초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구에서는 random walk하는 입자와 암세포 확산을 비교하여 Fick's law를 따르는 확산 모형과 암세포 확산의 차이를 밝힌다. 암세포 확산은 암 전이 메커니즘을 이해하는데 매우 중요하다. 하지만 아직까지 암세포 확산은 정확하게 이해되지 않고 있다. 따라서 이번 연구에서는 가장 간단한 2차원 random walk와 암세포 확산을 비교하고, 동역학적인 차이를 규명해 암세포 확산을 이해하고자 한다. Random walk하는 입자는 EDISON 전산화학 전문센터의 프로그램 중 dynamic Monte Carlo(dynamic MC) 전산 모사 소프트웨어를 이용하여 2차원에서 움직이는 레나드-존스 입자의 운동을 통해 살펴보았다. 암세포 확산은 실제 암세포의 시간에 따른 위치 변화 정보 (세포의 궤적)를 직접 구하여 분석하였다. Dynamic MC 결과는 Fickian 확산 모형을 잘 따르는 것을 평균 제곱 거리와 밀도 함수를 통해 확인할 수 있었다. 암세포 확산의 경우 평균 제곱 거리는 시간에 대해서 선형적으로 비례하지만 밀도 함수는 가우시안 형태로 나오지 않으며 Fick's law를 따르는 확산 모형과 다른 확산 형태를 보인다. 이러한 확산 형태는 암세포의 동역학적인 다양성 때문에 나타나며 각각의 암세포가 다른 운동성을 가지는 것에 기인하는 것으로 보인다.

본 연구에서는 random walk하는 입자와 암세포 확산을 비교하여 Fick's law를 따르는 확산 모형과 암세포 확산의 차이를 밝힌다. 암세포 확산은 암 전이 메커니즘을 이해하는데 매우 중요하다. 하지만 아직까지 암세포 확산은 정확하게 이해되지 않고 있다. 따라서 이번 연구에서는 가장 간단한 2차원 random walk와 암세포 확산을 비교하고, 동역학적인 차이를 규명해 암세포 확산을 이해하고자 한다. Random walk하는 입자는 EDISON 전산화학 전문센터의 프로그램 중 dynamic Monte Carlo(dynamic MC) 전산 모사 소프트웨어를 이용하여 2차원에서 움직이는 레나드-존스 입자의 운동을 통해 살펴보았다. 암세포 확산은 실제 암세포의 시간에 따른 위치 변화 정보 (세포의 궤적)를 직접 구하여 분석하였다. Dynamic MC 결과는 Fickian 확산 모형을 잘 따르는 것을 평균 제곱 거리와 밀도 함수를 통해 확인할 수 있었다. 암세포 확산의 경우 평균 제곱 거리는 시간에 대해서 선형적으로 비례하지만 밀도 함수는 가우시안 형태로 나오지 않으며 Fick's law를 따르는 확산 모형과 다른 확산 형태를 보인다. 이러한 확산 형태는 암세포의 동역학적인 다양성 때문에 나타나며 각각의 암세포가 다른 운동성을 가지는 것에 기인하는 것으로 보인다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 이 때 첫 번째 과정에서의 암세포의 확산 속도가 암 전이 속도를 결정하는데 큰 영향을 준다고 알려졌다. 하지만 암세포의 확산 메커니즘은 아직 분명하게 밝혀지지 않았으며 따라서 본 연구에서는 배양 배지 위에서 일어나는 암세포 확산과 random walk하는 입자의 확산을 비교함으로써 두 확산의 차이를 통해 암세포 확산을 이해하려고 한다.
• 본 연구에서는 암세포 확산을 random walk하는 입자의 확산과 비교하였다. Random walk하는 입자는 dynamic MC를 사용하여 전산 모사하였으며 Fickian 확산 모형에 잘 맞는 것을 확인하였다.

가설 설정

• (b) 세포와 dynamic MC의 밀도 함수, r = σ 이고 t = tD /σ2이다.

