درک جریان خون در سطح میکروسکوپی برای پیشرفت تحقیقات دیابت است.تئولوژی - مطالعه چگونگی تجزیه و جریان خون - با توجه به میکروچیگرام نقش مهمی در توسعه و پیشرفت عوارض دیابتی ایفا می کند، پیشرفت های اخیر در شبیه سازی محاسباتی به محققان اجازه می دهد تا رفتار پیچیده خون را در عروق کوچک بررسی کنند، بینش هایی که می تواند منجر به بهبود درمان های هدفمند و بهبود یافته تر در مورد چگونگی استفاده از این روش های محاسباتی شود، و این روش های مطالعه استفاده از آن، این روش های کامپیوتری.

Microcirculation و Diabetic Complexions

میکروچیکول ها شامل کوچکترین عروق خونی –arterioles، capillaries و venules – جایی که تبادل اکسیژن، مواد مغذی و محصولات زائد رخ می دهد.در دیابت، هیپرگلیسمی مزمن به پوشش پایان ناپذیر این عروق آسیب می زند، که منجر به یک آبشار از تغییرات ساختاری و عملکردی می شود.

پیچیدگی های میکروسکوپی مشترک

  • رتینوپاتی دیابتی: [FLT 1] آسیب به خازن های شبکیه باعث نشت، edema و نئوواسپاتی، منجر به از دست دادن بینایی می شود.
  • Nephropathy: آسیب های مویرگی کلیه ظرفیت فیلتراسیون کلیه را کاهش می دهد و می تواند به شکست کلیوی منجر شود.
  • عصب ستیزی دیابتی: جریان خون را به اعصاب محیطی (vaa nervorum) کمک می کند تا دژنر و درد عصب را تقویت کند.
  • درمان زخم را فلج کرد؛ کاهش تزریق سرفیفیال باعث تاخیر در ترمیم بافت و افزایش خطر ابتلا به عفونت، به ویژه در اندام های پایین تر.

مکانیسم های آسیب های میکروسکوپی

Hyperگلیسمی باعث ایجاد مسیرهای متعدد مرتبط می شود: افزایش شار مسیر پلیول، تجمع محصولات پیشرفته گلیسماسیون (AGE)، فعال سازی پروتئین kinase C (PKC) تغییراتی است و افزایش استرس اکسیداتیو، این توهین های بیوشیمیایی منجر به اختلال در نهایت، ضخیم شدن غشای کاپیتالیتالیتالیتالی، از دست دادن هرگونه یخ، و تغییر یافته، به طور مستقیم بر این تغییرات کوچک تأثیر می گذارد.

برای یک مرور کلی از عوارض میکروواسیک، بررسی بررسی انجمن دیابت آمریکا را ببینید.

خون: اصول بنیادی

خون یک مایع غیر نیوتنی است - تغییرات ویسکوزیته با نرخ هلیوم و تحت تأثیر غلظت، تخریب و تجمع اجزای سلولی آن است.در عروق بزرگتر، خون تقریبا به عنوان یک مایع همگن رفتار می کند، اما در میکروارگانیسم ها (وهال 300 μm)، ذرات طبیعی سلول های خونی بحرانی (RBC) و ایجاد جریان های دیگر رگ ها، و پیچیده شدن هر دو رگ های سفید (W) و ایجاد جریان های دیگر رگ های خونی، و پیچیده می شوند.

وان و عوامل آن

کل ویسکوزیته خون در درجه اول توسط هلماتیک (بخش حجم RBCs)، ویسکوزیته (متوسط پروتئین هایی مانند فیبرینوژن) تعیین می شود و تمایل RBC ها برای تجزیه و جمع آوری دیابت، ویسکوزیته بالا و افزایش تجمع RBC معمولا مشاهده می شود، افزایش مقاومت به جریان در میکروارگانیسم ها.

Red Blood Cell Deformability و Aggregation

RBC های طبیعی بسیار غیر قابل تنظیم هستند، اجازه می دهد تا آنها را از طریق خازن های باریک تر از قطر استراحت خود فشرده کنند - یک ملک به نام "parachute" یا "Chartread" حرکت در دیابت، گلیکاسیون هموگلوبین (HbA1c) و اتصال متقابل پروتئین های غشایی سفت کننده RBC، کاهش مقیاس پذیری، افزایش سطح تجمع سریع و افزایش پروتئین های پس از آن.

Hematocrit و اثرات آن

Hematocrit اغلب در دیابت ضعیف کنترل شده به دلیل کمبود آب و افزایش تحریک erythropoietin افزایش می یابد، حتی پلی سیتیرمی خفیف به طور قابل توجهی باعث افزایش ویسکوزیته می شود و به شبیه سازی های میکروواسکولی کمک می کند که حتی 5% افزایش در هلتوتوتوتوتوتوتوتوتوتوتوتوتوتوتوکول می تواند کاهش فشار مورد نیاز برای حفظ جریان در کاپلایس را دو برابر کند.

تکنیک های شبیه سازی محاسباتی

سیم سازی خون در مقیاس کوچک نیاز به ثبت هر دو دینامیک مایع پلاسما و مکانیک سلول های غیر قابل شکل دارد. چندین روش محاسباتی استفاده می شود که هر کدام دارای نقاط قوت و محدودیت هستند.

رویکردهای Continuum

مدل های Continuum خون را به عنوان یک مایع همگن با ویسکوزیته وابسته به هلیوم (به عنوان مثال، مدل Carreau) درمان می کنند، در حالی که به طور محاسباتی کارآمد است، آنها پدیده های مهم سلولی مانند اثر Fåhræus (کاهش در Hematocrit در کشتی های کوچک) و لایه بدون سلول را در نزدیکی دیوار مخزن نادیده می گیرند.

