is regulated in bacteria by bio A gene. When the bio A gene from bacteria is introduced into the bio I mutant plants, the transgenic plants do not require biotin for their growth.

Thus this experiment has shown that a plant mutant can be recovered to normal by the introduction of cloned bacterial gene.

Another mutant ‘gnom’ or emb 30 shows another type of defect in basic cellular function. Meinke (1985) first observed the morphologi­cal structure as fused cotyledons and rootless plants which can be grown in culture. He also identified the first allele (112A-2A) of this mutant.

Many other alleles have been identified in other laboratories. This mutant and other embryo-defective mutants showed alterations in embryonic pattern formation and altered pattern of cell division during embryo development.

DNA sequence analysis of this mutant (EMB 30) shows homology with the SEC 7 gene of yeast which helps in the protein transport from the Golgi, indicating its role in transporting some proteins to the cell surface. It may also have an alteration in the signal transduction pathway.

Another interesting mutant is ‘fusca’ which shows insufficient accumulation of anthocyanin in developing cotyledons. Seeds of this mutants germinate to produce defective seedling which fail to complete the life cycle. Sev­eral genes of ‘fusca’ mutants have now been cloned and sequenced. These are: FUSI/COPI FUS2/DETI, FUS6/COP11, FUS7/COP9 etc.’ These genes encode some novel proteins.

The product of COPI gene has N-terminal zinc binding domain and a C-terminal domain which shows homology with the B-sub-unit of G” proteins. Again, the sequence of FUS6 gene shows similarity with that of human gene GPSI. Thus, it can be said that G proteins also play an important role in signal transduction pathways of plants.

The pattern formation and morphogenesis go hand in hand during development in multicel­lular organisms. Cyto differentiation is nothing but a division of labour between component cells. During cyto differentiation, some alter­ations in the biochemical and structural prop­erties occur leading to functional specialisation.

In the developmental stage the formation of cell diversity is the process of cell pattern or shape formation where positional information determines the final development of a cell. In the plant systems, the presence of any devel­opmental memory has not been clearly pointed out.

But the involvement of some localised activ­ity of specific regulatory proteins in Cyto differentiation and development has been estab­lished. It has been observed that the de­velopment of floral organs in Arabidiopsis is regulated by some genes encoding transcription factors.

The generation of individual cell types within an organ is dependent on the cell autonomous expression of regulatory molecules. Larkin (1993) has shown the role of transcription factors in trichome differentiation.

The mutational studies have shown that mutations in a specific gene can inhibit the development of individual cellular domains, keeping the other domains normal. For example, monopteros mu­tation shows no development of hypocotyl and root but the shoot meristems and cotyledons are not affected.

But there are some mutants like emb 30/gnom, hydra/fuss rootless and ‘monopteros’ which show defective shape and also abnormalities in cell differentiation, par­ticularly in vascular tissue organisation.

That means the respective gene products are es­sential both for morphogenesis and cellular differentiation. Thus, the relative positioning of cells in plant development is very important to continue the cell-cell signalling events during morphogenesis.


Simulation of Stimulation: Cytokine Dosage and Cell Cycle Crosstalk Driving Timing-Dependent T Cell Differentiation

Triggering an appropriate protective response against invading agents is crucial to the effectiveness of human innate and adaptive immunity. Pathogen recognition and elimination requires integration of a myriad of signals from many different immune cells. For example, T cell functioning is not qualitatively, but quantitatively determined by cellular and humoral signals. Tipping the balance of signals, such that one of these is favored or gains advantage on another one, may impact the plasticity of T cells. This may lead to switching their phenotypes and, ultimately, modulating the balance between proliferating and memory T cells to sustain an appropriate immune response. We hypothesize that, similar to other intracellular processes such as the cell cycle, the process of T cell differentiation is the result of: (én) pleiotropy (pattern) and (ii) magnitude (dosage/concentration) of input signals, as well as (iii) their timing and duration. That is, a flexible, yet robust immune response upon recognition of the pathogen may result from the integration of signals at the right dosage and timing. To investigate and understand how system's properties such as T cell plasticity and T cell-mediated robust response arise from the interplay between these signals, the use of experimental toolboxes that modulate immune proteins may be explored. Currently available methodologies to engineer T cells and a recently devised strategy to measure protein dosage may be employed to precisely determine, for example, the expression of transcription factors responsible for T cell differentiation into various subtypes. Thus, the immune response may be systematically investigated quantitatively. Here, we provide a perspective of how pattern, dosage and timing of specific signals, called interleukins, may influence T cell activation and differentiation during the course of the immune response. We further propose that interleukins alone cannot explain the phenotype variability observed in T cells. Specifically, we provide evidence that the dosage of intercellular components of both the immune system and the cell cycle regulating cell proliferation may contribute to T cell activation, differentiation, as well as T cell memory formation and maintenance. Altogether, we envision that a qualitative (pattern) and quantitative (dosage) crosstalk between the extracellular milieu and intracellular proteins leads to T cell plasticity and robustness. The understanding of this complex interplay is crucial to predict and prevent scenarios where tipping the balance of signals may be compromised, such as in autoimmunity.

