Abstract We present a suite of experimental data showing that cell proliferation assays, prepared using standard methods thought to produce asynchronous cell populations, persistently exhibit inherent synchronisation. Our experiments use fluorescent cell cycle indicators to reveal the normally-hidden cell synchronisation by highlighting oscillatory subpopulations within the total cell population. These oscillatory subpopulations would never be observed without these cell cycle indicators. On the other hand, our experimental data show that the total cell population appears to grow exponentially, as in an asynchronous population. We reconcile these seemingly inconsistent observations by employing a multi-stage mathematical model of cell proliferation that can replicate the oscillatory subpopulations. Our study has important implications for understanding and improving experimental reproducibility. In particular, inherent synchronisation may affect the experimental reproducibility of studies aiming to investigate cell cycle-dependent mechanisms, including changes in migration and drug response.

This review provides open-access computational tools that support a range of mathematical approaches to analyse three related scalar reaction–diffusion models used to study biological invasion. Starting with the classic Fisher–Kolomogorov (Fisher–KPP) model, we illustrate how computational methods can be used to explore time-dependent partial differential equation (PDE) solutions in parallel with phase plane and regular perturbation techniques to explore invading travelling wave solutions moving with dimensionless speed  c ≥ 2  . To overcome the lack of a well-defined sharp front in solutions of the Fisher–KPP model, we also review two alternative modelling approaches. The first is the Porous–Fisher model where the linear diffusion term is replaced with a degenerate nonlinear diffusion term. Using phase plane and regular perturbation methods, we explore the distinction between sharp- and smooth-fronted invading travelling waves that move with dimensionless speed  c ≥ 1 /  2   . The second alternative approach is to reformulate the Fisher–KPP model as a moving boundary problem on  0 < x < L ( t )  , leading to the Fisher–Stefan model with sharp-fronted travelling wave solutions arising from a PDE model with a linear diffusion term. Time-dependent PDE solutions and phase plane methods show that travelling wave solutions of the Fisher–Stefan model can describe both biological invasion  ( c > 0 )  and biological recession  ( c < 0 )  . Open source Julia code to replicate all computational results in this review is available on GitHub; we encourage researchers to use this code directly or to adapt the code as required for more complicated models.

Fluorescent cell cycle labelling in cell biology experiments provides real time information about the location of individual cells, as well as the phase of the cell cycle of individual cells. We develop a stochastic, lattice-based random walk model of a two-dimensional scratch assay where the total population is composed of three distinct subpopulations which we visualise as red, yellow and green subpopulations. Our model mimics FUCCI technology in which cells in the G1 phase of the cell cycle fluoresce red, cells in the early S phase fluoresce yellow, and cells in the S/G2/M phase fluoresce green. The model is an exclusion process so that any potential motility or proliferation event that would place an agent on an occupied lattice site is aborted. Using experimental images and previous experimental measurements, we explain how to apply the stochastic model to simulate a scratch assay initialised with a low to moderate density monolayer of human melanoma cell line. We obtain additional mathematical insight by deriving an approximate partial differential equation (PDE) description of the stochastic model, leading to a novel system of three coupled nonlinear reaction diffusion equations. Comparing averaged simulation data with the solution of the continuum limit model confirms that the PDE description is accurate for biologically-relevant parameter combinations.

Two-dimensional collective cell migration assays are used to study cancer and tissue repair. These assays involve combined cell migration and cell proliferation processes, both of which are modulated by cell-to-cell crowding. Previous discrete models of collective cell migration assays involve a nearest-neighbour proliferation mechanism where crowding effects are incorporated by aborting potential proliferation events if the randomly chosen target site is occupied. There are two limitations of this traditional approach: (i) it seems unreasonable to abort a potential proliferation event based on the occupancy of a single, randomly chosen target site; and, (ii) the continuum limit description of this mechanism leads to the standard logistic growth function, but some experimental evidence suggests that cells do not always proliferate logistically. Motivated by these observations, we introduce a generalised proliferation mechanism which allows non-nearest neighbour proliferation events to take place over a template of r ≥ 1 concentric rings of lattice sites. Further, the decision to abort potential proliferation events is made using a crowding function, f(C), which accounts for the density of agents within a group of sites rather than dealing with the occupancy of a single randomly chosen site. Analysing the continuum limit description of the stochastic model shows that the standard logistic source term, λC(1 – C), where λ is the proliferation rate, is generalised to a universal growth function, λCf(C). Comparing the solution of the continuum description with averaged simulation data indicates that the continuum model performs well for many choices of f(C) and r. For nonlinear f(C), the quality of the continuum-discrete match increases with r.

Scratch assays are used to study how a population of cells re--colonises a vacant region on a two--dimensional substrate after a cell monolayer is scratched. These experiments are used in many applications including drug design for the treatment of cancer and chronic wounds. To provide insights into the mechanisms that drive scratch assays, solutions of continuum reaction--diffusion models have been calibrated to data from scratch assays. These models typically include a logistic source term to describe carrying capacity-limited proliferation, however the choice of using a logistic source term is often made without examining whether it is valid. Here we study the proliferation of PC-3 prostate cancer cells in a scratch assay. All experimental results for the scratch assay are compared with equivalent results from a proliferation assay where the cell monolayer is not scratched. Visual inspection of the time evolution of the cell density away from the location of the scratch reveals a series of sigmoid curves that could be naively calibrated to the solution of the logistic growth model. However, careful analysis of the per capita growth rate as a function of density reveals several key differences between the proliferation of cells in scratch and proliferation assays. Our findings suggest that the logistic growth model is valid for the entire duration of the proliferation assay. On the other hand, guided by data, we suggest that there are two phases of proliferation in a scratch assay; at short time we have a disturbance phase where proliferation is not logistic, and this is followed by a growth phase where proliferation appears to be logistic. These two phases are observed across a large number of experiments performed at different initial cell densities. Overall our study shows that simply calibrating the solution of a continuum model to a scratch assay might produce misleading parameter estimates, and this issue can be resolved by making a distinction between the disturbance and growth phases. Repeating our procedure for other scratch assays will provide insight into the roles of the disturbance and growth phases for different cell lines and scratch assays performed on different substrates.