제안 방법

• 따라서 학부에서 배우는 Fick’s law와 random walk14를 통해 기존의 확산 모형과 dynamic MC를 비교하려고 한다.
• (왼쪽 상단) A549 세포 배양 배지의 스냅샷, positive contrast 현미경으로 24시간 동안 촬영하였다.(오른쪽 상단)이미지 변환과 세포 자동화 구별 프로그램, 세포 자동화 구별 프로그램을 사용하기 위해 스냅샷 사진을 흑백으로 변환하였다. 변환된 사진을 통해 세포를 구별하였다.
• (오른쪽 상단)이미지 변환과 세포 자동화 구별 프로그램, 세포 자동화 구별 프로그램을 사용하기 위해 스냅샷 사진을 흑백으로 변환하였다. 변환된 사진을 통해 세포를 구별하였다.(왼쪽 하단)보정 작업, 세포를 인지하지 못한 경우 실제 스냅샷 사진을 참고하여 보정하여 주었다.
• (왼쪽 하단)보정 작업, 세포를 인지하지 못한 경우 실제 스냅샷 사진을 참고하여 보정하여 주었다. (오른쪽 하단)세포 궤적 자동화 탐지 프로그램, TrackMate 플러그인을 통해 세포의 궤적을 얻어내었다.
• dynamic MC 결과와 비교하기 위해 세포의 크기로 지정한 80 픽셀을 1σ로 정하였고 계의 크기는 28.5σ 로 전산 모사를 실행하였다.
• (a)수밀도에 따른 평균 제곱 거리, δo =0.1이고 계의 크기는 20σ로 dynamic MC 를 하였다.
• 세포는 A549 폐암 세포를 사용하였고 세포 분열을 최대한 저해하기 위해 serum starvation 조건에서 배양되었다. 세포의 움직임을 positive contrast 현미경을 통해 총 24시간 동안 스냅샷을 찍었고 20분 간격으로 찍힌 73개의 스냅샷만 고려하였다. 73장의 스냅샷으로부터 세포의 궤적을 얻어내기 위해서 FiJi 프로그램 중 TrackMate 플러그인을 사용하였다.
• 사진 크기는 2400*2400 픽셀이고 세포의 좌표값은 스냅샷에 픽셀값으로 정하였다. 세포 하나를 지름이 80픽셀인 원으로 추정 세포를 구별하였으며 정확도를 위해 추가로 보정 작업을 해주었다. 움직임을 관찰하는 시간동안 분열하지 않은 94개의 세포만 궤적을 구하였다[그림 2].
• 그림 5. (a)세포와 dynamic MC의 평균 제곱 거리, dynamic MC와 세포의 단위를 맞춰주었다. (b) 세포와 dynamic MC의 밀도 함수, r = σ 이고 t = tD /σ²이다.
• 암세포 확산을 dynamic MC와 비교하기 위해서 길이 단위는 앞서 세포의 크기를 1σ로 정하여 맞추었고 시간 단위는 암세포의 확산 계수를 통해 맞추었다.
• dynamic MC에서 δo를 바꾸어 암세포의 확산 계수를 같은 조건을 찾은 다음 시간에 확산 계수를 곱하여 시간 단위를 맞추었다.

대상 데이터

• 세포는 A549 폐암 세포를 사용하였고 세포 분열을 최대한 저해하기 위해 serum starvation 조건에서 배양되었다. 세포의 움직임을 positive contrast 현미경을 통해 총 24시간 동안 스냅샷을 찍었고 20분 간격으로 찍힌 73개의 스냅샷만 고려하였다.
• 세포의 움직임을 positive contrast 현미경을 통해 총 24시간 동안 스냅샷을 찍었고 20분 간격으로 찍힌 73개의 스냅샷만 고려하였다. 73장의 스냅샷으로부터 세포의 궤적을 얻어내기 위해서 FiJi 프로그램 중 TrackMate 플러그인을 사용하였다. 사진 크기는 2400*2400 픽셀이고 세포의 좌표값은 스냅샷에 픽셀값으로 정하였다.
• 세포 하나를 지름이 80픽셀인 원으로 추정 세포를 구별하였으며 정확도를 위해 추가로 보정 작업을 해주었다. 움직임을 관찰하는 시간동안 분열하지 않은 94개의 세포만 궤적을 구하였다[그림 2]. 궤적을 통해 구한 평균 제곱 거리는 시간 평균을 위해 전체 궤적 시간의 ¼ 까지 고려하였다.

데이터처리

• dynamic MC 결과와 암세포 확산을 비교하기 위해 먼저 세포의 평균 제곱 거리를 구하였다. 세포의 평균 제곱 거리는 시간에 대해 선형으로 비례하였고 평균 제곱 거리로부터 확산계수 2.
• dynamic MC 결과와 암세포 확산을 비교하기 위해 먼저 세포의 평균 제곱 거리를 구하였다. 세포의 평균 제곱 거리는 시간에 대해 선형으로 비례하였고 평균 제곱 거리로부터 확산계수 2.891pixel²/min를 계산하였다. 암세포 확산을 dynamic MC와 비교하기 위해서 길이 단위는 앞서 세포의 크기를 1σ로 정하여 맞추었고 시간 단위는 암세포의 확산 계수를 통해 맞추었다.

이론/모형

• 본 연구에서는 입자의 확산을 dynamic Monte Carlo(dynamic MC) 방법으로 전산 모사 한다. 그런데 Monte Carlo 방법은 기본적으로 동역학적인 성질을 보기 위한 방법이 아니므로 dynamic MC와 기존의 확산 모형을 비교하는 일이 선행되어야 한다.
• Dynamic MC 방법은 EDISON 전산화학 전문 센터의 프로그램 중 ‘2차원 고체, 액체 상분리 해석 및 설계’ 전산 모사 소프트웨어를 응용하여 사용하였다.

