Моделирование распространения респираторных инфекций от клетки к клетке
Учёные из Национальной лаборатории им. Лоуренса в Беркли, Университета Нью-Мексико и Университета штата Аризона создали вычислительную модель, которая впервые детально показывает, как COVID-19 и другие вирусные инфекции распространяются в лёгких на клеточном уровне.
Новая модель, Spatial Immune Model of Coronavirus (SIMCoV), представляет собой 3D-симуляцию части лёгкого. Она моделирует взаимодействие Т-клеток (которые борются с вирусами внутри клеток) с вирусной нагрузкой и другими переменными, влияя на прогрессирование инфекции. Модель рассматривает каждый из миллиардов эпителиальных клеток лёгких и сотен миллионов защищающих их Т-клеток как отдельный агент.
Модель была разработана с использованием суперкомпьютера Cori в Национальном центре суперкомпьютерных приложений для научных исследований в области энергетики (NERSC). Для её создания использовалась библиотека UPC++, разработанная в рамках проекта Pagoda в Беркли, которая эффективно масштабируется на большое число процессоров.
Ключевые особенности и преимущества модели
- Высокая детализация: В отличие от предыдущих моделей, основанных на дифференциальных уравнениях и представляющих лёгкие как однородную среду, SIMCoV показывает пространственное распределение инфекции. Она демонстрирует, что инфекция может быть активной в одних областях и находиться в спящем состоянии в других, а также как разные области могут вспыхивать и затухать со временем.
- Учёт пространственного распределения вируса: Эксперименты с моделью показали, что при одинаковом начальном количестве вирусных частиц их рассредоточение по лёгким приводит к более тяжёлому течению болезни, чем концентрация в одном месте. Это связано с тем, что иммунной системе сложнее найти и локализовать множественные очаги инфекции.
- Широкий потенциал применения: Хотя модель разработана в контексте COVID-19, её можно применять и к другим вирусным инфекциям лёгких, например, к гриппу. Она также может быть полезна для исследования механизмов "долгого COVID" и для тестирования потенциальных методов лечения на разных стадиях болезни.
Исследователи надеются, что в будущем модель можно будет масштабировать для симуляции всего лёгкого. Работа опубликована в журнале PLOS Computational Biology.
