Компьютерное моделирование работы органов, позволяющее идентифицировать

Обновлено: 21.11.2024

Область вычислительной биомедицины — новая и развивающаяся [1,2]. Области его деятельности охватывают все уровни биологии, физиологии и патологии человека, обычно называемые медициной, от генома до всего человека и за его пределами, включая эпидемиологию и здоровье населения [3].

В части 2 мы сосредоточимся на органах и системах, тех аспектах предмета, которые связаны с более высокими уровнями структуры и функций, и теми, которые наиболее близки ко всему человеческому масштабу. На этих более высоких уровнях биологической организации интересующие нас временные масштабы обычно простираются от миллисекунд до часов, а масштабы длины варьируются от микронов до метров. По сравнению с молекулярной медициной методы моделирования реже используют подходы, основанные на частицах, и чаще имеют континуальный характер, включающий решение дифференциальных уравнений в частных производных в трехмерном пространстве и времени. Решение таких уравнений с учетом соответствующих граничных условий требует больших усилий, а тем более быстрого и точного решения. Это требует использования мощных суперкомпьютеров и масштабируемых кодов, способных в полной мере использовать современное вычислительное оборудование. Растущая сложность и разнородность новых экзафлопсных архитектур делает это сложной задачей для большинства существующих алгоритмов и программных реализаций.

Наиболее изученной системой органов является сердечно-сосудистая система [4–9], при этом большое внимание уделяется сердцу [3]. Модели человеческого сердца работают на многочисленных суперкомпьютерах по всему миру, где они используются для изучения многих аспектов сердечной физиологии и патологии [10]. Сегодня самые сложные версии способны описывать его электромеханическое биение, одновременно перекачивая смоделированную кровь в аорту и из нее. Геометрия обеспечивается цифровыми изображениями, которые варьируются от субъекта к субъекту [11,12].

Сердце гонит кровь по телу, доставляя кислород, питательные вещества и другие компоненты по назначению. Моделирование и симуляция сосудистой системы — набора артерий и вен, по которым течет кровь, — поэтому является еще одной важной целью вычислительной биомедицины. Кровь может быть описана с разной степенью детализации в зависимости от контекста и характера изучаемых проблем. На самых низких уровнях разрешения его можно описать как сплошную жидкость с заданными реологическими свойствами; на более высоких уровнях разрешения присутствие клеток крови должно быть явно включено, а свойства потока возникают из того, как эритроциты собираются вместе и движутся мимо друг друга [13–16]. Комбинация бьющегося сердца и циркулирующего кровотока, которым оно управляет, является ключевыми элементами первых полночеловеческих симуляций, которые теперь становятся возможными, предвещая появление виртуального человека. Полноценная нервно-мышечная система, конечно же, является еще одной неотъемлемой частью этого.

Движение, вероятно, является наиболее важной функцией животных. способность двигаться необходима для выживания большинства видов. У крупных позвоночных, таких как человек, способность двигаться обеспечивается сложным взаимодействием между центральной и периферической нервной системой, скелетными мышцами и самим скелетом, включая его суставы, связки, фасции и т. д. Эта сложная система органов иногда называют нервно-мышечной системой. Патологий, влияющих на нервно-мышечную систему, много, и они включают состояния, вызывающие очень большое бремя болезней, таких как болезнь Паркинсона, артрит или остеопороз. Подходы вычислительной биомедицины использовались для прогнозирования силы, необходимой для перелома костей [17], для моделирования процесса генерации силы целыми мышцами [18] или для исследования патологического нервно-мышечного контроля [19], и это лишь несколько примеров.

