Atherosclerosis and vascular injury are characterized by neointima formation caused by the aberrant accumulation and proliferation of vascular smooth muscle cells (VSMCs) within the vessel wall. Understanding how to control VSMCs would advance the effort to treat vascular disease. However, the response to treatments aimed at VSMCs is often different among patients with the same disease condition, suggesting patient-specific heterogeneity in VSMCs. Here, we present an experimental and computational method called HETEROID (Heterogeneous Spheroid), which examines the heterogeneity of the responses to drug treatments at the single-spheroid level by combining a VSMC spheroid model and machine learning (ML) analysis. First, we established a VSMC spheroid model that mimics neointima formation induced by atherosclerosis and vascular injury. We found that FAK-Rac/Rho, but not Cdc42, pathways regulate the VSMC spheroid formation through N-cadherin. Then, to identify the morphological subpopulations of drug-perturbed spheroids, we used an ML framework that combines deep learning-based spheroid segmentation and morphological clustering analysis. Our ML approach reveals that FAK, Rac, Rho, and Cdc42 inhibitors differentially affect the spheroid morphology, suggesting there exist multiple distinct pathways governing VSMC spheroid formation. Overall, our HETEROID pipeline enables detailed quantitative characterization of morphological changes in neointima formation, that occurs in vivo, by single-spheroid analysis of various drug treatments.

中文翻译：

---

机器学习揭示了FAK，Rac，Rho和Cdc42抑制对血管平滑肌细胞球体形成和形态的异质反应

动脉粥样硬化和血管损伤的特征是由血管壁内血管平滑肌细胞（VSMC）的异常积累和增殖引起的新内膜形成。了解如何控制VSMC将促进治疗血管疾病的努力。但是，在具有相同疾病状况的患者中，针对VSMC的治疗反应通常是不同的，这表明VSMC中患者特异性异质性。在这里，我们介绍了一种称为HETEROID（异构球体）的实验和计算方法，该方法通过结合VSMC球体模型和机器学习（ML）分析，在单球体水平上检查了药物治疗响应的异质性。首先，我们建立了一个VSMC球体模型，该模型模拟了由动脉粥样硬化和血管损伤引起的新内膜形成。我们发现，FAK-Rac / Rho而非Cdc42途径通过N-钙黏着蛋白调节VSMC球体的形成。然后，为了确定药物扰动的球状体的形态亚群，我们使用了一个ML框架，该框架结合了基于深度学习的球状体分割和形态聚类分析。我们的ML方法揭示了FAK，Rac，Rho和Cdc42抑制剂差异地影响球体的形态，表明存在多种不同的途径来控制VSMC球体的形成。总体而言，我们的HETEROID管线可通过对各种药物治疗的单球体分析来详细定量表征体内发生的新内膜形成的形态变化。为了确定药物扰动的球体的形态亚群，我们使用了一个ML框架，该框架结合了基于深度学习的球体分割和形态聚类分析。我们的ML方法揭示了FAK，Rac，Rho和Cdc42抑制剂差异地影响球体的形态，表明存在多种不同的途径来控制VSMC球体的形成。总体而言，我们的HETEROID管线可通过对各种药物治疗的单球体分析来详细定量表征体内发生的新内膜形成的形态变化。为了确定药物扰动的球体的形态亚群，我们使用了一个ML框架，该框架结合了基于深度学习的球体分割和形态聚类分析。我们的ML方法揭示了FAK，Rac，Rho和Cdc42抑制剂差异地影响球体的形态，表明存在多种不同的途径来控制VSMC球体的形成。总体而言，我们的HETEROID管线可通过对各种药物治疗的单球体分析来详细定量表征体内发生的新内膜形成的形态变化。提示存在多种不同的途径来控制VSMC球体的形成。总体而言，我们的HETEROID管线可通过对各种药物治疗的单球体分析来详细定量表征体内发生的新内膜形成的形态变化。提示存在多种不同的途径来控制VSMC球体的形成。总体而言，我们的HETEROID管线可通过对各种药物治疗的单球体分析来详细定量表征体内发生的新内膜形成的形态变化。