        
            客服中心
        
        QQ：854727998
Email：lunwen133@163.com
地址：福建省厦门市思明区嘉禾路337号

                最新投稿+更多
        
                标题标题标题

                最新期刊更新+更多
        
                新教育时代-初中体育教学中如何激发学

                最新期刊更新+更多
        
                新教育时代-初中体育教学中如何激发学

您的位置：首页 > 医学 > mTOR在胸主动脉病变中的作用通过复杂的细胞内信号传导相互作用来理解-厦门杂志期刊论文发表

《mTOR在胸主动脉病变中的作用通过复杂的细胞内信号传导相互作用来理解-厦门杂志期刊论文发表》

主管单位：
主办单位：
国际刊号：
国内刊号：
期刊级别：
发行周期：
收录情况：
审稿时间：
投稿邮箱：

《mTOR在胸主动脉病变中的作用通过复杂的细胞内信号传导相互作用来理解-厦门杂志期刊论文发表》期刊在线投稿系统

* 投稿刊物	mTOR在胸主动脉病变中的作用通过复杂的细胞内信号传导相互作用来理解-厦门杂志期刊论文发表
* 作者姓名		(只写第一作者)
* 联系电话		（请填写正确的联系电话）
通讯地址		（请填写正确的通讯地址）
* 电子邮箱		（请提供正确的电子邮箱）
* 联系qq		（请提供常用的联系qq）
上传稿件
验证码

《mTOR在胸主动脉病变中的作用通过复杂的细胞内信号传导相互作用来理解-厦门杂志期刊论文发表》期刊简介

mTOR在胸主动脉病变中的作用通过复杂的细胞内信号传导相互作用来理解-厦门杂志期刊论文发表

· 安娜·埃斯特拉达，

· 琳达·艾恩斯，

· 布鲁诺V.雷戈，

· 李光欣，

· 乔治?泰利德斯，

· 杰伊·汉弗莱

· 出版日期： 2021年12月13日

抽象

胸主动脉病（动脉瘤、夹层和破裂）越来越成为显著发病率和死亡率的原因。医学遗传学和成像的进步改善了诊断，从而在许多情况下能够更早地进行预防性手术干预。然而，仍然迫切需要更好地了解潜在的分子和细胞机制，以期找到强大的药物治疗。对主动脉病患者和小鼠模型的各种研究表明，与疾病相关的多个平滑肌细胞信号通路发生了关键变化，但跨研究和模型整合信息仍然具有挑战性。我们提出了一种新的定量网络模型，其中包括许多关键的平滑肌细胞信号通路，并使用详细的数据集验证了该模型，该数据集侧重于雷帕霉素（mTOR）途径的机制靶标的过度活化及其使用雷帕霉素的抑制作用。我们表明，该模型可以参数化，以定性和定量地捕获主要实验结果。我们进一步表明，通过改变受体反应权重来模拟细胞群会导致群体内出现不同的蛋白质组学簇，并且这些簇的出现是由于PI3K / AKT / mTOR信号通路中的正反馈驱动的双稳态开关。

作者简介

细胞信号传导驱动跨尺度的变化，从单细胞水平的改变转录到组织水平的生长和重塑。研究细胞信号通路内的复杂相互作用可以更好地理解疾病的进展。特别是，我们对血管细胞如何以加剧主动脉病的方式改变其表型感兴趣，即动脉瘤，解剖和破裂的发展。在这项研究中，我们使用档案数据建立了血管平滑肌细胞的新型细胞信号传导网络模型，并用它来捕获遗传敲除和随后的药理学挽救的效果。然后，我们使用该模型模拟平滑肌细胞群，发现对信号传导强度的小扰动可导致不同的细胞簇。通过对网络子结构的进一步分析，我们发现网络内的正反馈回路是我们在模拟细胞簇中看到的不同表型的原因。我们相信，这项工作不仅有助于我们了解平滑肌细胞表型的变化，而且还为研究与主动脉病相关的其他信号传导干扰提供了可能性。

数字

引文：Estrada AC，Irons L，Rego BV，Li G，Tellides G，Humphrey JD （2021）mTOR在胸主动脉病中的作用通过复杂的细胞内信号传导相互作用理解。PLoS Comput Biol 17（12）：e1009683。https://doi.org/10.1371/journal.pcbi.1009683

编辑器：James R. Faeder，匹兹堡大学，美国

收到：九月 27， 2021;接受：十一月 26， 2021;发表：十二月 13， 2021

数据可用性：这项工作的代码可以在以下位置找到： https://github.com/acestrada/mTORSMCNetwork。

资金：这项工作部分得到了美国国立卫生研究院（NIH，www.nih.gov）的资助：R01 HL146723（JDH，GT），包括相关的多样性补充剂（ACE），U01 HL142518（JDH）和P01 HL134605。资助者在研究设计，数据收集和分析，出版决定或手稿准备方面没有任何作用。-厦门杂志期刊论文发表

相互竞争的利益：作者宣布不存在相互竞争的利益。

介绍

动脉介质的平滑肌细胞（SMC）作为血管发育，稳态，适应和疾病的中心节点[1，2]，与内膜的内皮细胞和外膜的成纤维细胞协同作用。虽然所有三种细胞类型都与胸主动脉病（动脉瘤、夹层和破裂）有关，但人们普遍认为SMC功能障碍起着特别关键的作用，因为疾病的早期证据通常表现为内侧变性[3–5]。在健康成人的正常条件下，主动脉SMC不断评估其局部微机械环境，并维持或重塑细胞外基质（ECM）的组成和结构，以保持几何形状和关键生物力学特性[6]，包括优化该导管血管主要功能的弹性和顺应性。功能失调的SMC的特征在于细胞内信号传导的无数变化，导致差异表达的基因和相关的基因产物的改变。胸主动脉疾病中受影响的细胞内途径包括丝裂原活化蛋白激酶（MAPK），Smads，Rho / Rho激酶和雷帕霉素的机械靶标（mTOR），它们共同负责影响生长/增殖，ECM沉积/降解，基于肌球蛋白的收缩力和细胞存活的SMC过程的各种变化[7–10]。

小鼠模型继续为遗传触发和诱发的胸主动脉病的根本原因提供重要的见解[11，12]，但在大多数情况下，注意力集中在一个或两个信号通路的改变上，以使数据解释易于处理。鉴于许多途径之间的复杂相互作用，迫切需要综合发现并了解从转录本到组织的疾病进展。我们认为，这种合成现在在概念上是可能的，即通过融合从血管壁的详细生物力学表型[13]中获得的信息，体内成像，可以详细计算血液动力学作为局部壁特性的函数[14]，关于基质更新对不断发展的血管几何和性质的影响的信息[15]，以及细胞信号传导变化的细节[16].这种多尺度理解的基础是对许多相关细胞内信号通路的相互作用的详细解释。在本文中，我们提出了一种新的SMC信号传导模型，该模型是根据100多个档案报告中的发现构建的，然后使用最近一项研究的详细数据进行参数化和验证，该研究揭示了比以前更宽的SMC表型谱[10]。具体来说，我们包括上面提到的多种途径，同时关注mTOR。