Технология визуализации является важным компонентом практически всех исследований систем органов. Способы накопления и обработки данных изображений необходимы для обеспечения высокой точности, специфических для пациента геометрических параметров, на основе которых можно проводить симуляционные исследования. Машинное обучение особенно эффективно для распознавания образов на основе изображений и стало неотъемлемой частью обнаружения признаков в биомедицинских изображениях. Это часто приносит большую пользу на начальных этапах сегментации и реконструкции сложной трехмерной геометрии. Машинное обучение также имеет большие перспективы в классификации категорий наблюдаемого поведения и в качестве менее требовательного к вычислениям заменителя для включения в клинически обоснованные системы поддержки принятия решений.

В текущем тематическом выпуске десять статей охватывают современные аспекты моделирования и симуляции органов и систем.

Сравнение и проверка результатов моделирования с экспериментальными данными или данными наблюдений имеют решающее значение для того, чтобы тестирование in silico было принято медицинским сообществом. Демонстрация передового опыта в этом отношении представлена Van Rooij et al. [20] при исследовании потока цельной крови через проточную камеру, репрезентативную для стенозированного сосуда. Формирование тромбоза является важным фактором глобальной смертности, и авторы используют физический эксперимент для изучения агрегации тромбоцитов как индикатора образования потенциальных тромбов. Они дополняются численным анализом напряжения сдвига и скорости сдвига — параметров, которые гораздо сложнее оценить в физическом образце. Их результаты показывают, как клеточное моделирование может помочь объяснить различия в образовании тромбов в цельной крови и плазме, богатой тромбоцитами.

Высокопроизводительные вычисления стали фундаментальным компонентом многих областей вычислительной биомедицины и действительно являются движущим фактором в возникновении этих тематических проблем. По мере того, как эти ресурсы становятся все более распространенными, а их производительность растет, необходимо постоянно обновлять коды моделирования, чтобы использовать это в своих интересах. Косталос и др.. [21] описывают достижения в реализации библиотеки Palabos, позволяющей проводить массовые симуляции на связанных архитектурах CPU-GPU. Эта возможность необходима, поскольку мы приближаемся к экзафлопсной производительности и позволяет проводить более масштабные и подробные исследования сложных биофизических явлений. В своем исследовании авторы исследуют полностью разрешенный поток эритроцитов и тромбоцитов в плазме. Они показывают, как их модель может отражать экспериментально наблюдаемое поведение, такое как миграция этих взвешенных частиц, в области моделирования, значительно большей, чем многие существующие исследования в литературе.

Разработка моделей органов и систем часто требует рассмотрения явлений, происходящих в различных масштабах длины или времени. Одним из примеров этого является Падмос et al. [22], авторы которого разработали модель для изучения инсульта в церебральных сосудах, специфичных для пациента. Они строят одномерную модель кровотока от сердца через виллизиев круг в сосуды головного мозга. Концы этой сети, наконец, отображаются на трехмерной пиальной поверхности, чтобы можно было оценить, как кровь проникает в этот жизненно важный орган. Геометрия ключевой сосудистой структуры круга Уиллса определяется на основе сканирования и включается в моделирование кровотока. Авторы демонстрируют, что их модель может реалистично идентифицировать области инфаркта пиальной поверхности при введении тромба.

В дополнительной работе к [22] Jozsa et al. [23] сосредоточились на разработке и оценке органной модели микроциркуляции человеческого мозга для прогнозирования перфузии. Их подход использует модель пористого континуума с тремя отсеками для представления микроциркуляции в артериолах, капиллярах и венулах головного мозга. По сравнению с перфузией крови через здоровый мозг авторы показывают, что их модель может качественно воспроизвести положение и объем наблюдаемой окклюзии из-за инсульта. При лечении инсульта время имеет решающее значение, и эти исследования показывают, как модели in silico могут изучать это состояние в цифровом виде, чтобы помочь информировать и ускорить физическое лечение.

