Разработка математической модели для построения биоискусственной печени

Обложка

Цитировать

Полный текст

Аннотация

Исследование направлено на построение математической модели, отражающей основные биохимические и физиологические процессы, происходящие в биоискусственной печени. Основная цель исследования - создание надежного инструмента для предсказания поведения клеток печени в искусственных условиях, что позволит улучшить понимание их функциональности и метаболической активности. Уделено внимание моделированию уровня метаболитов, диффузии токсинов и синтеза белков. Для реализации данной задачи разработана система дифференциальных уравнений, которая описывает динамику ключевых процессов, связанных с функционированием клеток печени в искусственных условиях. Модель учитывает взаимодействие биохимических процессов, таких как метаболизм питательных веществ, секреция метаболитов, а также механизмы вывода токсинов из клеток, что является критически важным для понимания общего состояния биоискусственной печени. В ходе исследования проведен анализ влияния различных факторов на уровень метаболитов и эффективность диффузии токсинов. Это позволяет лучше понять основные механизмы, происходящие в клетках, и оптимизировать условия их культивации для повышения жизнеспособности и функциональности биоискусственной печени. Разработанная модель может стать основой для дальнейших исследований в области биотехнологий и создания высокоэффективных заменителей органов, что открывает новые перспективы в лечении печеночной недостаточности и трансплантации. Таким образом, результаты данной работы подчеркивают значимость математического моделирования в исследовании сложных биологических систем и могут быть использованы для дальнейшего усовершенствования методов лечения заболеваний печени и разработки новых подходов в области регенеративной медицины.