Tor基因是在1990年代早期被发现的，雷帕霉素是一种由细菌产生的抗真菌代谢物，于1970年代在复活节岛被发现（母语为"Rapa Nui"）[17]。简言之，mTOR信号通路长期以来一直被认为是细胞代谢、生长/增殖和存活的中枢调节剂[17–19]，尽管其生物学影响继续扩大，包括SMC介导的动脉内侧ECM调节 [20，21]。虽然mTOR信号传导很复杂，但通常主要根据磷酸肌苷酸-3-激酶（PI3K）/蛋白激酶B（AKT）/雷帕霉素（mTOR）轴的机理靶标（S1图）进行概念化，注意到mTOR表现为两种蛋白质复合物，猛禽相关的mTOR复合物1（mTORC1）和与肇星相关的mTOR复合物2（mTORC2）。结节性硬化症复合物 TSC1/2 由哈马丁或 TSC1 和结节蛋白或 TSC2 组成，是 mTOR 信号传导的强抑制剂。因此，TSC1/2的失活可以使mTOR信号传导过度活化，特别是通过增加S6激酶（S6K）和真核生物起始因子4E结合蛋白1（4EBP1）的磷酸化，这是mTORC1的关键下游靶标。小鼠模型显示，Tsc2 [22]和Tsc1 [10]的突变可导致胸主动脉病，这暗示了mTOR信号传导在促进或预防主动脉壁完整性方面的关键作用。

本文特别重要的是，Li及其同事试图通过在C57BL / 6J背景上使用雄性小鼠SMC中Tsc1的条件敲除（KO）来更好地了解血管SMC增殖对胸主动脉疾病发展和进展的作用[10]。他们使用他莫昔芬诱导KO，通常从1.5周龄开始，他们测量了产生的血压以及主动脉形态，组成和细胞信号传导等指标。正如预期的那样，Tsc1的KO在主动脉SMC中过度活化了mTORC1，这通过下游物种p-S6K，p-S6和p-4EBP1的水平增加来证明。这些KO小鼠表现为主动脉夹层，发病率随着年龄的增长而增加，从12周龄时的约25%增加到36周龄时的75%。年龄和性别匹配的对照小鼠没有发生任何主动脉病。此外，KO小鼠的主动脉显示出显着的扩张和降低的收缩能力，后者通过收缩蛋白水平的降低和对血管收缩剂的反应降低而显示。即使在3周龄时，KO小鼠与基质合成相关的转录本表达也显着降低，特别是Eln和Col3a1。弹性蛋白片段化也显着增加，可能由于基质金属蛋白酶2（MMP2）的显着升高而加剧，并且显着增加SMC增殖和凋亡。KO SMC的降级功能尤其引人注目。这些细胞表达高水平的溶酶体相关蛋白，如LAMP2和MITF，具有更多的降解细胞器，并且显示出对ECM组分和红细胞的更大消化。这些行为表明，Tsc1的这种SMC特异性KO导致表型变化与传统的收缩到合成转换不同，而是导致获得性退化表型。值得注意的是，mTORC1特异性抑制剂雷帕霉素消除了许多这些作用。我们试图使用新的SMC信号网络模型捕获KO SMC中看到的实验变化，然后以参数化方式探索该模型，以更深入地了解该表型。-厦门杂志期刊论文发表

结果

**调谐的网络模型定性地捕获了Tsc1 KO 主动脉中观察到的实验变化**

图1示出了本文开发和使用的细胞信号传导模型;关联的模型方程和参数位于方法中，包括表1。除了主要感兴趣的PI3K/AKT/mTOR轴（S1图）外，还包括其他相关的信号通路（例如MAPK，Smad，Rho /Rho激酶），以更好地了解由于基因突变或药物干预而改变的SMC信号传导的总体效应和影响。该网络的这种渲染是基于100多篇档案论文中报告的发现，涵盖了平滑肌细胞功能的各个方面（S1文本中的表A），并使用Netflux（https://github.com/saucermanlab/Netflux）和开源软件Cytoscape（v.3.8.2，cytoscape.org，[23]）进行了可视化。

表 1.网络模型参数。

https://doi.org/10.1371/journal.pcbi.1009683.t001

根据预期和期望，该模型预测了Tsc1的条件 SMC 特异性 KO（即设置y麦克斯= 0 表示网络中的 TSC1/2;表 2）导致mTORC1信号传导过度活化，导致多个细胞内信号传导分子的上调和下调。图2A定性地将预测结果与实验观察的结果[10]进行了比较，重点关注基线和KO条件之间内侧SMC中关键物种活性的增加或减少。mTORC1下游的物种，即p-S6K，p-S6和p-4EBP1，在KO中大幅增加，而上游物种如p-AKT仅经历适度减少。β-连环蛋白和溶酶体相关物种，即小眼炎相关转录因子（MITF）和溶酶体相关膜蛋白2（LAMP2），由于KO而适度增加，蛋白水解基质金属蛋白酶-2（MMP2）物种也是如此。收缩蛋白平滑肌肌球蛋白重链（SMMHC）、平滑肌α肌肌动蛋白（SMA）和平滑肌SM22在KO中降低。ECM的水平，包括III型胶原蛋白（Col3a1）的α1链和弹性蛋白（Eln）基因在KO中的表达适度下降，同样，弹性蛋白Eln在KO中的表达也有所下降。因此，该模型在定性上与实验报告的所有14个物种的变化相匹配。

表 2.三个主要模拟条件的摘要。

https://doi.org/10.1371/journal.pcbi.1009683.t002

**模拟雷帕霉素治疗定性地捕获Tsc1 KO主动脉中所有观察到的变化**

通过完全抑制mTORC1节点（即，设置y）来模拟使用mTORC1抑制剂雷帕霉素（Rapa）的模拟治疗麦克斯= 0 表示网络中的 mTORC1;表 2）。图2B显示了KO和KO + Rapa之间关键物种活化的变化，并与实验观察结果进行了定性比较[10]。与实验一致，雷帕霉素处理后，由于KO引起的p-S6K，p-S6和p-4EBP1的预测激活显着降低。尽管实验结果显著下降，但β-连环蛋白的预测激活仅略有下降，而MITF和LAMP2预计会适度下降，如实验所示。收缩蛋白SMMHC，SMA和SM22由于雷帕霉素而经历了显着的预测激活增加，与实验结果一致。总体而言，该模型定性地再现了这9种报告物种的实验变化。另请参阅S2图，了解KO + Rapa与基线的比较。