Методы

In silico можно использовать не только для прогнозирования влияния такого состояния, как острый ишемический инсульт, на человека, но и для оценки жизнеспособности вариантов лечения. Исследование, представленное Лураги et al. [24], демонстрирует значительные успехи, достигнутые в этом последнем направлении. Они разрабатывают трехмерную конечно-элементную модель для воспроизведения четырех стадий тромбэктомии стент-ретривера и сравнивают свои результаты in silico с тестами in vitro, проведенными в лабораторных экспериментах. Имитация извлечения сгустка повторяет как успешные, так и неудачные попытки физического устройства как в упрощенной, так и в реалистичной геометрии сосудов.

Болезни сердца являются основной причиной смерти, особенно в западных странах. Работа, представленная Martinez-Navarro et al. [25], направлена на то, чтобы пролить свет на механизмы аритмии, вызванной ишемической болезнью, при различных уровнях тока натрия посредством многомасштабного моделирования и симуляции на основе человеческого фактора. Их моделирование подчеркивает важную роль асимметричной бивентрикулярной анатомии в модулировании аритмического риска. Результаты, полученные в ходе этой работы, могут объяснить, почему некоторые пациенты могут быть более восприимчивы к побочным эффектам некоторых сердечных препаратов.

Существенным препятствием, ограничивающим весь потенциал моделирования для помощи в диагностике и лечении заболеваний в клинических условиях, является, как правило, ограниченность вычислительных ресурсов, доступных в больнице. При необходимой правовой защите данных пациентов, предотвращающей их экспорт на более мощные машины, один из подходов к преодолению этого заключается в разработке моделей уменьшенного порядка на основе предварительно смоделированных данных, которые могут быть запущены клиницистами с меньшими затратами. Бубак et al. [26] представляет инфраструктуру для проведения подробного гидродинамического моделирования состояний клапанов сердца для получения данных, необходимых для разработки подходящей модели пониженного порядка, и обсуждают технические соображения, связанные с этим. Они сообщают, что 73 % опрошенных клиницистов считают, что информация, полученная в результате их разработки, полезна и может помочь в клиническом лечении.

С другой стороны, дополнительные доказательства усилий, предпринимаемых для повышения эффективности и производительности инструментов моделирования на больших суперкомпьютерах, представлены в работе McCullough et al. [27]. Здесь авторы приводят несколько примеров, демонстрируя текущие разработки модели трехмерного кровотока в связанных артериях и венах человеческого масштаба. Они демонстрируют превосходную высокую производительность своего решателя потока крови HemeLB для более чем 300 000 ядер ЦП и предоставляют экспериментальные исследования сопряженного кровотока в крупномасштабных сосудистых структурах. Эта работа определяет несколько шагов, предпринимаемых многими исследователями в области вычислительной биомедицины для разработки виртуального человека.

Исследования сердечно-сосудистой системы — не единственная часть человеческого тела, подходящая для подробного компьютерного исследования и анализа. Ascolani et al. [28] исследуют скелетную систему, поскольку они представляют трехмерную гибридно-многомасштабную вычислительную модель для моделирования механотрансдукции в остеобластах и ее взаимодействия с внеклеточным матриксом. Модель и метод анализа предсказывают, что в шуме механотрансдукции из-за модуляции биомеханического стимула и последующей экспрессии генов происходят уникальные события, которые обеспечивают сигнатуры для сдвига в динамике системы. Кроме того, исследование выявило молекулярные взаимодействия, которые могут быть потенциальными мишенями для лекарств при лечении остеопороза.

Наконец, следует признать, что область вычислительной биомедицины не просто сосредоточена на моделировании конкретных явлений, происходящих в человеческом теле, но также может предоставить мощный инструмент, помогающий клиницистам принимать диагностические решения перед лицом постоянно растущее количество доступных данных. Getty et al. [29] представляют модель глубокого обучения, которая может оценивать изображения МРТ для выявления и классификации опухолей головного мозга. Они демонстрируют, что их модель на основе капсульной сети способна точно классифицировать до 87% опухолей, а точность оставалась выше 75% при уменьшении объема обучающих данных. Обе эти меры представляют собой улучшения по сравнению с существующими моделями. В заключение они предлагают способы, с помощью которых методы обучения могут ускорить и улучшить текущую производительность методов визуализации, таких как МРТ.