Полный текст

Введение Биоискусственные органы представляют собой важную область современной медицины. Исследования в этой области направлены на разработку технологий, способных помочь пациентам с острой и хронической недостаточностью функций органов. Одним из ключевых направлений является разработка биоискусственной печени - устройства, способного выполнять основные функции естественной печени, такие как обработка токсинов, синтез белков и участие в метаболических процессах. Проблема нехватки донорской печени является важной и серьезной в медицине. Во мно-гих странах такой дефицит приводит к длительному ожиданию пациентов, что увеличивает риск осложнений и смертности. Около 10-15 % пациентов, находящихся в очереди на трансплантацию печени, умирают до получения необходимого органа. Несбалансированное соотношение между количеством нуждающихся в трансплантации пациентов и доступными донорскими органами подчеркивает важность поиска новых методов решения проблемы [1]. Построение математической модели для биоискусственной печени играет важную роль в исследованиях в этой области. Математические модели позволяют ученым и инженерам более глубоко понять основные процессы, происходящие в биоискусственной печени, и оптимизировать их работу [2]. Данная работа направлена на построение математической модели, отражающей основные биохимические и физиологические процессы, происходящие в биоискусственной печени, включая в себя моделирование уровня метаболитов, диффузии токсинов и синтеза белков [3]. Литературный обзор подкрепляет актуальность данной темы и освещает предыдущие исследования в области математического моделирования биоискусственной печени. Исследование включает в себя разработку математических уравнений, их валидацию и разработку методов численного моделирования. Полученные результаты будут иметь потенциал для применения в медицинской практике и могут привести к улучшению технологий создания биоискусственных органов [4]. 1. Методы и материалы 1.1. Метод создания биоискусственной печени Биоискусственная печень - это относительно новое направление биотехнологии, преследующее цель создания функционирующего органа, который бы мог заменить или поддержать работу собственной печени человека. Это поле исследований стоит во главе прорывов в области лечения заболеваний печени [5]. Создание биоискусственной печени является сложной задачей из-за множества функций, выполняемых печенью, включая очищение крови от токсинов, синтезирование белков и регулирование обмена веществ. Видение предполагаемых сложностей и способов их преодоления дает возможность создания реалистичной рабочей модели, которую можно использовать для поддержки или восстановления функций печени у пациентов [6]. Способы создания биоискусственной печени: 1) использование стволовых клеток. Один из подходов к созданию биоискусственной печени - это использование стволовых клеток. Эти клетки способны дифференцироваться в любые типы клеток в организме, включая клетки печени. Ученые могут взять стволовые клетки из тканей пациента или донора, взрастить их в лаборатории и специально стимулировать дифференциацию в гепатоциты, основные функциональные клетки печени; 2) тканевый инжиниринг. Другой подход заключается в использовании техники тканевого инжиниринга для создания функционального аналога печени. Он включает склеивание клеток печени (гепатоцитов) в определенных пропорциях и структурах с использованием биосовместимых материалов, чтобы имитировать естественную архитектуру печени; 3) 3D-печать. 3D-печать органов стала реальностью благодаря последним достижениям в области биопечати. Рабочее пространство 3D-принтера, как правило, наполняется гелем, содержащим стволовые клетки или гепатоциты, и затем принтер строит трехмерный объект, точно высаживая клетки по указанным координатам; 4) использование перфузии печени. Еще одним подходом может быть использование перфузии печени - техники, при которой кровь или раствор прокачиваются через печень или ее часть, что позволяет поддерживать жизнеспособность органа и стимулировать его функционирование в условиях искусственной среды. Каждый из этих подходов имеет свои собственные вызовы и лимиты. Но благодаря их сочетанию ученые надеются сделать прорыв в создании биоискусственной печени, которая могла бы быть использована в клинической практике для лечения пациентов с заболеваниями печени, связанными с дефицитом функции этого органа. Современные технологии и исследования уже позволяют смотреть на это с оптимизмом [7]. 1.2. Конструкция биореактора Биореакторы играют ключевую роль во многих областях науки и технологии, включая биологию, химию и биотехнологии. Они используются для воспроизведения натуральных биологических процессов в контролируемой среде для получения конкретных продуктов. Биореакторы могут использоваться в процессах ферментации, культивирования клеток, биоинженерии и многих других сферах [8]. Структура биореактора. Общая структура биореактора, как правило, включает следующие основные компоненты: 1. Резервуар - это основная часть биореактора, в котором происходит биологический процесс. Размер и форма резервуара могут изменяться в зависимости от конкретных потребностей. Резервуары могут быть изготовлены из стали, стекла или специальных пластиков, которые устойчивы к коррозии и воздействию биологически активных веществ. 