**mTOR信号传导模型定性地捕获了Tsc1 KO主动脉中增加的SMC增殖，细胞凋亡和降解活性-厦门杂志期刊论文发表**

我们使用特定模型物种的活化水平来估计Tsc1 KO SMC的增殖，凋亡和降解活性水平。具体来说，我们让S6，β-连环蛋白和p38的活化水平的平均值反映增殖，而FOXO的激活水平反映细胞凋亡。根据降解弹性蛋白的水平和溶酶体LAMP1 / 2蛋白的活化来估计降解活性。实验表明，Tsc1 KO导致主动脉中SMC的增殖和凋亡显着增加，以及这些KO细胞中ECM组分的降解和降解细胞器活性的增加。我们的模型定性地捕获了KO中这些细胞活动中看到的增加，如图2所示。模拟雷帕霉素抑制导致这些细胞活性随后降低。

网络模型预测定量与实验结果一致

虽然基于逻辑的模型以捕捉定性变化而闻名，但我们也寻求在可能的情况下达成定量协议。为此，我们首先重新分析了先前的实验结果[10]，本文将数据表示为具有95%可信区间的中位数表达的比率（参见方法和S3图）。图3定量比较了KO相对于基线和雷帕霉素治疗相对于未处理KO的结果，以及基于调整参数的彩色填充条显示的建模预测（S4和S5图），以及填充的黑色圆圈和相关可信间隔显示的实验数据。可以看出，模型预测很好地捕获了KO的所有定量变化，雷帕霉素的许多定量变化都很好，尽管β-catenin或LAMP1 / 2的定量变化并不好。

图 3.Li等人报告的网络模型结果（条形）与实验数据（显示为点估计值（填充的黑圈）和KO中位数表达比率的95%可信区间（误差线））之间的定量比较[10]。

a）信令网络模型定量捕获了由Tsc1敲除引起的mTORC1相关物种（p-S6K，p-S6和p-4EBP1）表达的增加。b）网络模型定量捕获了Tsc1 KO 引起的 p-AKT 和收缩蛋白（SMMHC、SMA 和 SM22）的减少。c）用雷帕霉素模拟抑制mTORC1定量捕获了实验中观察到的p-S6K和p-S6活化的减少以及收缩蛋白的减少。d）网络模型定量捕获了Tsc1 KO后实验中看到的MMP2表达的增加和细胞外基质转录本Col3a1和Eln的减少。e）网络模型定量捕获了由于Tsc1 KO引起的溶酶体相关蛋白（β-连环蛋白，LAMP1 / 2和MITF）的实验测量增加。f）用雷帕霉素抑制mTORC1导致溶酶体相关物种的减少，网络模型定性地捕获了这种物种，但不是定量捕获的。有关文献中实验数据重新分析的详细信息，请参见方法。

https://doi.org/10.1371/journal.pcbi.1009683.g003

具体而言，请注意在没有TSC1/ 2的情况下mTORC1的过度活化，这在KO模型和相对于基线情况的实验中p-S6K，p-S6和p-4EBP1的活化证明了这一点。我们的模型预测激活率分别为29.31，75.91和29.31（图3A），其在实验数据中中位数比率的95%可信区间内（分别为25.57 [5.44，120.68]，79.57 [38.72，163.80]和23.06 [7.57，72.04]）。这些变化直接由TSC1 / 2去除mTORC1的抑制作用引起。实验数据还显示，相对于野生型对照，KO小鼠主动脉中的SMC收缩蛋白显着降低。我们比较了模拟KO模型中关键物种SMMHC，SMA和SM22相对于基线模型的相对激活（图3B），发现激活率分别降低0.8313，0.7780，0.7780，实验数据在95%可信区间内（0.6474 [0.3056， 1.3622]，0.7462 [0.6376， 0.8733]和0.7440 [0.6242，分别为 0.8918]）。p-AKT（mTOR信号的上游效应子）的下降预测为0.4300，与实验数据（0.4022 [0.3395， 0.4770]）相比也很好。发生这种变化是因为p-S6K抑制了IGFR和IRS-1在负反馈回路中激活PI3K（S1图）。因此，p-S6K的过度活化可导致PI3K / AKT信号的显着降低以及随后mTORC2和RhoA的降低。p-AKT和RhoA都参与收缩蛋白的激活，从而解释了它们水平的降低。模拟雷帕霉素的早期作用，其中我们抑制了mTORC1，废除了p-S6K和p-S6的激活，与实验一致。随后p-S6K抑制作用的去除（图3C）导致收缩蛋白SMMHC，SMA和SM22的活化增加（分别为1.9391，2.3204和2.3204）。这些增加在实验数据的95%可信区间内（分别为1.9114 [1.3746， 2.6245]，1.9259 [1.3038，2.8642]和2.3107 [1.4538，3.6662]）。

Tsc1 KO小鼠中的SMC在Tsc1 KO后3周相对于对照小鼠表达合成标记物水平降低，特别是与ECM产生相关的转录本。我们的模型预测了KO中Col3a1和Eln的活化水平降低，相对于基线的比率分别为0.7814和0.2988（图3D）。两个物种的减少都落在实验数据中位数之比的95%可信区间内（分别为0.6195，[0.4065，0.9443]和0.4584[0.2623，0.8053]）。在我们的模型中，预测的表达降低是由于TGFβR-TSC1-Smad2/3信号传导通过TSC1/2 KO的破坏。我们的模型还捕获了Tsc1破坏后降解性SMC中蛋白水解和溶酶体能力的变化（图3D）。KO中MMP2的活化水平相对于基线条件增加了1.9028，定量上与实验中的行为相似（1.6707，[1.0885，2.5543]。尽管p-AKT（MMP2的效应子）的活化降低，但我们看到p-S6K增强了GSK3的抑制。GSK3是Wnt-Frizzled信号级联反应中的下游蛋白，负责抑制β-连环蛋白和MITF以及TSC1 / 2的激活。因此，GSK3活性的降低是导致β-连环蛋白（1.7952）和溶酶体相关蛋白LAMP1，LAMP2和MITF（分别为2.3424，2.3424和45.1490）的活化水平增加的原因，如图3E所示，它们都落在实验数据（1.7620 [1.4623，2.1244]，2.7029 [1.5385，4.7815]，3.6597 [0.8488，分别为 15.7193] 和 25.7681 [12.8522， 51.6854]）。在Rapa + KO模拟中，我们看到这些溶酶体物种的活化水平预测降低（β-连环蛋白：0.9138，LAMP1：0.7820，LAMP2：0.7820和MITF：0）。因此，该模型定量捕获了LAMP2和MITF（0.0312 [0.0012， 0.8134]和0 [0，0]）的实验行为，但β-连环蛋白或LAMP1（0.6194 [0.4687， 0.8109]和0.1931 [0.1432，分别为0.2613]，如图3F所示。