Обратите внимание, что Internet Explorer версии 8.x не поддерживается с 1 января 2016 г. Дополнительную информацию см. на этой странице поддержки.

Журнал Университета короля Сауда — Наука

Добавить в Mendeley

Аннотация

Ограниченная адекватность культур клеток животных и моделей для имитации сложности человеческого тела в лабораторных условиях заставила исследователей найти наиболее существенную биоэлектронную альтернативу с улучшенной компетенцией. В связи с этим тканевая инженерия стала одной из самых точных технологий биоматериалов с точки зрения создания новых тканей для моделирования жизненно важных органов. Биосистема «орган на чипе» нашла множество применений в тканевой инженерии и доставке лекарств. Орган-на-чипе — это микрожидкостное устройство, которое обеспечивает полностью контролируемую микросреду, подобную естественным тканям, для культивируемых клеток органа за счет объединения клеточной биологии и науки о биоматериалах. Устройство содержит несколько микрокамер и микроканалов, встроенных в слой биосовместимого полимера, такого как полидиметилсилоксан. В микрокамерах размещаются клетки, а в микроканалах поступают питательные вещества и факторы роста. За последние несколько лет технология «орган-на-чипе» нашла широкое применение в области биомедицины не только путем моделирования нормальных функций разрозненных органов, но и путем понимания взаимосвязей между разнообразными системами. В этом обзоре мы рассказали о последних достижениях и применении биосистем «орган-на-чипе» для построения физиологических моделей сердца, легких, почек, печени и мозга.Часть этого обзора также сосредоточена на преодолении крайней необходимости, а также на будущих перспективах технологии «орган-на-чипе» в биомедицине, моделировании заболеваний и процессе разработки лекарств.

Ключевые слова

Независимая экспертиза под ответственностью Университета короля Сауда.

Ссылки на статьи

Показатели статей

Вычислительное моделирование — это использование компьютеров для моделирования и изучения сложных систем с использованием математики, физики и информатики. Вычислительная модель содержит множество переменных, характеризующих изучаемую систему. Моделирование выполняется путем корректировки переменных по отдельности или в комбинации и наблюдения за результатами. Компьютерное моделирование позволяет ученым проводить тысячи смоделированных экспериментов с помощью компьютера. Тысячи компьютерных экспериментов определяют несколько лабораторных экспериментов, которые с наибольшей вероятностью решат изучаемую проблему.

Современные вычислительные модели позволяют изучать биологическую систему на нескольких уровнях. Модели развития болезни включают молекулярные процессы, межклеточные взаимодействия и то, как эти изменения влияют на ткани и органы. Изучение систем на нескольких уровнях известно как многомасштабное моделирование (МСМ).

Вычислительные модели используются для моделирования и изучения сложных биологических систем. Изображение предоставлено ISB

Модели прогнозирования погоды делают прогнозы на основе многочисленных атмосферных факторов. Точные прогнозы погоды могут защитить жизнь и имущество, а также помочь коммунальным предприятиям спланировать увеличение мощности, связанное с экстремальными климатическими изменениями.

В авиасимуляторах используются сложные уравнения, которые управляют полетом самолета и реагируют на такие факторы, как турбулентность, плотность воздуха и осадки. Симуляторы используются для обучения пилотов, проектирования самолетов и изучения того, как самолеты меняются при изменении условий.

Моделирование землетрясений направлено на спасение жизней, зданий и инфраструктуры. Вычислительные модели предсказывают, как состав и движение конструкций взаимодействуют с подстилающими поверхностями, чтобы повлиять на то, что происходит во время землетрясения.

