Новая вычислительная модель имитирует движение раковых клеток с беспрецедентной точностью

Биомедицинские инженеры из Университета Дьюка значительно расширили возможности вычислительной модели, которая имитирует движение отдельных раковых клеток на большие расстояния внутри всего человеческого тела.

Этот подход, получивший название «Уточнение адаптивной физики» (APR), фиксирует подробные клеточные взаимодействия и их влияние на клеточную траекторию, предлагая бесценную информацию о путешествиях метастатических раковых клеток.

На раковые клетки в нашем кровотоке влияют удары и перемещение близлежащих эритроцитов, а также другие клеточные взаимодействия. Но невозможно смоделировать движение каждого эритроцита во всех кровеносных сосудах организма, поэтому нам пришлось найти способ обойти эти вычислительные ограничения».

Аристотель Мартин, кандидат наук в лаборатории Аманды Рэндлс в Duke Biomedical Engineering

Исследование было представлено 15 ноября 2023 года на Международной конференции по высокопроизводительным вычислениям, сетям, хранению и анализу (SC23). Эта конференция является ведущей международной встречей в области высокопроизводительных вычислений, спонсируемой ACM и IEEE-CS.

Расшифровка динамики того, как раковые клетки перемещаются по кровеносным сосудам организма, остается важной и сложной проблемой в исследованиях рака, имеющей решающее значение для раннего выявления и потенциального целевого лечения. Однако изучение этих процессов у живых пациентов невозможно и вместо этого требует передовых вычислительных моделей для моделирования динамики раковых клеток.

Аманда Рэндлс, доцент кафедры биомедицинских наук Альфреда Уинборна и Виктории Стовер Мордекай в Университете Дьюка, уже более десяти лет занимается созданием и развитием вычислительных методов, исследующих эти фундаментальные процессы. Одним из ее выдающихся достижений является HARVEY, высокомасштабируемый пакет моделирования гемодинамики, предназначенный для работы на самых современных суперкомпьютерах в мире.

Но даже у суперкомпьютеров есть свои пределы.

Чтобы рассчитать траекторию движения одной раковой клетки, модели должны фиксировать ее микроскопические взаимодействия с окружающими эритроцитами. Однако в человеческом теле содержится около 25 триллионов эритроцитов и пять литров крови. Используя крупнейшие сегодняшние суперкомпьютеры, самые современные модели могут воссоздать только область, содержащую один процент этого объема, с клеточным разрешением; ограниченный домен, который все еще включает несколько сотен миллионов эритроцитов.

Чтобы обойти эту проблему, большая группа сотрудников из Ливерморской национальной лаборатории Лоуренса (LLNL) и Окриджской национальной лаборатории (ORNL) под руководством Саяна Ройчоудхури, бывшего аспиранта лаборатории Рэндлса, применила новый подход. Расширяя существующий алгоритм лаборатории, включив в него взаимодействие с миллионами соседних эритроцитов, APR создает окно высокого разрешения, которое отслеживает интересующую клетку, когда она движется через сосудистую сеть.

Часть хитрости в том, чтобы заставить этот подход работать, заключается в сочетании движущегося окна с моделированием всей сосудистой области, моделируя кровь как объемную жидкость. Этот подход аналогичен моделированию поведения игрушечной лодки, плывущей по течению. Самый простой подход — смоделировать весь водный путь с самым высоким разрешением от начала до конца. Однако в таком сценарии подавляющее большинство вычислительных ресурсов будет точно фиксировать физические явления, происходящие вдали от лодки, что в лучшем случае будет непрактично.

Вместо этого гораздо эффективнее смоделировать область возле лодки как можно точнее, моделируя при этом остальную часть потока с более скромным разрешением. Когда лодка приближается к сложным объектам, таким как камни, водовороты и пороги, модель будет фиксировать их именно тогда, когда они окажутся достаточно близко, чтобы оказать измеримое влияние на траекторию лодки. В результате получается точная и гораздо более эффективная модель, позволяющая исследовать гораздо более длинные участки реки.

«Наибольшее количество клеток, которые мы когда-либо моделировали одновременно, составляет 580 миллионов», — сказал Самрин Махмуд, аспирант лаборатории Рэндлса. «Наша цель состояла в том, чтобы максимально увеличить размер окна, чтобы увидеть, сколько ячеек мы можем захватить с помощью суперкомпьютера лидерского класса. Затем мы сосредоточились на снижении вычислительных затрат и эффективном переносе метода в облако».

Эффективность алгоритма при выполнении крупномасштабного моделирования была продемонстрирована в исследовании путем моделирования прохождения раковой клетки через сантиметр с использованием только одного узла веб-служб Amazon (AWS) в течение 500 часов. Благодаря использованию Adaptive Physics Refinement потребность в вычислительной памяти была резко снижена с петабайт до более управляемых гигабайт.

Результаты, по словам исследователей, могут изменить правила игры для других лабораторий, изучающих рак или разрабатывающих биомедицинские устройства. Например, это могло бы помочь исследователям понять механическую и физическую сторону метастазирования рака путем выделения факторов, которые было бы трудно или даже невозможно сделать в рамках экспериментальной установки. Это также представляет собой значительный скачок в возможностях высокопроизводительных вычислений, облегчая практическое применение моделирования огромных количеств эритроцитов с ограниченной емкостью.

В дальнейшем команда планирует продолжать добавлять функции в свое программное обеспечение для моделирования, такие как адгезия между клетками и изменения в поведении клеток вблизи стенок кровеносных сосудов. Они также хотят изучить, как скопления раковых клеток перемещаются по сосудистой сети, поскольку клинические исследования показали, что перемещение группами увеличивает потенциал метастатических клеток к образованию новых опухолей.

«Мы надеемся, что такие методы, как APR, помогут демократизировать вычислительное моделирование в клеточном масштабе, уравняв правила игры», — сказал Рэндлс. «Мы хотим позволить исследователям, не имеющим доступа к крупнейшим в мире суперкомпьютерам, использовать вычислительные подходы для изучения динамики рака».

Эта работа была поддержана Министерством энергетики (DE-AC52-07NA27344), Национальными институтами здравоохранения (U01-CA253511) и Национальным научным фондом (1943036).