**模型物种的分类揭示了野生型和Tsc1 KO主动脉中不同的功能表型**

虽然SMC传统上被描述为具有收缩或合成表型，但我们之前的研究[10]揭示了第三种独特的（退化）表型。我们使用我们的网络模型来更好地了解在这个扩展的表型空间基线和KO细胞中的位置。为此，使用归一化激活（范围从0到1）描述每种表型（收缩，合成，降解），我们将其计算为一组关键物种的平均激活（S6图）。收缩表型由SMMHC，SMA和SM22定义;合成表型由Col3a1，Eln和金属蛋白酶组织抑制剂（TIMP）定义;降解表型由LAMP2，MMP2，S6，MITF和β-catenin定义。基线条件显示收缩（0.5716）和合成（0.6848）表型之间的平衡，几乎没有降解表型（0.1555）的证据，如S6A图所示。KO条件将这种平衡转向退化（0.5523）表型，收缩（0.4557）和合成（0.4620）表型的影响降低（S6B图）。

**不同的蛋白质组群簇出现在模拟的野生型和Tsc1 KO SMC群体中-厦门杂志期刊论文发表**

我们通过使用平均值= 0.85和方差= 0.001的β分布随机指定每个细胞的单个受体反应权重，创建了主动脉SMC网络模型的异质群体;该分布的特征是参数α = 107.525，β = 18.975（图4A）。我们再次定义了与收缩性，合成性和降解性SMC表型相关的物种子集，即{SMA，SM22，SMMHC}，{胶原蛋白，弹性蛋白，MMP2}和{MITF，β-catenin和LAMP2}，并使用这些物种的激活水平来识别模拟细胞群中不同的蛋白质组群。在组合基线和KO细胞上运行DBSCAN算法显示4个簇，两个对应于野生型细胞（WT-1，WT-2），两个对应于KO细胞（KO-1，KO-2）。图4B使用t分布随机邻居嵌入（tSNE）算法可视化集群，包括DBSCAN分类。在图4C中，我们显示了每个模型的每个相关物种的激活水平的热图，分为相应的集群。热图显示簇WT-2和KO-2的特征在于收缩蛋白SMA，SM22和SMMHC的饱和水平。簇WT-1具有中等水平的收缩蛋白，而簇KO-1显示与WT-1相比，这些物种的减少。当我们考虑每个簇中细胞的平均表型时，如图4D所示，我们看到簇WT-2和KO-2都是高度收缩的，而不管TSC1 / 2和mTORC1信号传导的影响如何。两个簇KO–1和KO–2都显示出比任何一个野生型簇更高的降解表型。由于PI3K / AKT / mTOR信号通路影响收缩蛋白表达，因此我们进一步研究了该途径中细胞群中关键物种的活化水平。图4E显示了基线条件下每个细胞的PI3K，PDK1，AKT和mTORC2的峰值活化水平。PI3K和PDK1均平滑增加，而WT-2簇中所有模型的AKT和mTORC2饱和，揭示了PI3K激活阈值（0.2716），触发这些细胞中的AKT饱和。

图 4.细胞群模拟。

a） beta 分布，μ = 0.85 且σ2= 0.001，用于随机抽样野生型和KO细胞的1000种不同信号网络模型的受体反应权重。不同细胞中的7种受体反应中的每一种都被分配了不同的权重。b）使用 t 分布随机邻居嵌入（tSNE）算法可视化野生型（圆）和 KO（三角形）聚类。使用基于密度的噪声应用空间聚类（DBSCAN）算法，针对网络物种的稳态激活水平，为每个条件找到了两个主要聚类。c）热图显示每个种群（WT和KO）中1000个模型中每个模型的与收缩，合成和降解表型相关的物种的活化水平。簇WT–1和KO–1的特征在于收缩蛋白（SMA，SM22，SMMHC）的中度至低活化，而簇WT-2和KO-2都具有这些物种的饱和水平。d）在收缩 - 合成 - 退化表型空间中可视化了每个簇中平均细胞的表型特征。两个KO簇都比WT簇更具降解性，但簇WT-2和KO-2保留了其收缩能力。e） WT模型PI3K/AKT/mTORC2正反馈环中物种的峰值活化表明，超过PI3K活化的阈值（0.2716），AKT和mTORC2的水平饱和，导致双稳态分裂成不同的聚类。

https://doi.org/10.1371/journal.pcbi.1009683.g004

子网分析揭示了 PI3K/AKT/mTOR 信令路径中的双稳态行为

在总体研究中，即使受体反应权重在单峰分布中平滑变化，在每种条件下发现两个不同的簇，这也促使我们进一步研究了反馈回路在PI3K /AKT/mTOR信号传导中的作用。正反馈回路的一个已知可能后果是双稳态（两个稳定状态的共存）和所谓的双稳态开关的存在，它描述了这些状态在阈值[24，25]处的突然转换。因此，双稳态成为我们观察到的行为的候选机制。我们使用PI3K作为输入，隔离了一个具有五种（PI3K，PDK1，AKT，mTOR，mTORC2）的简化子网络，包括正反馈环路（图5A）。为了理解这个子网的动力学，我们运行了MatCont分岔分析，为四种下游物种生成单参数分岔图（图5B），其中稳定的稳态由实线表示为PI3K值的函数。虽然PDK1没有表现出任何分岔，但正反馈回路中的物种在PI3K水平0.27083时表现出极限点分岔（也称为鞍节点或折叠分岔），并且具有低于该阈值的双稳态行为。在双稳态区域中，稳定稳态溶液即使在低PI3K稳态值下也会在低或饱和水平上稳定，这取决于每个物种相对于虚线不稳定分支的初始水平。如果从较低的稳定分支开始，则通过极限点分岔增加的PI3K活性将导致切换到饱和状态，这是自我维持的，并且假设网络结构或Hill参数没有变化，这是不可逆的。子网的阈值约为0.27，与前面提到的全网分析中检测到的阈值一致（图4E），表明子网可用于研究底层动力学。此外，孤立的正反馈回路足以产生观察到的行为，这表明它是关键机制。由于PI3K在全网中被S6K信令衰减（图1），我们还试图了解激活和抑制对双稳态系统的影响（图5C）。PI3K的稳态激活及其跨越阈值的能力取决于激活和抑制的平衡，如图5D所示。增加抑制水平可防止 PI3K 越过阈值并触发 AKT 信号的饱和。