Отслеживание инфекционных заболеваний. Вычислительные модели используются для отслеживания инфекционных заболеваний среди населения, определения наиболее эффективных вмешательств, а также мониторинга и корректировки вмешательств для уменьшения распространения болезни. Выявление и внедрение мер, направленных на сдерживание распространения болезни, имеют решающее значение для спасения жизней и снижения нагрузки на систему здравоохранения во время пандемий инфекционных заболеваний.

Клиническая поддержка принятия решений. Вычислительные модели интеллектуально собирают, фильтруют, анализируют и представляют информацию о здоровье, чтобы предоставить врачам рекомендации по лечению заболеваний на основе подробных характеристик каждого пациента. Системы помогают обеспечить информированный и последовательный уход за пациентом при его переводе в соответствующие больничные учреждения и отделения и сдаче различных анализов в ходе курса лечения.

Прогнозирование побочных эффектов лекарств. Исследователи используют компьютерное моделирование, чтобы помочь разработать лекарства, которые будут наиболее безопасными для пациентов и с наименьшей вероятностью будут иметь побочные эффекты. Такой подход может сократить много лет, необходимых для разработки безопасного и эффективного лекарства.

Моделирование распространения инфекционных заболеваний для определения эффективных вмешательств. Точное моделирование инфекционных заболеваний опирается на многочисленные большие наборы данных. Например, оценка эффективности социального дистанцирования в отношении распространения гриппоподобных заболеваний должна включать информацию о дружбе и взаимодействии отдельных лиц, а также стандартные биометрические и демографические данные. Исследователи, финансируемые NIBIB, разрабатывают новые вычислительные инструменты, которые могут включать новые доступные наборы данных в модели, предназначенные для определения наилучших направлений действий и наиболее эффективных вмешательств во время пандемического распространения инфекционных заболеваний и других чрезвычайных ситуаций в области общественного здравоохранения.

Многомасштабное моделирование (MSM) — это сложный тип вычислительного моделирования, который включает в себя несколько уровней биологической системы. Изображение предоставлено ISB.

Отслеживание эволюции вируса во время распространения инфекционного заболевания. РНК-вирусы, такие как ВИЧ, гепатит В и коронавирус, постоянно мутируют, вырабатывая лекарственную устойчивость, избегая иммунного ответа и вызывая новые инфекции.Образцы секвенированных патогенов от тысяч инфицированных можно использовать для идентификации миллионов эволюционирующих вариантов вируса. Исследователи, финансируемые NIBIB, создают вычислительные инструменты для включения этих важных данных в анализ инфекционных заболеваний медицинскими работниками. Новые инструменты будут созданы в сотрудничестве с CDC и доступны в Интернете для исследователей и медицинских работников. Этот проект улучшит эпиднадзор и лечение заболеваний во всем мире и позволит разработать более эффективные стратегии искоренения болезней.

Преобразование беспроводных данных о состоянии здоровья в улучшение здоровья и здравоохранения. Устройства для мониторинга здоровья в больницах и носимые датчики, такие как умные часы, генерируют огромные объемы данных о состоянии здоровья в режиме реального времени. Медицинское обслуживание на основе данных обещает быть быстрым, точным и менее дорогим, но непрерывные потоки данных в настоящее время превышают возможности использования информации. Исследователи, финансируемые NIBIB, разрабатывают вычислительные модели, которые преобразуют потоковые данные о здоровье в полезную форму. Новые модели обеспечат физиологический мониторинг в режиме реального времени для принятия клинических решений в Национальной детской больнице. Команда математиков, биомедицинских информатиков и персонала больниц будет создавать общедоступные данные и программное обеспечение. Проект будет использовать рынок беспроводных медицинских услуг стоимостью 11 миллиардов долларов, чтобы значительно улучшить здравоохранение.