성능/효과

• 본 연구에서 얻은 암세포 확산 결과를 보면 평균 제곱 거리는 시간에 선형으로 비례하지만 밀도 함수가 가우시안 형태가 나오지 않는 것을 확인할 수 있다. 이러한 확산 형태는 밀도가 크고 온도가 낮은 조건에서 입자가 동역학적으로 다양한 양상을 보이기 때문에 나타나는 것이 알려져 있다^11,12,13.
• Dynamic MC 방법은 EDISON 전산화학 전문 센터의 프로그램 중 ‘2차원 고체, 액체 상분리 해석 및 설계’ 전산 모사 소프트웨어를 응용하여 사용하였다. 프로그램의 결과 파일 중 lj.gro 파일을 통해 입자의 궤적을 얻어내었고 periodic boundary condition 이 적용되어 있어 입자의 위치를 보정해주는 작업을 추가로 해주었다. 시뮬레이션을 통해 얻은 모든 결과는 NVT 앙상블에서 k_BT=1.
• 본 연구에서는 암세포 확산을 random walk하는 입자의 확산과 비교하였다. Random walk하는 입자는 dynamic MC를 사용하여 전산 모사하였으며 Fickian 확산 모형에 잘 맞는 것을 확인하였다. 암세포 확산의 경우 평균 제곱 거리는 dynamic MC결과와 같이 시간에 대해 선형으로 비례하였지만, 밀도 함수는 가우시안 형태로 나오지 않았다.
• 이러한 확산 형태는 입자의 다양한 동역학적인 양상으로 인해, 확산이 긴시간 영역으로 넘어가는 과정에서 평균 제곱 거리가 시간에 다시 선형으로 비례하게 되는 시간과 밀도 함수가 가우시안 형태를 따르게 되는 시간이 달라지기 때문에 나타나는 것으로 설명된다¹¹. 실제 암세포의 스냅샷을 통해서도 거의 움직이지 않는 세포와 활발한 운동성을 보이는 세포가 동시에 존재하는 것을 확인할 수 있다. 하지만 이전 연구^12,13 에서 보여주는 것과 달리 암세포의 경우 낮은 밀도에서부터 Fickian 확산 모형을 따르지 않으며 속도가 빠른 영역과 속도가 느린 영역이 구분되지 않는다.

후속연구

• 하지만 이전 연구^12,13 에서 보여주는 것과 달리 암세포의 경우 낮은 밀도에서부터 Fickian 확산 모형을 따르지 않으며 속도가 빠른 영역과 속도가 느린 영역이 구분되지 않는다. 세포에서 다양한 동역학적인 양상이 나타나는 이유는 각각의 암세포마다 가지고 있는 운동성이 다르기 때문으로 보이며 이 부분에 대해서는 추가적인 연구가 필요하다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

질의응답

핵심어	질문	논문에서 추출한 답변
세포의 확산	세포의 확산은 어떤 현상에서 중요한가?	세포의 확산은 세포 조직 성장8, 조직 재생9과 같은 다양한 생명현상에서 중요하며 특히 암 전이 과정에서 핵심적인 개념으로 알려졌다10. 암 전이 과정은 크게 두 가지로 나눌 수 있는데 첫 번째는 세포 조직 내에서 발생한 암세포가 확산에 의해 움직이는 과정이고 두 번째는 세포 조직 내에서 움직이던 암세포가 혈관에 침투하여 혈액을 타고 흘러가는 과정이다.
암 전이 과정	암 전이 과정은 어떻게 나눌 수 있는가?	세포의 확산은 세포 조직 성장8, 조직 재생9과 같은 다양한 생명현상에서 중요하며 특히 암 전이 과정에서 핵심적인 개념으로 알려졌다10. 암 전이 과정은 크게 두 가지로 나눌 수 있는데 첫 번째는 세포 조직 내에서 발생한 암세포가 확산에 의해 움직이는 과정이고 두 번째는 세포 조직 내에서 움직이던 암세포가 혈관에 침투하여 혈액을 타고 흘러가는 과정이다. 이 때 첫 번째 과정에서의 암세포의 확산 속도가 암 전이 속도를 결정하는데 큰 영향을 준다고 알려졌다.
암세포 확산	본 연구에서 암세포 확산을 random walk하는 입자의 확산과 비교한 결과, 암세포 확산의 경우 평균 제곱 거리는 dynamic MC 결과와 같이 시간에 대해 선형으로 비례하였지만, 밀도 함수는 가우시안 형태로 나오지 않은 이유는?	암세포 확산의 경우 평균 제곱 거리는 dynamic MC결과와 같이 시간에 대해 선형으로 비례하였지만, 밀도 함수는 가우시안 형태로 나오지 않았다. 이러한 확산 형태는 입자의 다양한 동역학적인 양상으로 인해, 확산이 긴시간 영역으로 넘어가는 과정에서 평균 제곱 거리가 시간에 다시 선형으로 비례하게 되는 시간과 밀도 함수가 가우시안 형태를 따르게 되는 시간이 달라지기 때문에 나타나는 것으로 설명된다11. 실제 암세포의 스냅샷을 통해서도 거의 움직이지 않는 세포와 활발한 운동성을 보이는 세포가 동시에 존재하는 것을 확인할 수 있다.

질의응답 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기