· 下载：

图 5.重点介绍 PI3K/AKT/mTOR 信令子网络结构。

a）简化的网络图，显示以 PI3K 作为输入的 AKT 激活的正反馈环路。b） MatCont 分岔分析显示了（a）所示模型中不同 PI3K 输入水平下每种下游物种的稳定（实线）和不稳定（虚线）稳态解。虽然PDK1没有分岔，但网络中的其他三个物种（AKT，mTOR和mTORC2）表现出极限点分岔（LP），由恒星表示，在PI3K = 0.27083的水平下检测到。c）简化的网络图，显示激活子和抑制剂对通过 AND 门相互作用以激活 PI3K。d）表面图显示了上游活化剂和抑制剂对不同水平下PI3K的稳态活化水平。正反馈回路中下游物种饱和的阈值显示为网格。增加抑制剂水平可防止PI3K超过此阈值。

https://doi.org/10.1371/journal.pcbi.1009683.g005

讨论

虽然我们建立了一个包含许多关键信号通路的主动脉SMC信号传导模型，但鉴于详细数据的可用性[10]以及持续证明雷帕霉素已被证明在挽救许多主动脉病小鼠模型中的体内主动脉表型方面非常有效，我们必须关注mTOR通路。特别是，雷帕霉素已被证明可有效减弱内侧变性和相关的动脉瘤扩大或解剖，包括弹性蛋白酶模型[26–28]，血管紧张素II输注模型[29，30]，β氨基丙腈（BAPN）诱导模型[31，32]和遗传触发模型，包括影响转化生长因子β信号传导[8]，纤毛素-1[33]和mTOR过度激活 [10]的模型]等。事实上，对Fbn1的全面蛋白质组学研究C1039克/+马凡氏综合征小鼠模型显示mTORC2相关分子是关键信号靶标[34]。雷帕霉素保护性的报道机制很多，包括炎症细胞浸润减少（嗜中性粒细胞和巨噬细胞），细胞因子活性降低（白细胞介素-1β和干扰素γ），基质金属蛋白酶活性降低（MMP2，9）和增加SMC收缩蛋白（SMA和SMMHC）。维持肌球蛋白活性对于促进适当的SMC机械分析[6]和减少结构脆弱的主动脉壁上的壁应力至关重要[35]。

虽然人们早就知道雷帕霉素抑制SMC增殖/迁移[36，37]，同时促进收缩性SMC表型[38，39]，但人们对它对ECM周转的直接影响知之甚少。然而，数据表明，雷帕霉素可以减少透明质酸[20]和胶原蛋白[21，40]的积累，这两者都是主动脉重塑的关键组成部分，特别是在弹性纤维完整性受损的情况下，这是胸主动脉病的共同特征。事实上，对肌腱的研究表明，通过β1通过整合素连接激酶（ILK）的整合素亚基通过AKT / mTOR信号传导驱动胶原蛋白合成[41]。Ilk缺失的小鼠模型表现为胸动脉瘤[42，43]，可能表明机械感觉受损和不适当的ECM维护或重塑的另一种作用。然而，必须仔细考虑基质周转的这种变化，因为结构功能不仅来自分泌，还来自基质的翻译后修饰和组织，这些修饰和组织会影响纤维大小，起伏，取向和交联[44，45]。目前的模型无法预测包括纤维发生或交联在内的翻译后变化，因此突出了未来需求的一个领域。

尽管细胞内信号网络很复杂（图1），但值得注意的是，基于逻辑的模型通常可以通过关键参数（n，EC）的统一值很好地捕获定性发现。 50和多个权重W – 请参阅方法;表1），如前所述[46]。我们发现，均匀的参数值不仅提供了与数据的良好定性一致性（图2），在许多情况下，它们还产生了令人惊讶的良好定量一致性（图3）。这很了不起，但在探索与不同参数值相关的预测时产生了信心。这种模拟似乎特别有用，因为单细胞RNA测序揭示了健康和疾病中其他相似SMC之间的相当大的差异，包括马凡氏综合征[47]和mTOR过度活化[10]。-厦门杂志期刊论文发表

我们发现，特定参数的简单扰动，例如受体反应的权重，会导致不同的细胞蛋白质组簇出现。我们的研究结果进一步表明，PI3K/AKT/mTOR途径中正反馈回路和负反馈回路的平衡对于这些模拟集群的出现尤其重要。出乎意料的是，我们发现AKT和mTORC2之间的正反馈环路导致网络中的双稳态开关，AKT水平高或低，收缩性取决于PI3K的峰值激活水平。mTORC1-S6K和PI3K之间的负反馈环路降低了峰值PI3K激活电平，为开关进入高收缩状态提供了一些自调节。值得注意的是，正反馈和负反馈之间的平衡可以在药理学上得到控制;例如，雷帕霉素对mTORC1的抑制会破坏负反馈。其他计算研究已经讨论了mTOR信号传导中双稳态的可能性和重要性[48–50]。在主动脉力学生物学的背景下，鉴于对收缩蛋白表达的下游影响，PI3K/AKT/mTOR信号传导中存在双稳态开关可能特别重要，进一步研究潜在双稳态的实验研究对于更好地了解和治疗胸主动脉疾病可能很重要。在他们2020年的研究中，Li等人[10]使用单细胞RNA测序发现了许多不同的转录组，包括一些具有上调或下调收缩蛋白转录本的簇。然而，使用我们的模型澄清集群之间的差异超出了目前的范围，因为我们专注于体内表型。

未来的建模必须解决当前的局限性，包括缺乏细胞 - 细胞相互作用，ECM配体依赖性信号传导以及从细胞到组织的跨尺度耦合。也就是说，需要将目前的细胞信号传导模型与不断发展的主动脉几何形状，组成，性质和功能的组织水平模型相结合，就像之前对血管紧张素II诱导的高血压所实现的那样[16]。这种细胞 - 组织水平耦合提供了另一个重要的反馈水平。此外，未来的研究可以包括不确定性量化，以更好地了解网络内参数变异性的影响。在网络模型中考虑数据和参数不确定性的新方法不断出现[51]，促进其实际应用的计算工具也在不断涌现[52]。此外，我们最近开发了一种不确定性量化管道，用于估计血管壁的局部机械性能[53]，从而为在未来多尺度建模框架内解决机械生物学指标中的组织水平和（亚）细胞不确定性铺平了道路。然而，目前的细胞信号传导网络代表了第一个SMC特异性模型，在描述和预测胸主动脉中看到的紧急特征方面具有定性和定量效用，这里用于Tsc1 KO小鼠。我们发现，即使对基于逻辑的模型参数（EC50，n，W）使用统一值，单个网络也捕获了雷帕霉素mTOR过度活化和药理学挽救效果的显着方面，影响PI3K / AKT / mTOR信号传导的扰动导致不同的细胞表型，这是由于该信号通路中的正反馈引起的双稳态开关。

方法

基于逻辑的建模

细胞信号网络可以使用反应动力学或基于逻辑的方法进行建模。我们采用了后者，这在很大程度上是由于在模拟心脏细胞信号传导方面取得的成功[46]。简而言之，我们采用的基于逻辑的连续方法[54]在时间上产生了一个常微分方程组（ODE），该系统描述了不同分子物种（节点）之间的相互作用（边缘）。ODE基于归一化的希尔型函数[55]，表示网络中每个物种的激活（行为）或抑制（抑制），如下式所示：