Человеческое и машинное обучение для индивидуального управления вспомогательными роботами. Чем серьезнее двигательные нарушения человека, тем сложнее ему управлять вспомогательными механизмами, такими как кресла-коляски с электроприводом и роботизированные руки. Доступные средства контроля, такие как устройства для вдоха и выдоха, не подходят для людей с тяжелым параличом. Исследователи, финансируемые NIBIB, разрабатывают систему, позволяющую людям с тетраплегией управлять роботизированной рукой, одновременно продвигая физические упражнения и поддерживая остаточные двигательные навыки. В технологии используются интерфейсы «тело-машина», которые реагируют на минимальное движение конечностей, головы, языка, плеч и глаз. Первоначально, когда пользователь двигается, машинное обучение усиливает сигнал для выполнения задачи с помощью робота-манипулятора. Помощь сокращается по мере того, как машина передает управление все более опытному пользователю. Этот подход направлен на то, чтобы расширить возможности людей с тяжелым параличом и предоставить интерфейс для безопасного обучения управлению роботами-помощниками.

Emulate, Inc. использует технологию органов-на-чипе Института Висса для имитации человеческих органов in vitro, что позволяет быстрее, качественнее и дешевле разрабатывать лекарства и получать информацию о здоровье человека.

Проблема

Известно, что разработка лекарств идет медленно и дорого: на то, чтобы вывести новое соединение с лабораторного стола на рынок, может уйти до 10 лет и стоить более 3 миллиардов долларов. Основной причиной такой неэффективности является традиционная зависимость от испытаний лекарств на животных до того, как они будут испытаны на людях. Модели на животных часто не точно отражают физиологию человека, а это означает, что лекарства, которые кажутся безопасными и эффективными для животных, часто оказываются вредными или неэффективными для людей. Это несоответствие в биологии приводит к тому, что многие бесполезные или токсичные лекарства проходят клинические испытания с большими затратами, в то время как потенциально эффективные соединения никогда не попадают на рынок. Чтобы ускорить разработку новых лекарств и персонализированной медицины, необходим лучший способ моделирования биологии и болезней человека in vitro.

В этом коротком видеоролике объясняется, как конструкция чипов позволяет им имитировать функции на уровне органов. Предоставлено: Институт Висса при Гарвардском университете.

Наше решение

Многопрофильная группа исследователей и сотрудников Института Висса адаптировала методы производства компьютерных микрочипов для создания «органов-на-чипах» (чипов органов): микрофлюидных культуральных устройств, которые воспроизводят сложные структуры и функции живых органов человека. Эти микроустройства состоят из прозрачного гибкого полимера размером с карту памяти USB, который содержит полые микрожидкостные каналы, выстланные живыми клетками органов человека и клетками кровеносных сосудов человека. Эти живые трехмерные поперечные срезы человеческих органов открывают окно в их внутреннюю работу и воздействие, которое на них могут оказывать наркотики, без участия человека или животных.

Мы взяли революционный прогресс в области микроинженерии, сделанный в нашей академической лаборатории, и всего за несколько лет превратили его в технологию, которая теперь способна оказать серьезное влияние на общество.

Путешествие с продуктом

Дональд Ингбер, доктор медицинских наук, директор-основатель Института Висса, вдохновился на создание чипов органов в 2007 году после просмотра демонстрации "легких на чипе", содержащих каналы размером с легкое человека. дыхательные пути, но не живые клетки. Когда студент, выполнявший эту работу, Дэн Хью, позже присоединился к лаборатории Ингбера в качестве научного сотрудника, Ингбер бросил им двоим вызов, чтобы воплотить эту идею в жизнь.

В этом видео вы увидите, как были созданы малые дыхательные пути человека на чипе, как они функционируют и могут быть использованы для разработки лекарств и биомаркеров. Предоставлено: Институт Висса при Гарвардском университете.

Они приступили к выяснению того, как создать молекулярный каркас внутри микрожидкостных каналов, который мог бы поддерживать несколько типов живых клеток, чтобы воссоздать интерфейсы тканей, обнаруженные в воздушных мешках легких. После долгих проб и ошибок они успешно создали живое человеческое легкое на чипе и опубликовали статью об этом в журнале Science в 2010 году.