Kulcsszavak: (memory) T cell differentiation CDK MAmTOW autoimmunity cell cycle cytokine activation timing cytokine dosage p27Kip1.

Ábrák

T cell fate upon TCR activation and CD28 stimulation. (A) Successful activation of…

Experimental design for establishing cytokine…

Experimental design for establishing cytokine requirement for differentiation to effector and memory T…

Cytokine dosage and administration timing…

Cytokine dosage and administration timing impact T cell fate. (A) After activation, cytokines…

Role of the cyclin-dependent kinase…

Role of the cyclin-dependent kinase inhibitor p27 Kip1 in memory T cell formation.…

Variability in protein dosage impacts…

Variability in protein dosage impacts system’s robustness. (A) Protein expression may oscillate over…


Cell-based simulations of Notch-dependent cell differentiation on growing domains

Notch signalling controls cell differentiation and proliferation in many tissues. The Notch signal is generated by the interaction between the Notch receptor of one cell with the Notch ligand (Delta or Jagged) of a neighbouring cell. Therefore, the pathway requires cell-cell contact in order to be active. During organ development, cell differentiation occurs concurrently with tissue growth and changes in cell morphology. How growth impacts on Notch signalling and cell differentiation remains poorly understood. Here, we developed a modelling environment to simulate Notch signalling in a growing tissue. We use our model to simulate the differentiation process of pancreatic progenitor cells. Our results suggest that Notch-mediated differentiation in the developing pancreas is first mediated by geometric effects that result in loss of Notch signalling on the tissue boundary, leading to the differentiation of tip versus trunk cells. A second wave of differentiation further happens in the trunk cells due to a reduction in the expression of the ligand Egyenetlen, which has been shown to be controlled by signalling factors secreted from the surrounding mesenchyme. Our results bring new insights into how cells coordinate tissue growth with cell fate specification during organ development.


2 Description

To simulate exponentially growing populations, DIFFpop uses the direct Stochastic Simulation Algorithm ( Gillespie, 1977) to advance the simulation by first determining the time until the next event followed by a stochastic choice of the type of event taking place. For fixed-size populations, DIFFpop simulates a multi-type modified Moran model using tau-leaping ( Gillespie, 2001) with the introduction of differentiation events, whereby events are coupled together to maintain fixed population sizes for instance, a mitosis event generating an additional cell is followed by a differentiation or apoptosis event to eliminate a cell. In both simulation scenarios, when a mitosis event occurs, one daughter cell may mutate to produce a new clone with probability u i ⁠ , where i is the population of the parent cell. In such situations, new clones are formed according to the infinite allele assumption ( Pakes, 1989), and the parameter for the change in fitness of the new clone is randomly chosen from a user-specified fitness distribution. As a default, fitness changes are drawn from a normal distribution such that the lower bound for the fitness of any clone is 0.

The flexible nature of the package allows the user to customize the process, easily change the underlying differentiation structure, parameters and distributions, and achieve updated results. The hierarchical structure, population types and attributes and event rates are specified using functions in R, allowing the user to quickly create multiple possible trees and implement simulations of each. Users may also vary the selective pressures at work in the cell populations by specifying population-level mutation rates and the distribution from which fitness changes of mutated cells are drawn. Setting the mutation probabilities to zero results in a process in which no new clones appear. Allowing for a positive mutation probability but setting the passenger probability, the probability that a mutation does not affect a clone’s fitness, to 1 simulates the infinite-allele process where mutations are recorded, but due to a lack of variability in fitness are selectively neutral ( McDonald and Kimmel, 2015). After simulation initiation, no new barcodes are created, and therefore the maximum total number of barcodes is set at the initiation of the simulation, allowing for the calculation of diversity indices to compare populations with different model settings.


Differentiation and the Fate of Cells

This animation describes the formation and fates of the three germ layers in a human embryo.

All cells in the human body originate from a group of embryonic stem cells called the inner cell mass (ICM), which is formed during an early stage of development called the blastocyst. As shown in the animation, the fates of these cells become more restricted and specialized as development progresses. In a later stage of development called the gastrula, the cells differentiate to form three germ layers: the ectoderm, the mesoderm, and the endoderm. Each layer gives rise to specific tissues with increasingly specialized cells.

This animation is a clip from a 2006 Holiday Lecture Series, Potent Biology: Stem Cells, Cloning, and Regeneration. Depending on students’ background, it may be helpful to pause the animation at various points to discuss different steps in the developmental process.

Részletek

blastocyst, cell division, ectoderm, embryonic stem cell, endoderm, gastrulation, germ layer, inner cell mass (ICM), mesoderm

Kérjük, tekintse meg a Felhasználási feltételeket az erőforrás felhasználásával kapcsolatos információkért.