这些函数依赖于半最大激活（EC50）和希尔指数（n），可以对其进行调优以获得正确的模型行为。特别是，细胞信号传导网络中的每个物种都由一个节点表示，其归一化激活水平范围为0到1，物种之间的反应使用AND和OR逻辑门定义。使用AND门激活需要两个或多个上游物种的相互作用。例如，让物种C（y）的活化C）取决于物种A（y）的组合活化一个）和E （yE），即与，

同时，OR门允许由多个上游物种独立激活，如下图所示，用于激活物种D（ yD）由任一物种B （yB）或E （yE).跟

反应可以激活或抑制物种的程度取决于其指定的重量（W），其范围也可以从0到1。最大激活（y麦克斯）和时间常数（τ）对于此模型中的所有物种都设置为默认值1，尽管前者可以改变以模拟击倒（值小于1）或敲除（值0）。

**模型参数化和Tsc1 KO 仿真**

因此，模型中的主要参数是两个希尔参数（n和EC50）和单个反应砝码（W）。外部输入还具有类似权重的参数，表示其归一化幅度。鉴于血管细胞的精细机械敏感性，我们允许压力诱导的壁内应激（W = 0.24054），流动诱导的壁剪切应力（W = 0.24054），外源性血管紧张素II和IFN-γ（尽管这里不存在，因此W = 0），氧/细胞能量（W = 0.5）和其他输入（W = 0.25）作为外部刺激（见图1）。广泛的初始化研究揭示了以下首选值：n = 1.4，EC 50= 0.52，W = 0.85用于受体反应，W = 1用于"下游"反应。也就是说，我们调整了Hill参数，输入权重和受体反应权重，使得模型预测的mTORC1相关物种和条件之间收缩蛋白的比率（如下所述）将落在此处实验数据的95%可信区间内[10]。基于逻辑的模型的一个优点是，统一的参数值通常产生良好的预测，因此为了简单且不损失通用性，这些参数被均匀地应用于图1中看到的81个整体物种和138个整体反应。表 1总结了使用的模型参数。我们使用MATLAB（R2020a，Mathworks）运行了所有模拟。

一旦参数化，该模型用于模拟三种情况（表2）：野生型对照C57BL / 6 SMC中的正常信号传导（基线），产后SMC特异性Tsc1敲除（KO）和产后SMC特异性敲除Tsc1与雷帕霉素治疗（Rapa）。我们通过设置y来模拟Tsc1 KO麦克斯TSC1/2 节点的值为 0，同时保持所有其他参数不变。对于 Rapa 模拟，我们另外设置了y麦克斯mTORC1至0的值，对应于雷帕霉素在治疗开始后的早期完全抑制。然后，我们使用相关模型物种的稳态激活水平的比率来比较我们的模型行为与实验数据[10]。-厦门杂志期刊论文发表

实验数据的再分析

评估我们的信令网络模型的核心是将预测与实验数据进行有意义的比较。为此，我们的目标是评估调谐模型在雷帕霉素抑制Tsc1 KO和mTORC1之后能够定量捕获目标物种的改变表达的程度（图3）。尽管之前已经对相关数据进行了分析，以确定实验组之间相对表达的显着差异[10]，但我们重新分析了实验数据，以量化每个感兴趣物种的KO和基线以及处理（雷帕霉素）和未处理KO组表达水平的比率。为了最能代表观测到的数据，调谐模型应预测的值应接近此组表达式比率的中心趋势。因此，我们选择将模型预测与组间表达水平的中位数之比进行比较，例如，一个物种在KO条件下的中位数表达与其在基线条件下的中位数表达的比率。由于表达水平的真实（即总体）分布是未知的，因此必须使用实验数据估计每个组的中位数表达水平;因此，这些中位数的比率本身就是一个具有相关不确定性的估计量。在图3中，对于所示的每个比率，我们报告了该数量的点估计值（填充的黑圈）以及95%可信区间（柱线），使用以下方法计算。

例如，让Y基础和Y高是基线组和KO组中感兴趣的假设物种的相对表达式，分别通过蛋白质印迹密度计测量，并根据负载控制进行归一化（S3A图）。假设每组中的严格正表达式水平为对数正态分布，则对数变换的表达式级别 ln（Y我），它们是无界的（S3B图），可以使用正态分布进行建模。采用贝叶斯方法，就像我们之前所做的那样 [53]，对于与方差的倒数成正比的非信息先验，特定于组的中位数对数表达式的后缘边际分布μ基础和μ高是非标准化的学生t分布（S3C 图）。它们之间的区别，δ = μ高?μ基础，根据其单个分布的适当卷积进行分布（S3D图）。对于概率密度函数f基础(μ基础）和f高(μ高),

反转较早的对数变换得到的结果是按组划分的表达水平中位数的所需比率。注意到分位数顺序在单调递增变换下保持不变，exp（δ）的点估计和等尾可信区间边界直接通过幂2.5来计算千, 50千和 97.5千δ的百分位数（S3E和S3F图）。

网络参数灵敏度

构建网络模型的另一个关键步骤是调整参数，以便我们能够获得与实验数据[10]的定量匹配，特别是mTORC1下游物种的增加（p-S6K，p-S6和p-4EBP1）以及p-AKT和收缩蛋白（SMMHC，SMA，SM22）的减少。为了实现这一点，我们使用参数扫描 [57] 对模型进行了调整：希尔参数（1） EC50（2）n，（3）压力诱导的壁内应力和壁剪切应力的输入重量，（4）氧气和细胞能量的输入重量，（5）其他输入（葡萄糖，亮氨酸，纤毛素）的重量，（6）受体反应的重量，以及（7）下游反应的重量。外源性血管紧张素II输入权重保持在0，因为我们没有模拟任何外源性给予血管紧张素II的实验。虽然参数是并行调整的，但我们发现感兴趣的代表性物种对不同参数范围的敏感性。S4 图显示了在 95% 可信区间内为 95% 可信区间内的解决方案，对于以下参数组合，我们感兴趣的每个物种在二维解决方案空间中：50和n（S4A图），受体反应权重和下游反应权重（S4B图），以及输入氧和细胞能量的重量以及其余模型输入的重量（葡萄糖，亮氨酸，原纤维蛋白，S4C图）。我们在S4图中看到，p-AKT和p-S6是最敏感的物种，而SMMHC在探索的范围内对这些参数不敏感。最后，注意基于力学的输入，校内应力和壁剪切应力对我们相关物种的KO /基线比的影响，如图S5图所示。与其他参数一样，p-AKT 和 p-S6 的输入权重范围较窄，其可信度在各自的 95% 区间内。