2. Смеситель. Для эффективного прохождения биологических процессов важно обеспечить однородность среды внутри резервуара, поэтому в конструкции биореактора используется система для перемешивания, которая также способствует переносу веществ и тепла. 3. Система подачи воздуха. Подача воздуха или других газов важна для поддержания жизнедеятельности микроорганизмов и клеток в биореакторе. Она может регулироваться в зависимости от требований к кислороду и pH среды. 4. Температурный регулятор. Поддержание оптимальной температуры очень важно для эффективного ведения биологических процессов. 5. Система контроля. Современные биореакторы оснащены автоматическими системами контроля, которые мониторят и регулируют такие параметры, как температура, давление, скорость перемешивания и pH [9]. 1.3. Типы биореакторов Существует множество типов биореакторов, каждый из которых имеет свою специфическую конструкцию в зависимости от конкретных задач. Степлерные биореакторы - это самые простые биореакторы, в которых культура микроорганизмов выращивается в батч-режиме. Федбатч-биореакторы. Они представляют собой модификацию батч-реакторов, в которых подается дополнительная питательная среда для поддержания биологического процесса. Континуальные биореакторы. В этих биореакторах процесс продолжается без перерыва, при этом питательная среда постоянно подается, а продукция постоянно удаляется. Мембранные биореакторы. Эти биореакторы используют мембраны для сепарации клеток от питательной среды или продуктов [10]. Однако независимо от типа биореактора, его конструкция должна обеспечивать простоту в использовании, легкость в обслуживании и возможность масштабирования для коммерческого использования. Создание оптимальной конструкции биореактора требует тщательного планирования и проектирования [11]. 1.4. Способы построения модели 1. Моделирование биохимических процессов. Использование уравнений, описывающих основные биохимические реакции, происходящие в печени. Это может включать моделирование метаболитов, синтез белков, обмен веществ и т. д. [12]. 2. Моделирование переноса массы и тепла. Разработка математических уравнений, учитывающих перенос токсинов, метаболитов и других веществ через биоискусственную печень, а также равновесие тепла в системе. 3. Моделирование динамики клеток и тканей. Учет процессов, происходящих на микроуровне, включая взаимодействие клеток, диффузию веществ и рост тканей. 4. Инженерные модели. Разработка моделей, основанных на инженерных принципах, таких как гидравлика, термодинамика и механика материалов, для описания работы биоискусственной печени. 2. Моделирование 2.1. Построение математической модели Биосовместимые устройства искусственной печени (БИП) работают на стыке медицинских и инженерных дисциплин, и их функционирование включает в себя использование ряда алгоритмов для обеспечения эффективной обработки крови и поддержания гомеостаза в организме. Робастная система алгоритмов функционирования БИП должна удовлетворять различным требованиям, учитывая индивидуальные особенности пациентов и динамические изменения их состояния [13]. Такая система алгоритмов функционирования БИП может включать алгоритмы для диагностики дефектов устройства, обнаружения аномальных ситуаций, а также алгоритмы, обеспечивающие безопасное прекращение работы в случае возникновения серьезных проблем [14]. Методы и приемы контроля и коррекции работы БИП, включая адаптивные алгоритмы, могут обеспечить эффективную и безопасную работу устройства в различных клинических ситуациях. Таким образом, робастная система алгоритмов функционирования БИП включает в себя широкий спектр методов, алгоритмов и протоколов, направленных на обеспечение надежной и безопасной работы искусственной печени в различных клинических условиях [15]. Основные параметры: 1. Коэффициент диффузии (D) - определяет интенсивность диффузии вещества в клетках печени. 2. Размер области (L) - размер пространственной области, в которой моделируется процесс. 3. Время моделирования (T) - общее время моделирования процесса. 4. Количество функционирующих клеток печени (cells) - количество клеток печени в начальном состоянии. 5. Уровень сахара в крови (sugarLevel) - концентрация сахара в крови. 6. Скорость потока крови (bloodFlow) - скорость потока крови, проходящего через печень. 7. Масса печени (liverMass). 8. Скорость метаболизма (metabolismRate) - скорость метаболизма клеток печени. Эти параметры влияют на характеристики и динамику моделируемого процесса в системе биоискусственной печени [16]. Приведенный код (Приложение) представляет собой математическую модель для построения биоискусственной печени. В данной модели используются различные параметры, такие как коэффициент диффузии, размер области, время моделирования, количество функционирующих клеток печени, уровень сахара в крови, скорость потока крови, масса печени и скорость метаболизма. Как результат, система должна быть устойчива к помехам [17]. Сначала в коде задаются параметры модели, такие как коэффициент диффузии (D), размер области (L), время моделирования (T), количество функционирующих клеток печени (cells), уровень сахара в крови (sugarLevel), скорость потока крови (bloodFlow), масса печени (liverMass) и скорость метаболизма (metabolism Rate). Затем определяются параметры дискретизации (nx - количество узлов по пространственной сетке, nt - количество временных шагов), а также рассчитываются шаги по времени и пространству (dx, dt) [18]. После инициализируется начальное состояние системы - концентрация клеток в каждом узле пространственной сетки. В цикле времени происходит расчет изменения концентрации клеток с использованием уравнения диффузии. На каждом временном шаге происходит обновление состояния каждой клетки на основе диффузии, потока крови и метаболизма. При этом учитываются влияние соседних клеток, скорость кровотока и метаболизма в каждом узле пространственной сетки. После расчета изменения концентрации клеток в каждом узле пространственной сетки происходит обновление текущего состояния системы, а итерация по времени продолжается до достижения заданного времени моделирования [19]. График (рис. Результат моделирования) показывает, как со временем клетки печени, изначально сконцентрированные в центре области, диффундируют, и как их концентрация изменяется из-за влияния кровотока и метаболизма. В каждый момент времени можно наблюдать, как пик концентрации в центре уменьшается и ширится, в то время как концентрация клеток в других узлах области увеличивается. Таким образом, данный код позволяет моделировать процессы диффузии клеток печени с учетом влияния кровотока и метаболизма на изменение их концентрации в пространстве в течение определенного временного интервала. Конечная цель этой модели связана с изучением влияния различных параметров, таких как скорость кровотока или уровень метаболизма, на распространение клеток печени. Такие модели могут быть полезны как для понимания физиологических процессов, так и разработки методов лечения и медикаментов, в частности для предсказания эффективности препаратов на изменение концентрации клеток. Также данные модели могут быть использованы для симуляции различных патологических состояний печени, чтобы изучать их влияние на процессы диффузии клеток и предсказывать результаты таких состояний. Количество временных шагов / Number of time stepsКоличество узлов по пространственной сетке / The number of nodes in the spatial gridИзображение выглядит как текст, линия, диаграмма, снимок экрана Автоматически созданное описание Результат моделирования И с т о ч н и к: выполнено А.С. Ганьшиным в программе MATLAB The result of the simulation S o u r c e: done by A.S.Ganshin in MATLAB software Кроме того, дополнительные возможности могут включать в себя учет изменений в структуре печени, например, при заболеваниях, а также моделирование воздействия различных лекарственных препаратов на эти процессы. Интеграция таких моделей с экспериментальными данными может помочь улучшить наше понимание биологических процессов и разработать более эффективные подходы к лечению печени и других заболеваний. Таким образом, данный код может служить основой для различных исследований в области биологии, медицины и фармакологии и имеет потенциал для разработки новых методов лечения и понимания физиологических процессов в организме [20]. Заключение Конструирование математической модели для построения биоискусственной печени представляет собой сложную и многоаспектную задачу. Оно включает в себя учет различных процессов, происходящих на различных уровнях: от клеточного и тканевого до биохимического и инженерного. Проведение моделирования биохимических процессов необходимо для описания основных метаболических реакций и понимания работы печени на молекулярном уровне. Моделирование переноса массы и тепла играет ключевую роль в понимании как транспортировки веществ, так и общей термодинамики системы. Моделирование динамики клеток и тканей необходимо для изучения роста и взаимодействия тканей на микроуровне. Однако использование каждого из этих подходов по отдельности может быть недостаточно для полного понимания работы биоискусственной печени. Именно поэтому ученые часто прибегают к комбинированным подходам, которые совмещают различные методики математического моделирования, чтобы создать более совершенные и сложные модели, охватывающие разные аспекты функционирования биоискусственной печени. Таким образом, математическое моделирование является неотъемлемым элементом разработки новых технологий в области создания биоискусственных органов и обеспечивает жизненно важное понимание сложных взаимосвязей и процессов, происходящих в биоискусственной печени. Приложение Параметры моделирования % Параметры D = 1e-6; % Коэффициент диффузии L = 1; % Размер области T = 500; % Время моделирования cells = 50; % Количество функционирующих клеток печени sugarLevel = 5.5; % Уровень сахара в крови (ммоль/л) bloodFlow = 30; % Скорость потока крови (мл/с) liverMass = 1.5; % Масса печени (кг) metabolismRate = 0.1; % Параметры дискретизации nx = 100; % Количество узлов по пространственной сетке nt = 500; % Количество временных шагов % Расчет шагов по времени и пространству dx = L/nx; dt = T/nt; % Начальное состояние c = zeros(nx,1); % концентрация c(round(nx/2)) = cells; % Количество здоровых клеток в середине области % Шаблон для цикла времени for t = 1:nt % Скопируем текущее состояние во временную переменную c_old = c; % Обновляем состояние каждой клетки на основе диффузии и потока крови for i = 2:nx-1 dc = D * dt/dx^2 * (c_old(i+1) - 2*c_old(i) + c_old(i-1)); bloodFlowEffect = bloodFlow / liverMass / sugarLevel; metabolismEffect = metabolismRate * dt; c(i) = c_old(i) + dc - dt * bloodFlowEffect * c_old(i) - metabolismEffect * c_old(i); end % Анимировать процесс if mod(t,10) == 0 plot(c); pause(0.1); end end xlabel('Количество узлов по пространственной сетке'); ylabel('Количество временных шагов');
×