The Fisher-KPP model supports travelling wave solutions that are successfully used to model numerous invasive phenomena with applications in biology, ecology, and combustion theory. However, there are certain phenomena that the Fisher-KPP model cannot replicate, such as the extinction of invasive populations. The Fisher-Stefan model is an adaptation of the Fisher-KPP model to include a moving boundary whose evolution is governed by a Stefan condition. The Fisher-Stefan model also supports travelling wave solutions; however, a key additional feature of the Fisher-Stefan model is that it is able to simulate population extinction, giving rise to a spreading-extinction dichotomy. In this work, we revisit travelling wave solutions of the Fisher-KPP model and show that these results provide new insight into travelling wave solutions of the Fisher-Stefan model and the spreading-extinction dichotomy. Using a combination of phase plane analysis, perturbation analysis and linearisation, we establish a concrete relationship between travelling wave solutions of the Fisher-Stefan model and often-neglected travelling wave solutions of the Fisher-KPP model. Furthermore, we give closed-form approximate expressions for the shape of the travelling wave solutions of the Fisher-Stefan model in the limit of slow travelling wave speeds, c ≪ 1.

Collective cell spreading takes place in spatially continuous environments, yet it is often modelled using discrete lattice-based approaches. Here, we use data from a series of cell proliferation assays, with a prostate cancer cell line, to calibrate a spatially continuous individual based model (IBM) of collective cell migration and proliferation. The IBM explicitly accounts for crowding effects by modifying the rate of movement, direction of movement, and the rate of proliferation by accounting for pair-wise interactions. Taking a Bayesian approach we estimate the free parameters in the IBM using rejection sampling on three separate, independent experimental data sets. Since the posterior distributions for each experiment are similar, we perform simulations with parameters sampled from a new posterior distribution generated by combining the three data sets. To explore the predictive power of the calibrated IBM, we forecast the evolution of a fourth experimental data set. Overall, we show how to calibrate a lattice-free IBM to experimental data, and our work highlights the importance of interactions between individuals. Despite great care taken to distribute cells as uniformly as possible experimentally, we find evidence of significant spatial clustering over short distances, suggesting that standard mean-field models could be inappropriate.

Cell proliferation is the most important cellular-level mechanism responsible for regulating cell population dynamics in living tissues. Modern experimental procedures show that the proliferation rates of individual cells can vary significantly within the same cell line. However, in the mathematical biology literature, cell proliferation is typically modelled using a classical logistic equation which neglects variations in the proliferation rate. In this work, we consider a discrete mathematical model of cell migration and cell proliferation, modulated by volume exclusion (crowding) effects, with variable rates of proliferation across the total population. We refer to this variability as heterogeneity. Constructing the continuum limit of the discrete model leads to a generalisation of the classical logistic growth model. Comparing numerical solutions of the model to averaged data from discrete simulations shows that the new model captures the key features of the discrete process. Applying the extended logistic model to simulate a proliferation assay using rates from recent experimental literature shows that neglecting the role of heterogeneity can, at times, lead to misleading results.

Fluorescent ubiquitination-based cell cycle indicator, also known as FUCCI, allows the visualisation of the G1 and S/G2/M cell cycle phases of individual cells. FUCCI consists of two fluorescent probes, so that cells in the G1 phase fluoresce red and cells in the S/G2/M phase fluoresce green. FUCCI reveals real-time information about cell cycle dynamics of individual cells, and can be used to explore how the cell cycle relates to the location of individual cells, local cell density, and different cellular microenvironments. In particular, FUCCI is used in experimental studies examining cell migration, such as malignant invasion and wound healing. Here we present new mathematical models which can describe cell migration and cell cycle dynamics as indicated by FUCCI. The fundamental model describes the two cell cycle phases, G1 and S/G2/M, which FUCCI directly labels. The extended model includes a third phase, early S, which FUCCI indirectly labels. We present experimental data from scratch assays using FUCCI-transduced melanoma cells, and show that the predictions of spatial and temporal patterns of cell density in the experiments can be described by the fundamental model. We obtain numerical solutions of both the fundamental and extended models, which can take the form of travelling waves. These solutions are mathematically interesting because they are a combination of moving wavefronts and moving pulses. We derive and confirm a simple analytical expression for the minimum wave speed, as well as exploring how the wave speed depends on the spatial decay rate of the initial condition.

The go-or-grow hypothesis states that adherent cells undergo reversible phenotype switching between migratory and proliferative states, with cells in the migratory state being more motile than cells in the proliferative state. Here we examine go-or-grow in 2-D in vitro assays using melanoma cells with fluorescent cell-cycle indicators and cell cycle-inhibiting drugs. We analyse the experimental data using single-cell tracking to calculate mean diffusivities, and compare motility between cells in different cell-cycle phases and in cell-cycle arrest. Unequivocally, our analysis does not support the go-or-grow hypothesis. We present clear evidence that cell motility is independent of the cell-cycle phase, and non-proliferative arrested cells have the same motility as cycling cells.