人口模拟

虽然调谐网络模型代表平均主动脉SMC，但在实际的血管中，我们期望找到一个不需要对特定扰动做出统一响应的异构SMC群体。因此，我们使用我们的网络模型来模拟群体中不同的SMC，这与单细胞RNA测序所揭示的没有什么不同。这些快速网络模型的一个优点是能够有效地运行大量模型（即单元）。因此，使用相同的网络结构和希尔参数（EC50，n），我们通过仅改变受体活化反应权重来创建一个异质细胞群，该权重基于β分布的随机采样，平均值为0.85，方差为0.001，相应的值α = 107.525，β = 18.975来表征分布。细胞中的每个受体反应被分配了不同的权重，总共模拟了1000个细胞。对于每个单元，我们运行基线和KO条件，如上所述。然后，我们使用与三种主要表型（收缩，合成，退化）相关的网络物种子集，对群体运行基于密度的噪声应用空间聚类（DBSCAN）算法，以获得不同的蛋白质组学聚类。对于 DBSCAN 算法，我们根据参数的初步灵敏度分析以及与主成分分析的比较，将最大半径（epsilon） = 0.25 和最小点阈值（MinPts） = 25，并进行轮廓分析以获得最佳聚类数。

简化的 PI3K/AKT/mTOR 信令网络

在完整模型结果的推动下，我们还研究了一个简化的子网络，仅关注PI3K / AKT / mTOR信令通路，以更好地了解可能的正反馈和负反馈相互作用如何导致双稳态行为。我们纳入了5种（PI3K，PDK1，AKT，mTOR和mTORC2）和5种反应。这个简化的网络包括AKT和mTORC2之间的正反馈环路，PI3K作为输入。我们通过MATLAB使用开源软件MatCont（https://sourceforge.net/projects/matcont/，[58]）执行数值延续和分岔分析。该分析跟踪给定特定分岔参数变化的ODE系统的平衡点，在我们的例子中是PI3K的输入激活水平。MatCont解决了稳定和不稳定平衡，使我们能够识别和分类网络中每个物种可能发生的任何分岔。

分岔分析用于确定模型行为的定性变化作为模型参数的函数。最常见的是，稳态（均衡）的存在和稳定性的变化是令人感兴趣的。对于由定义的 ODE 的连续系统，稳态是f（x）= 0的解，这些稳态的稳定性由此时评估的雅可比矩阵的特征值决定。简而言之，这是通过考虑对给定平衡解的小扰动并通过一阶泰勒级数近似线性化系统的动机。特征值显示扰动是收缩（负实部）还是增长（正实部），因此可用于分别将点分类为稳定或不稳定。-厦门杂志期刊论文发表

为了跟踪平衡作为给定模型参数α（称为分岔参数）的函数，数值延续用于跟踪f（x， α） = 0的解。我们使用数值连续软件Matcont进行此分析，该软件可在https://sourceforge.net/projects/matcont [58] 上免费获得，并通过MATLAB运行。使用预测校正延续算法跟踪稳定和不稳定平衡解的分支，并沿解分支评估特征值以查找和分类分岔点。例如，极限点分岔（如图5所示）发生在一个特征值具有零实部时。为了生成分岔图，用户输入模型方程以及初始平衡点，从中指定分岔参数的向前或向后演变。

我们简化的5种子网络（图5A）的控制方程是PI3K是分岔参数，如正文中所述。与整个网络一样，我们使用w = y麦克斯 = τ = 1（因此在控制方程中被省略）和n = 1.4 和EC50= 0.52。

稳态，其中f（x， PI3 K）= 0，由此给出两个稳态解为零态和饱和态

这些解用于开始延续，平衡从零状态向前跟随，从饱和状态向后跟随。所有物种的被研究范围限制为[0，1]。

PDK1稳定分支没有极限点分岔（图5B），从前向和向后演化得到相同的解。其余物种具有不同的上下分支，下部稳定和不稳定分支来自前向进化，上部分支来自后向进化。对于PI3K的某些值，两个稳定平衡的共存证明了系统中的双稳定性，最终解决方案取决于初始条件。

最后请注意，我们保留了其他模型参数（n和EC50）常量以启用单参数分析，但下分支上极限点分岔的位置也取决于这些值（S7 图）。这种依赖性之所以发生，是因为希尔参数调节信号传输和正反馈的强度。

支持信息

平滑肌细胞网络模型的示意图（参见图1，正文），但重点是嵌入式PI3K / AKT / mTOR信号通路。

显示 1/8： pcbi.1009683.s001.tif

跳到无花果共享导航

很抱歉，我们无法加载您的数据。

1 / 8

下载

无花果共享

S1 图平滑肌细胞网络模型的示意图（参见图1，正文），但重点是嵌入式PI3K / AKT / mTOR信号通路。

实心椭圆突出显示 TSC1/2 节点，我们通过设置其y来模拟 Tsc1 挖空麦克斯= 0。虚线椭圆突出显示mTORC1节点，这是抑制剂雷帕霉素的主要靶标。我们通过设置y来模拟雷帕霉素的完全抑制麦克斯= 0 表示 mTORC1 节点。请参阅S1 文本中的表 A 以及用于构建整个网络的相关 105 个引用。黑色实线表示激活;红色虚线表示抑制。

https://doi.org/10.1371/journal.pcbi.1009683.s001

（TIF）

S2 图热图显示了用雷帕霉素模拟抑制mTORC1信号传导与基线模型之间的激活变化。

虽然Li等人（2020）的实验数据不包括这种比较，但为了完整性，我们添加了它。与基线模型相比，雷帕霉素导致p-AKT和收缩信号传导的更大激活，以及细胞凋亡，基质转录本和MMP2的减少。

https://doi.org/10.1371/journal.pcbi.1009683.s002

（TIF）

S3 图实验数据再分析管道。

a）从蛋白质印迹密度计衍生的假设物种的相对表达数据归一化为加载对照，基线（Base）和Tsc1 null （KO）组的样本数量分别为4。b）（a）中相对表达式数据的对数转换。c）特定组的中位数对数表达式的后分布μ基础和μ高，假设每个组中的对数表达式数据呈正态分布（即，假设未变换的数据为对数正态分布）。d）中位数对数表达式差的后验分布，μ高?μ基础.e）中位数对数表达式差异的点估计值和 95% 等尾可信区间。f）中位数表达式的KO/基线比率的点估计值和95%等尾可信区间。图3中显示的所有物种的点估计值和区间结果对应于（f）中所示的结果，通过方法中提供的方法计算得出。

https://doi.org/10.1371/journal.pcbi.1009683.s003

（TIF）

S4 图用于两个参数组合的二维解空间掩码。

蓝色区域表示解决方案落在目标物种数据 95% 可信区间内的组合。星号对应于网络模型中使用的参数。参数组合：a） EC50和n;b）受体反应重量和下游反应重量;c）输入氧和细胞能量的重量以及其余模型输入（葡萄糖，亮氨酸，原纤维）的重量。