При дополнительной грантовой поддержке Агентства перспективных исследовательских проектов Министерства обороны США (DARPA), Управления по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) и Национального института здравоохранения (NIH) Ингбер и его команда из Института Висса разработали более пятнадцати различных моделей чипов органов. , включая чипы, имитирующие легкие, кишечник, почки и костный мозг. Они также усовершенствовали и подтвердили потенциал воздействия чипов органов, продемонстрировав, что чипы органов могут воспроизводить эффекты существующих лекарств и использоваться для разработки новых лекарств от болезней человека. Кроме того, усилия DARPA поддержали разработку инструмента, который автоматизирует операции с чипами и плавно связывает несколько чипов органов вместе, чтобы создать «тело на чипах», которое может показать, как лекарства влияют на несколько систем органов, и предсказать динамические изменения уровней наркотиков. которые встречаются в крови пациентов-людей.

Влияние

Всего через четыре года после публикации своей первой статьи, описывающей живые чипы органов, группа исследователей из Института Висса в 2014 году учредила компанию Emulate, Inc. для дальнейшей разработки и коммерциализации технологии чипов органов, выводя эти важные исследовательские инструменты на рынок. Органные чипы Emulate были установлены в более чем 150 лабораториях, в том числе в 17 из 25 ведущих мировых биофармацевтических компаний, использовались FDA для изучения безопасности терапевтических средств и вакцин против COVID-19 и даже использовались в экспериментах в космосе. Благодаря сотрудничеству с такими компаниями, как AstraZeneca и Johnson & Johnson, Organ-Chips используются для определения видовой токсичности, что позволяет более точно прогнозировать воздействие препарата на человека. С момента своего запуска Emulate привлек более 200 миллионов долларов финансирования, включая раунд серии E стоимостью 82 миллиона долларов, возглавляемый Northpond Ventures. Компания Fast Company назвала Emulate одной из 10 самых инновационных биотехнологических компаний 2022 года.

Институт Висса в настоящее время использует чипы Emulate Organ-Chips для проведения жизненно важных исследований широкого спектра заболеваний человека и возможных методов их лечения, включая COVID-19, грипп, недоедание, радиационное облучение и муковисцидоз. Кроме того, Organ Chips были удостоены общей награды «Дизайн года 2015», полученной Музеем современного искусства (MoMA) в Нью-Йорке за его постоянную коллекцию, названной Всемирным экономическим форумом «10 лучших технологий 2016 года» и представлены в музеях по всему миру, в том числе в Центре Барбикан, Смитсоновском музее дизайна Купера Хьюитта и Музее дизайна Мартина-Гропиуса-Бау.

Моделирование человеческих органов может помочь исследователям-медикам, фармацевтическим компаниям и FDA протестировать новые лекарства, прежде чем они купят их.

Чтобы повторно просмотреть эту статью, перейдите в раздел "Мой профиль" и выберите "Просмотреть сохраненные истории".

Трехмерное компьютерное моделирование, позволяющее ученым тестировать лекарства в виртуальном пространстве, может стать последней надеждой на получение новых знаний о заболеваниях сердца, которые долгое время сбивали с толку медицинских экспертов. Именно на это рассчитывает одна компания Physiome Sciences Inc. из Нью-Йорка, поскольку она создает компьютерные модели, которые уже влияют на то, как медицинское сообщество подходит к тестированию лекарств.

"Мы первая компания, разработавшая физиологические модели органов на компьютерах", – говорит Билл Скотт, генеральный директор Physiome. В ноябре на конференции Biopartnering Europe в Лондоне компания Physiome показала видеоролики о сгенерированном компьютером собачьем сердце, которое может имитировать как здоровое, так и ненормальное сердцебиение.

Работа компании уже повлияла на то, как фармацевтические компании и FDA оценивают новые лекарства. В 1996 году Ф. Хоффман Ла-Рош использовала сердце Физиома, чтобы продемонстрировать, как Позикар, новый блокатор кальция для лечения гипертонии и стенокардии, работает для изменения циклов сердечно-сосудистой системы. Консультативная группа FDA рекомендовала одобрить Posicar в феврале.

