Аннотация результатов, полученных в 2019 году
В ходе первого года выполнения проекта были использованы вычислительные (компьютерное моделирование) и экспериментальные методы (наноиндентирование с помощью атомно-силовой микроскопии (АСМ)) для установления оптимальной механической модели для описания клеток и биологических тканей. Был отработан оптимальный протокол для измерения механических свойств клеток на АСМ. Он включает себя использование методики быстрого силового картирования с параметрами, подобранными для оптимального соотношения скорости получения и качества данных. АСМ-измерения были проведены на нескольких клеточных культурах, включая фибробласты мыши NIH 3T3, фибробласты крысы REF52, линию фибросаркомы HT-1080 (раковые клетки) и первичные кортикальные нейроны крысы. Также был измерен ответ клеток на такие внешние воздействия, как разрушение актинового цитоскелета цитохалазином Д, гипоосмотический и гиперосмотический стресс. Помимо изначально запланированных экспериментов на клеточных линиях, были также проведены измерения на образцах тканей – капсулах хрусталика. АСМ-данные были обработаны с применением известных упругих моделей, а также более редко применяемых вязкоупругих моделей. Полученные экспериментальные данные будут в дальнейшем использоваться для получения оптимальной модели, описывающей механическое поведение клетки в различных условиях. Были созданы численные алгоритмы для применения различных вязкоупругих моделей для описания АСМ-силовых кривых, и, в целом, экспериментов по индентированию. Для создания алгоритмов использовали языки программирования MATLAB и Python. Работоспособность алгоритмов была подтверждена путем сравнения с аналитическими решениями для некоторых простых условий индентирования, а также с результатами симуляций методом конечных элементов. Из всех вязкоупругих моделей наиболее подходящей для описания клеток была выявлена модель, представляющая собой параллельную комбинацию дробно-дифференциального вязкоупругого элемента и вязкого элемента (демпфера), с тремя независимым параметрами. Планируется дальнейшее совершенствование данной модели. Таким образом, к концу первого года работы над проектом научные задачи выполнены в полном объеме.

Аннотация результатов, полученных в 2020 году
В ходе второго года выполнения проекта алгоритмы машинного обучения были адаптированы для обработки данных по клеточной механике, полученных методом АСМ. Была произведена обработка АСМ-данных, полученных на шести клеточных линиях (в том числе нормальных NIH 3T3, NMuMG, REF-52 и раковых MDA-MB-231, MCF-7, HT-1080 клеток). Было показано, что классификация с использованием алгоритма на основе Гауссовой смеси распределений (GMM) позволяет с высокой эффективностью (~95%) на основе вязкоупругих параметров определять, относится клетка к раковым или нормальными. Использование комбинации из четырех механических параметров позволило также повысить эффективность определения принадлежности клетки к определенной клеточной линии (до ~83% по сравнению с изначальной эффективностью ~60%). Алгоритмы глубокого машинного обучения были применены для анализа сырых АСМ-данных, силовых кривых из массивов силового картирования, без какой-либо предварительной обработки, кроме нормализации. Был разработан протокол предварительной разметки исходных данных с помощью иерархической кластеризации и построения дендрограмм. Для дальнейшей классификации силовых кривых была натренирована искусственная нейронная сеть (ИНС), её эффективность на тестовом наборе превышала 98%, а регионы активности были визуализированы с помощью метода Class Activation Maps и соответствовали участку контактного взаимодействия с поверхностью. Также мы показали, что форма силовой кривой на контактном участке определяется параметрами вязкоупругости, присущей образцу, и что натренированная ИНС успешно разделяет области жесткой подложки, и области над клеткой, соответствующие участкам высокой и низкой жесткости. Также было проведено дальнейшее развитие и тестирование вязкоупругой модели, разработанной на первом году выполнения проекта. Было установлено, что ядро клетки слабо влияет на вязкоупругие параметры, но наблюдается сильное влияние от разрушения цитоскелета, а также от осмотических и некоторых токсических воздействий. Разработанная методика картирования механических свойств на АСМ была сравнена с методом сканирующей ион-проводящей микроскопии, и данные двух методов хорошо коррелировали между собой. Механические свойства клеточных сфероидах из двух различных типов клеток, мезенхимальных стромальных клеток человека и фибробластов мыши линии NIH 3T3, были измерены с помощью АСМ и наноиндентора. Была найдена оптимальная механическая модель для описания механических клеток в составе сфероида, которая соответствует модели, используемой для описания клеток, растущей на поверхности, однако не жесткой, как в случае пластика, а имеющей ту же жесткость что и клетки (внутренние слои сфероида). Механические свойства клеток на поверхности сфероида оказались близки к таковым у отдельных клеток, растущих в стандартной двумерной культуре, что может являться особенностью мезенхимальных клеток с высокой сократимостью. Совместное использование алгоритмов машинного обучения, а также математического моделирования с применением механических вязкоупругих моделей показало высокую эффективность как для классификации отдельных клеток (например, по принадлежности к нормальным или раковым), так и для классификации регионов повышенной или пониженной жесткости внутри единичной клетки по отдельным силовым кривым. Подобная комбинация методов значительно упростит и ускорит обработку данных, снизит роль оператора, обрабатывающего данные, а также повысит эффективность предсказания типа и состояния клетки по её механическим свойствам. Таким образом, к концу второго года работы над проектом научные задачи выполнены в полном объеме.