Automated time-lapse analysis of cell mechanics in single-cell migration on 1D micropatterns

Heyn, Johannes (2025): Automated time-lapse analysis of cell mechanics in single-cell migration on 1D micropatterns. Dissertation, LMU München: Fakultät für Physik

Abstract

Cell migration is crucial in several biological processes, such as development, wound healing, immune response, and cancer metastasis. Physics can help shed light on the force generating mechanisms behind active cell migration, improving our understanding to aid the development of therapies related to cancer treatment and regenerative medicine. In vitro studies reveal diverse cell morphodynamics on plane adhesive substrates, as well as universal relations conserved across different cell lines, such as the biphasic adhesion velocity relation and the universal coupling between cell speed and cell persistence. Mechanical models link these relations to physical forces, thereby connecting intracellular processes with motile behaviour. However, quantitative comparison of experimental data to models requires reproducible conditions as well as extensive statistics. Here, I present an automated time-lapse analysis of single-cell migration using a high throughput migration platform and a biophysical model. We advanced micropatterning for confined cell migration on one-dimensional fibronectin lanes which simplified data acquisition and trajectory analysis. Standardised microfabrication of 1D fibronectin coated lanes and scanning time-lapse microscopy enabled reproducible experimental conditions for high-throughput data collection and automated image analysis. The technique allowed for analysis of thousands of single-cell trajectories, finding significant variability within the same cell line, which is important for identifying universal behaviours. In this context, we discovered multistability in the form of four motile states in the breast cancer cell line MDA-MB-231. In collaboration with the group of Martin Falcke we proposed a novel biophysical model that consists of force balances at the protrusion edges, a noisy clutch mechanism and non-linear integrin signalling. The model explains multistability, the adhesion-velocity relation and the universal coupling between cell speed and cell persistence. However, the non-linear, inherently stochastic nature of the biophysical model presented significant challenges, as parameter optimisation became mathematically and conceptually difficult. By training a neural density estimator model parameters were inferred from experimental trajectories. The approach effectively asigns parameter values to different cell types and identifies the site of drug action, like latrunculin A and Y-27632 without prior knowledge. We developed a time-lapse and data analysis platform for studies of cell migration with unprecedented throughput. Our cell-mechanical model explains an unparalleled level of complex motile behaviour, validated by extensive statistics. We anticipate that our work will facilitate additional discoveries related to the specific characteristics of cell types, universal relations, and biophysical mechanisms.

Abstract

Zellmigration ist für verschiedene biologische Prozesse wie Embryogenese, Wundheilung, Immunantwort und Krebsmetastasierung von entscheidender Bedeutung. Die Physik kann dazu beitragen, unser Verständnis der krafterzeugenden Mechanismen hinter der aktiven Zellmigration zu verbessern, um die Entwicklung von Therapien für die Krebsbehandlung und die regenerative Medizin zu unterstützen. In vitro-Studien mit planaren Zellsubstraten zeigen sowohl erheblich unterschiedliche Zellmorphodynamiken, aber auch universelle Beziehungen, die über verschiedene Zelllinien hinweg erhalten bleiben. Beispiele sind die biphasische Adhäsions-Geschwindigkeits-Beziehung und die universelle Kopplung zwischen Zellgeschwindigkeit und Zellpersistenz. Mechanische Modelle verknüpfen diese Beziehungen mit physikalischen Kräften und verbinden so intrazelluläre Prozesse mit dem Bewegungsverhalten. Der quantitative Vergleich von experimentellen Daten mit Modellen erfordert jedoch reproduzierbare und standardisierte Bedingungen sowie umfangreiche Statistiken. Hier präsentiere ich eine automatisierte Zeitrafferanalyse der Einzelzellmigration unter Verwendung einer Hochdurchsatz-Migrationsplattform und eines biophysikalischen Modells. Eine Weiterentwicklung von Mikrostrukturierungsverfahren, mit dem Zweck, Zellmigration auf eindimensionale Bahnen zu beschränken, vereinfachte die Datenerfassung und die Analyse der Zelltrajektorien. Die standardisierte Mikrofabrikation von 1D-Fibronektin-beschichteten Bahnen und die Scanning-Zeitraffer-Mikroskopie ermöglichten reproduzierbare Versuchsbedingungen für die Hochdurchsatz-Datenerfassung und die automatisierte Bildanalyse. Die Technik ermöglichte die Analyse von Tausenden von Einzelzell-Trajektorien, wobei eine erhebliche Variabilität innerhalb derselben Zelllinie festgestellt werden konnte, was für die Identifizierung universeller Verhaltensweisen von Bedeutung ist. In diesem Zusammenhang haben wir bei der Brustkrebszelllinie MDA-MB-231 Multistabilität in Form von vier Bewegungszuständen entdeckt. In Zusammenarbeit mit der Gruppe von Martin Falcke haben wir ein neuartiges biophysikalisches Modell vorgeschlagen, das aus Kraftbilanzen an den Zellenden, einem verrauschten Kupplungsmechanismus und einer nichtlinearen Integrin-Signalübertragung besteht. Das Modell erklärt Multistabilität, die Adhäsions-Geschwindigkeits-Beziehung und die universelle Kopplung zwischen Zellgeschwindigkeit und Zellpersistenz. Die nichtlineare, stochastische Natur des biophysikalischen Modells stellte jedoch für die Parameteroptimierung eine Herausforderung dar. Durch Training eines neuronalen Dichte-Schätzers wurden die Modellparameter aus den experimentellen Trajektorien abgeleitet. Der Ansatz ordnet Parameterwerte effektiv verschiedenen Zelltypen zu und identifiziert den Wirkort von Wirkstoffen wie Latrunculin A und Y-27632 ohne Vorkenntnisse. Wir haben eine Zeitraffer- und Datenanalyseplattform für Studien zur Zellmigration mit einem noch nie dagewesenen Durchsatz entwickelt. Unser zellmechanisches Modell erklärt ein beispielloses Maß an komplexem Bewegungsverhalten, das durch umfangreiche Statistiken validiert wird. Wir gehen davon aus, dass unsere Arbeit weitere Entdeckungen im Zusammenhang mit den spezifischen Eigenschaften von Zelltypen, universellen Beziehungen und biophysikalischen Mechanismen ermöglichen wird.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Keywords: cell migration, 1D, machine learning, sbi, ML, artificial intelligence, AI
• Themengebiete: 500 Naturwissenschaften und Mathematik ; 500 Naturwissenschaften und Mathematik > 530 Physik
• Fakultäten: Fakultät für Physik
• Sprache der Hochschulschrift: Englisch
• Datum der mündlichen Prüfung: 24. März 2025
• 1. Bericht­erstatter:in: Rädler, Joachim