روش های مبتنی بر ذره

روش های دفع، مانند دینامیک ذرات غیرipative (DPD) و روش Latti Boltzmann (LBM) همراه با مدل های RBC مبتنی بر مجازات، شبیه سازی سلول های فردی، این تکنیک ها می توانند تجزیه مخزن و جوش دادن حرکات RBC، دینامیک تجمع و حتی WBC نورد و یک مثال شبیه سازی برای شبیه سازی های فشرده سازی بیشتر، باعث کاهش آسیب سلول های ضد عفونی و آسیب دیدگی سلول های دیابتی شده است.

مدل سازی چند مقیاس

تحقیقات مدرن اغلب چندین مقیاس را ادغام می کند: اثرات گلیکایی سطح مولکولی، تخریب سلولی و توزیع جریان جریان شبکه های شناور، چنین مدل های چند مقیاسی تغییرات بیوشیمیایی (به عنوان مثال، افزایش سفت و سخت از AGE cross-links) را به تغییرات در هر تزریق عضو پیوند می دهد.

یافته های کلیدی از شبیه سازی های Rheological در دیابت

مدل های محاسباتی بینش های کمی را ارائه داده اند که مشاهدات تجربی را تکمیل می کنند.

تغییر در قابلیت های Hyperگلیسمی

شبیه سازی ها پیش بینی می کنند که افزایش ۳۰ درصدی در سفتی غشای RBC (که با شرایط دیابتی همراه است) منجر به افزایش ۲۰ تا ۴۰ درصد در مقاومت جریان در ۱۰ کُم کاپیلا می شود، این مقاومت افزایش می یابد که کمبود نادر و کاهش اکسیژن به بافت ها.

افزایش Aggregation و Adhesion

مدل های ترکیب نیروهای تجمع RBC (تعاملات و دفع توسط فیبرینوژن) نشان می دهد که تجمع افزایش یافته در دیابت به جریان ناهمگن تر کمک می کند، با خوشه های RBCs باعث ایجاد occlusions ترانس، شبیه سازی های WBC adhesion فعال شده نشان می دهد که بیان بالا از یک مولکول های ضدمی در افزایش مقاومت محلی، و کاهش عملکرد بالا، و شرکت لومزا.

تاثیر بر تزریق و حمل و نقل اکسیژن

شبیه سازی های جریان تزریق زوج نشان می دهد که ترکیب کاهش تخریب، تجمع افزایش یافته و ویسکوزیته بالاتر باعث کاهش استخراج اکسیژن از میکروچیستراسیون تا 25٪ می شود.این "فرضیه های عصبی" ممکن است باعث تثبیت HIF-1α و کمک به پاتوژن های پاتولوژیک، به ویژه در شبکیه شود.

بحث دقیق در مورد انتقال اکسیژن در میکروچیگراماسیون دیابتی از این مقاله باز دسترسی در مرز در فیزیولوژی در دسترس است.

برنامه های ترجمه و مسیرهای آینده

شبیه سازی های رگولوژی خون از نیمکت به سمت تخت حرکت می کنند، ابزارهایی برای توسعه دارو، تشخیص و داروهای شخصی شده ارائه می دهند.

توسعه دارو و غربالگری

شرکت های داروسازی در مدل های silico برای آزمایش درمان های بالقوه که باعث عادی سازی روماتیسم خون می شوند، استفاده می کنند، به عنوان مثال، داروهایی که هدف از تخریب RBC (به عنوان مثال، آنتی اکسیدان هایی مانند N-acetylcysteine یا عوامل که باعث کاهش هموگلوبین می شوند) می توانند در کلونی های مجازی قبل از شبیه سازی بالینی مورد ارزیابی قرار گیرند.

ابزارهای تشخیصی و Biomarkers

شبیه سازی های خاص بیمار، هنگامی که با پارامترهای قابل اندازه گیری تغذیه می شوند (HbA1c، ویسکوزیته پلاسما، شاخص تجمع RBC)، می توانند یک “شاخص ریسک شناختی” فردی ایجاد کنند که چنین پروفایل ها ممکن است حساسیت به عوارض میکروواساتیک را به دقت تر از نشانگرهای منفرد پیش بینی کند.

داروهای شخصی از طریق شبیه سازی بیمار

کار آینده شبیه سازی با داده های تصویربرداری (به عنوان مثال، صندوق شبکیه ای عکاسی یا کاپیوسکوپی) را برای بازسازی شبکه های میکروواساتیک مخصوص بیمار ادغام خواهد کرد. با شبیه سازی جریان خون در این شبکه ها، پزشکان می توانند مناطق ضعیف و مداخلات راهنمایی را شناسایی کنند - مانند لیزر درمانی در رتینوپاتی یا بهینه سازی کنترل گلیک برای بهبود هر الگوریتم یادگیری ماشین آموزش دیده می شود که در حال انجام دادن نتایج کامل است، بدون اینکه مدل های ترجمه بالینی سرعت، سرعت بخشیدن به سرعت بخشیدن به سرعت بخشیدن به سرعت در حال انجام دادن.

نتیجه گیری

شبیه سازی زوال خون در میکروچیستراسیون یک لنز قدرتمند را فراهم می کند که از طریق آن می توان عوارض دیابتی را درک و مبارزه کرد.با ثبت ارتباط پیچیده بین تخریب سلولی، تجمع، ویسکوزیته و معماری کشتی، این مدل ها نشان می دهد که چگونه تغییرات بیش از حد ناشی از هیپرگلیسمی باعث آسیب رساندن به جریان و تحویل اکسیژن می شود.