Об авторах

Алексей Сергеевич Ганьшин

Российский университет дружбы народов

Email: 1042210064@pfur.ru
ORCID iD: 0000-0003-3582-4889

аспирант кафедры механики и процессов управления, инженерная академия

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Денис Анатольевич Андриков

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: andrikovdenis@mail.ru
ORCID iD: 0000-0003-0359-0897
SPIN-код: 8247-7310

кандидат технических наук, доцент департамента механики и процессов управления, инженерная академия

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Список литературы

  1. Karvellas CJ, Subramanian RM. Current Evidence for Extracorporeal Liver Support Systems in Acute Liver Failure and Acute-on-Chronic Liver Failure. Critical Care Clinics. 2016:32(3):439-451. https://doi.org/10.1016/j.ccc.2016.03.003
  2. Kanjo A, Ocskay K, Gede N. Ef cacy and safety of liver support devices in acute and hyperacute liver failure: A systematic review and network meta-analysis. Sci Rep. 2021;11:1-10. https://doi.org/10.1038/s41598-021-83292-z
  3. Doyle J, Francis B, Tannenbaum A. Feedback Control Theory. New York: Dover Publ.; 1990. https://doi.org/10.1007/978-0-387-85460-1_1
  4. Koobloch HW, Isidori A, Flockerzi D. Topics in control theory. Basel: Springer Publ.; 1993.
  5. Zhou K, Doyle J, Glover K. Robust and Optimal Control. Upper Saddle River, NJ: Prentice-Hall Publ.; 1996. ISBN 0134565673, 9780134565675
  6. Zhou K, Khargonekar PP. An algebraic Riccati equation approach to H∞ optimization. Systems & Control Letters. 1988;11(2);85-91. https://doi.org/10.1016/0167-6911(88)90080-1
  7. Tararykin SV, Tyutikov VV. A robust model control for dynamic systems. Automation and Remote Control. 2002;63(5):730-742. https://doi.org/10.1023/A:1015489719323
  8. Wo SL, Shi G, Zou Y. Robust H-infinity control for discrete-time singular systems with time-delay and non-linear perturbation. Systems Engineering and Electronics. 2009;31:916-921.
  9. Xu S, Lam J, Yang C. Robust H∞ control for discrete singular systems with state delay and parameter uncertainty. Dynamics of Continuous, Discrete and Impulsive Systems. 2002;9:539-554.
  10. Kolpakov F, Akberdin I, Kashapov T, Kiselev L, Kolmykov S, Kondrakhin Y, Kutumova E, Mandrik N, Pintus S, Ryabova A, Sharipov R. BioUML: an integrated environment for systems biology and collaborative analysis of biomedical data. Nucleic acids research. 2019;2;47(W1):225-233.
  11. Nakao M, Nakayama N, Uchida Y. Nationwide survey for acute liver failure and late-onset hepatic failure in Japan. J. Gastroenterol. 2017;53(20):752-769. https://doi.org/10.1007/s00535-017-1394-2
  12. Court FG, Wemyss-Holden SA, Dennison AR, Maddern GJ. Bioartificial liver support devices: Historical perspectives. ANZ Journal of Surgery. 2003;73(9):739-748. https://doi.org/10.1046/j.1445-2197.2003.02741.x
  13. Alves LA, Bonavita A, Quaresma K, Torres E. New Strategies for Acute Liver Failure: Focus on Xenotransplantation Therapy. Cell Medicine. 2010;1(1):47-54. https://doi.org/10.3727/215517910X516646
  14. Shen Y, Wang XL, Wang B, Shao JG, Liu YM, Qin Y, et al. Survival benefits with artificial liver support system for acute-on-chronic liver failure: a time series-based meta-analysis. Medicine. 2016;95(3):e2506. https://doi.org/10.1097/MD.0000000000002506
  15. Ren S, Irudayam JI, Contreras D, Sareen D, Talavera-Adame D, Svendsen CN, Arumugaswam V. Bioartificial Liver Device Based on Induced Pluripotent Stem Cell-Derived Hepatocytes. Journal of Stem Cell Research & Therapy. 2015;5:1000263. https://doi.org/10.4172/2157-7633.1000263
  16. Vitale A, Salinas F. Could Sorafenib Disclose New Prospects as Bridging Therapy to Liver Transplantation in Patients with Hepatocellular Carcinoma? Journal of Liver. 2013;02(04). https://doi.org/10.4172/2167-0889.1000134
  17. Koivusalo AM, Teikari T, Hockerstedt K, Iso-niemi H. Albumin dialysis has a favorable effect on amino acid profile in hepatic encephalopathy. Metabolic Brain Disease. 2008;23(4):387-398. https://doi.org/10.1007/s11011-008-9110-9
  18. Mohammed Y, Verhey JF. A finite element method model to simulate laser interstitial thermo therapy in anatomical inhomogeneous regions. BioMedical Engineering OnLine. 2005;4:1-16. https://doi.org/10.1186/1475-925X-4-2
  19. Пицик Е.Н., Горемыко М.В., Макаров В.В., Храмов А.Е. Математическое моделирование сетей профессионального взаимодействия // Известия высших учебных заведений. Прикладная нелинейная динамика. 2018. Т. 26. № 1. С. 21-32. https://doi.org/10.18500/0869-6632-2018-26-1-21-32
  20. Naruse K, Sakai Y, Nagashima J, Suzuki M, Muto T. Development of a new bioartificial liver module filled with porcine hepatocytes immobilized on non-woven fabric. Int J Artif Organs. 1996;19(6):347-352. PMID: 8814498

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Ганьшин А.С., Андриков Д.А., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.