logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-05032022-171432


Tipo di tesi
Tesi di dottorato di ricerca
Autore
DE VINCENTIIS, SARA
URN
etd-05032022-171432
Titolo
STRETCH-GROWTH: A WELL-CONSERVED MODEL OF AXON GROWTH AND NEURON MATURATION
Settore scientifico disciplinare
BIO/11
Corso di studi
BIOLOGIA
Relatori
tutor Prof.ssa Raffa, Vittoria
Parole chiave
  • Axon Growth
  • Magnetic Nanoparticles
  • Neuron Maturation
  • Stretch-Growth
Data inizio appello
11/05/2022
Consultabilità
Non consultabile
Data di rilascio
11/05/2025
Riassunto
Negli ultimi decenni è stato evidenziato come le forze meccaniche rivestano un ruolo chiave durante lo sviluppo neuronale, in vivo e in vitro. Lo scopo della tesi è stato di dimostrare che la forza agisca come un “messaggero” che guida i processi di crescita assonale e maturazione neuronale. Questa ipotesi è in linea con il “modello dello stretch-growth” proposto nel 2004 come un meccanismo di crescita estrema e rapida, caratterizzata dall’aggiunta di massa in modo intercalato nell’assone quando la forza applicata supera un valore soglia. Il mio lavoro ha dimostrato che lo stretch-growth possa verificarsi anche per mezzo dell’applicazione di forze estremamente basse, anche più di quelle generate in vivo dal cono di crescita. Ciò è stato possibile tramite l’ottimizzazione di un protocollo basato su nanoparticelle magnetiche che, insieme all’applicazione di un campo magnetico esterno, permettono di esercitare forze di circa 10 pN sui neuriti. I dati raccolti hanno evidenziato un effetto sia sulla morfologia, a prescindere dal modello utilizzato, sia sulla loro funzionalità, confermando che lo stretch-growth sia un meccanismo ben conservato fra specie e a diversi stadi dello sviluppo, riuscendo a regolare differenziamento e maturazione neuronale, ma anche elongazione, ramificazione e sinaptogenesi. Il mio lavoro ha contribuito ad elucidare la risposta molecolare evocata, evidenziando il coinvolgimento delle dinamiche dei microtubuli. Infine, dal momento che le nanoparticelle e i campi magnetici sono stati già testati sull’uomo e usati in terapia, il fatto di aver riscontrato un effetto su differenziamento e maturazione neuronale in vitro, dà le basi per poter pensare di utilizzare approcci combinatoriali nelle terapie cellulari.

In the past two decades, it has been determined that mechanical forces play a significant role in neuronal development, both in vivo and in vitro. The general aim of my PhD project was to demonstrate that force is a well-conserved “messenger” of axon outgrowth and neuronal maturation. This hypothesis is consistent with the “stretch-growth (SG) model” proposed in 2004 as a mechanism for extreme and rapid axon growth characterized by intercalated mass addition when the applied force exceeds a given threshold value. My work demonstrated that SG also occurs at extremely low forces, even below the values generated by the growth cone. Specifically, I optimized a protocol using magnetic nanoparticles and the application of an external magnetic field to generate a dragging force onto the neurites. The net applied force was estimated to be ~10 pN. With such extremely low forces, remarkable morphological outcomes were observed regardless of the neuronal model used. Moreover, morphological changes were accompanied by a boost in neuronal functionality. The data collected confirm that SG is a mechanism well-conserved across species and development, regulating neuronal differentiation, maturation, axon elongation, branching, and synaptogenesis. My work also contributed to partially elucidating the molecular response evoked by this applied force, establishing that microtubule dynamics are crucial to sustaining SG. The possibility to use pN-forces to accelerate in vitro neuronal maturation and differentiation has been herein tested, giving promising results. Since nanoparticles and magnetic fields are approved for use in humans and are used in therapy, this opens novel scenarios for combinatorial approaches in cell replacement therapies.
File