https://doi.org/10.1371/journal.pcbi.1009683.s004

（TIF）

**S5 图机械输入对Tsc1 KO/基线比率的影响。**

在我们的模拟中，压力引起的壁内应力和壁剪切应力保持相等。在每个面板中，蓝线对应于每个物种的Tsc1 KO/基线比率，实线和虚线黑线显示点估计值，并且基于实验数据，中位数表达的KO/基线比率的95%可信区间。星号表示网络模型中使用的应力参数。

https://doi.org/10.1371/journal.pcbi.1009683.s005

（TIF）

**S6 图基线（WT）和Tsc1零（KO）结果的可视化在平滑肌细胞表型空间内，其顶点定义为纯收缩（1.0），纯合成（1.0）或纯退化（1.0）。-厦门杂志期刊论文发表**

使用相关物种子集的平均活化来计算每个细胞的表型程度：收缩{SMMHC，SMA，SM22}，合成{Col3a1，Eln，TIMP}和降解{LAMP1/ 2，MMP2，S6，MITF和β-catenin}。a）可以看出，模拟的基线细胞主要是收缩合成的，具有非零降解性，正如正常细胞执行机械感应和机械调节功能以维持细胞外基质经历低周转率一样。b）具有代表性的Tsc1 KO细胞表现出向降解表型的转变，收缩和合成表型表达程度降低。

https://doi.org/10.1371/journal.pcbi.1009683.s006

（TIF）

**S7 图仅下支平衡解，针对不同的希尔参数，EC50和**n，这会影响极限点分岔的存在和位置。

更高的EC50抑制信号传输，从而降低正反馈的强度，导致极限点分岔向更高的PI3K移动。如果信号受到充分阻尼，则看不到极限点分岔。向更高的PI3K的转变也出现在增加n上，尽管效果没有那么极端。

https://doi.org/10.1371/journal.pcbi.1009683.s007

（TIF）

S1 文本。表A.平滑肌细胞mTOR网络结构的物种（节点）和反应（边缘）的详细列表，以及激发网络结构的相关参考文献（>100）。

抑制（"NOT"）由"！"表示，"AND"语句由"&"表示，"OR"语句通过整理具有相同右侧的所有语句来构造。

https://doi.org/10.1371/journal.pcbi.1009683.s008

（文档）

引用

00001. 1.Owens GK，Kumar MS，Wamhoff BR.发育和疾病中血管平滑肌细胞分化的分子调节。生理学修订版 [互联网].2004 7 月;84（3）：767–801.可用时间：下午 https://pubmed.ncbi.nlm.nih.gov/15269336/：15269336

首页

期刊

论文

留言

联系

论文指南

客服中心

最新投稿+更多

最新期刊更新+更多

最新期刊更新+更多

您的位置：首页 > 医学 > mTOR在胸主动脉病变中的作用通过复杂的细胞内信号传导相互作用来理解-厦门杂志期刊论文发表

mTOR在胸主动脉病变中的作用通过复杂的细胞内信号传导相互作用来理解-厦门杂志期刊论文发表

抽象

作者简介

数字

介绍

结果

调谐的网络模型定性地捕获了Tsc1 KO 主动脉中观察到的实验变化

模拟雷帕霉素治疗定性地捕获Tsc1 KO主动脉中所有观察到的变化

mTOR信号传导模型定性地捕获了Tsc1 KO主动脉中增加的SMC增殖，细胞凋亡和降解活性-厦门杂志期刊论文发表

网络模型预测定量与实验结果一致

模型物种的分类揭示了野生型和Tsc1 KO主动脉中不同的功能表型

不同的蛋白质组群簇出现在模拟的野生型和Tsc1 KO SMC群体中-厦门杂志期刊论文发表

子网分析揭示了 PI3K/AKT/mTOR 信令路径中的双稳态行为

讨论

方法

基于逻辑的建模

模型参数化和Tsc1 KO 仿真

实验数据的再分析

网络参数灵敏度

人口模拟

简化的 PI3K/AKT/mTOR 信令网络

支持信息

S1 图平滑肌细胞网络模型的示意图（参见图1，正文），但重点是嵌入式PI3K / AKT / mTOR信号通路。

S2 图热图显示了用雷帕霉素模拟抑制mTORC1信号传导与基线模型之间的激活变化。

S3 图实验数据再分析管道。

S4 图用于两个参数组合的二维解空间掩码。

S5 图机械输入对Tsc1 KO/基线比率的影响。

S6 图基线（WT）和Tsc1零（KO）结果的可视化在平滑肌细胞表型空间内，其顶点定义为纯收缩（1.0），纯合成（1.0）或纯退化（1.0）。-厦门杂志期刊论文发表

S7 图仅下支平衡解，针对不同的希尔参数，EC50和n，这会影响极限点分岔的存在和位置。

S1 文本。表A.平滑肌细胞mTOR网络结构的物种（节点）和反应（边缘）的详细列表，以及激发网络结构的相关参考文献（>100）。

引用

10.李刚， 王明， 考克AW， 西尔福纳， 古贾S， 秦磊， 等.慢性mTOR激活诱导平滑肌细胞表型退化。捷林投资[互联网].2020 3 月 2;130（3）：1233–51.可用时间： https://pubmed.ncbi.nlm.nih.gov/32039915/ pmid：32039915-厦门杂志期刊论文发表

**调谐的网络模型定性地捕获了Tsc1 KO 主动脉中观察到的实验变化**

**模拟雷帕霉素治疗定性地捕获Tsc1 KO主动脉中所有观察到的变化**

**mTOR信号传导模型定性地捕获了Tsc1 KO主动脉中增加的SMC增殖，细胞凋亡和降解活性-厦门杂志期刊论文发表**

**模型物种的分类揭示了野生型和Tsc1 KO主动脉中不同的功能表型**

**不同的蛋白质组群簇出现在模拟的野生型和Tsc1 KO SMC群体中-厦门杂志期刊论文发表**

**模型参数化和Tsc1 KO 仿真**

**S5 图机械输入对Tsc1 KO/基线比率的影响。**

**S6 图基线（WT）和Tsc1零（KO）结果的可视化在平滑肌细胞表型空间内，其顶点定义为纯收缩（1.0），纯合成（1.0）或纯退化（1.0）。-厦门杂志期刊论文发表**

**S7 图仅下支平衡解，针对不同的希尔参数，EC50和**n，这会影响极限点分岔的存在和位置。

10.李刚，王明，考克AW，西尔福纳，古贾S，秦磊，等.慢性mTOR激活诱导平滑肌细胞表型退化。捷林投资[互联网].2020 3 月 2;130（3）：1233–51.可用时间： https://pubmed.ncbi.nlm.nih.gov/32039915/ pmid：32039915-厦门杂志期刊论文发表