"Компьютерное моделирование действия лекарств впервые было представлено комиссии FDA, – – говорит Раймонд Уинслоу, доцент кафедры биомедицинской инженерии Университета Джона Хопкинса и соучредитель Physiome. – "Два члена комиссии прямо заявили, что результаты моделирования повлияли на их голосование".

Изучение этого виртуального органа началось более 30 лет назад, когда Денис Ноубл, возглавляющий группу электрофизиологии сердца в Оксфордском университете, создал модели отдельных клеток сердца.Десять лет назад Ноубл и Уинслоу начали сотрудничать и расширили одноклеточные модели до крупномасштабных двумерных моделей, состоящих из многих миллионов отдельных ячеек, что стало огромной вычислительной задачей. С тех пор команда разработала более эффективные числовые алгоритмы, работающие на параллельных суперкомпьютерах (12-процессорный SGI Power Challenge), и создала первую биофизически детализированную трехмерную модель сердца под названием 3-DOM.

Возможно, наиболее важным применением этой технологии, моделирующей электрическую активность на поверхности сердца, является то, что ученые называют "численным скринингом лекарств".

Уинслоу говорит, что трехмерная модель может определять оптимальные молекулярные мишени в клетках сердца, которые при правильном изменении могут свести к минимуму риск определенных аритмий — аномальных импульсов, вызванных сбоями в электрической системе сердца.

"Просто было очень мало рациональных оснований для поиска конкретных мишеней для лекарств. Наша технология предоставляет количественные средства для определения того, какие молекулярные мишени лучше всего подходят для лечения конкретных болезненных состояний", – говорит Уинслоу.

Ученые также могут разработать численные модели конкретных лекарств и посмотреть, как они действуют на клетки сердца, а затем предсказать, какое влияние лекарства окажут на функции всего сердца. Этот процесс называется скринингом лекарств. «Мы можем определить те соединения, которые с наибольшей вероятностью окажутся успешными в клинических испытаниях», — говорит Уинслоу.

Итак, кто использует эту технологию трехмерного моделирования?

Physiome Sciences имеет две эксклюзивные лицензии: одну от Oxsoft Ltd. (для моделей отдельных клеток сердца) и одну от Джона Хопкинса (для программ 2-D Network). Ведутся переговоры о третьей эксклюзивной лицензии на ее компьютерное программное обеспечение с другим университетом, и компания подала патент на широкомасштабную технологию моделирования. На данный момент Физиом воссоздал сердца морских свинок, крыс, мышей и собак. Завершенная модель человеческого сердца появится примерно через год, и именно тогда спрос на нее может резко возрасти, особенно если, как обещает Physiome, она сможет показать, как лекарства влияют на сердце в целом.

И действительно, одной из главных проблем является то, насколько точно модель может отображать и предсказывать, как определенные лекарства будут влиять на весь орган.

"Концепция звучит очень захватывающе", – говорит доктор Тони Чоу, доцент кафедры кардиологии Калифорнийского университета в Сан-Франциско. "К сожалению, поскольку мы далеки от понимания того, как на самом деле работает сердечный миоцит, я подозреваю, что амальгама, представляющая всю сердечную функцию, была бы еще большей экстраполяцией. Это было бы моим инстинктом".

Некоторые утверждают, что хотя эта технология дает невиданную ранее визуализацию, она не рассказывает всей истории этого тонкого и сложного органа — ее основное внимание уделяется математике и электричеству. Независимо от того, идеально ли программное обеспечение для моделирования, некоторые все еще задаются вопросом, достаточно ли надежны созданные компьютером собачьи сердца, хотя и похожие на человеческие, чтобы определить, какие лекарства безопасны и эффективны для людей.

Читайте также: