Les troubles neurovasculaires représentent un fardeau sanitaire mondial important et croissant, qui englobe des affections telles que les accidents ischémiques et hémorragiques, les anévrismes intracrâniens, les petites maladies des vaisseaux cérébraux et les contributions vasculaires à la déficience cognitive et à la démence (VCID).Ces maladies sont notoirement complexes, découlant d'interactions complexes à travers de multiples échelles spatiales et temporelles. Les événements moléculaires au niveau du glycocalyx endothélial peuvent finalement dicter la patiexité d'une artère cérébrale majeure des années plus tard. Pour bien comprendre ces systèmes, les méthodes de recherche traditionnelles doivent être complétées par de puissants cadres de calcul. La modélisation à plusieurs échelles se distingue comme l'approche la plus prometteuse pour combler ces domaines biologiques distincts, intégrant les données de génomique et de protéomique jusqu'à l'imagerie clinique et à la surveillance hémodynamique.

Qu'est-ce que la modélisation à échelle multiple?

Dans le contexte de la biologie et de la médecine, il s'agit généralement de relier des phénomènes à travers le spectre spatial, depuis les interactions moléculaires au niveau de l'angstrom jusqu'à la dynamique des organes au niveau du centimètre, et le spectre temporel correspondant, des vibrations moléculaires nanosecondes jusqu'à des années de progression de la maladie. Le principe fondamental est que le comportement à l'échelle macrométrique (p. ex., le flux sanguin à travers un vaisseau sténosé) émerge de règles à microéchelle (p. ex., la signalisation cellulaire endothéliale et l'agrégation cellulaire sanguine).

Un modèle à plusieurs échelles réussi ne fait pas simplement des simulations indépendantes à chaque échelle. Il utilise plutôt une stratégie de transmission d'information. Par exemple, un modèle d'autorégulation cérébrale pourrait comprendre :

  • Échelle moléculaire : Modéliser la cinétique de la production et de la mise à l'eau de l'oxyde nitrique (NO)
  • ]Échelle cellulaire : Simulation de la contraction et de la relaxation des cellules musculaires lisses en réponse à la concentration de NO et à la contrainte de cisaillement de paroi[
  • ]Échelle tissulaire :[ Représentation du réseau vasculaire comme un graphique de segments connectés, où le rayon du navire est déterminé dynamiquement par le modèle cellulaire
    • ]] [FLT:][FLT:][FLT:]Échelle

    L'unité neurovasculaire : une cible idéale pour l'intégration à plusieurs échelles

    L'unité neurovasculaire est un cadre conceptuel et structurel qui met en évidence la relation physique et chimique intime entre les neurones et leur vascularisation supportante. Elle comprend plusieurs types de cellules, dont les cellules endothéliales, les péricytes, les cellules musculaires lisses, les astrocytes, les microglies et les neurones eux-mêmes, tous intégrés dans la matrice extracellulaire de la membrane du sous-sol. L'unité neurovasculaire est le substrat fonctionnel pour des processus essentiels tels que la barrière hémato-encéphalique (BBB), le couplage neurovasculaire (CNO) et l'autorégulation cérébrale.

    Chaque composant de l'UVN fonctionne à des échelles distinctes. Un seul pied de cul peut moduler le diamètre capillaire sur des micromètres, tandis que les artères piales amont doivent coordonner la dilatation sur des centimètres pour augmenter le débit sanguin dans les régions du cerveau actif. La dysfonction dans un composant – comme la perte de péricyte dans le vieillissement – peut déclencher une cascade d'effets conduisant à une hypoxie locale, à une dégradation de la BBB et à un déclin cognitif éventuel.

    Modélisation à l'échelle spatiale et temporelle dans les maladies neurovasculaires

    Niveau moléculaire et cellulaire

    Au niveau le plus fondamental, les modèles simulent les réseaux biochimiques qui régissent le comportement cellulaire, notamment les voies de signalisation liées à la tonalité vasculaire (p. ex., régulation de l'oxyde nitrique endothélial, eNOS), l'inflammation (p. ex., activation NF-κB, libération de cytokine) et l'intégrité BBB (p. ex., régulation de la claudine et de l'occludine). Les approches biologiques des systèmes utilisant des équations différentielles ordinaires (ODE) peuvent prédire comment les perturbations dans ces voies, telles que celles causées par le stress oxydatif ou les cytokines inflammatoires, modifient l'expression des molécules d'adhérence (p. ex. ICAM-1, VCAM-1) sur la surface endothéliale.

    Niveau tissulaire et microvasculaire

    Cette échelle permet de combler l'écart entre la signalisation cellulaire et la physiologie tissulaire observable. L'un des principaux objectifs est la microcirculation, le réseau d'artérioles, de capillaires et de veines où se produit l'échange d'oxygène et de nutriments. Des modèles à échelles multiples simulent la distribution du flux sanguin par des réseaux microvasculaires réalistes reconstruits à partir d'imagerie à haute résolution (p. ex. microscopie à deux photons).

    Ces modèles sont essentiels pour comprendre le couplage neurovasculaire , le processus par lequel l'augmentation de l'activité neuronale conduit à des augmentations locales du débit sanguin cérébral. La rupture de la CNV est une caractéristique précoce de nombreux troubles neurovasculaires, y compris l'hypertension et la maladie d'Alzheimer. En liant un modèle de signalisation astrocytique du calcium à la relaxation des cellules musculaires lisses et aux changements subséquents du diamètre des vaisseaux dans un modèle de réseau, les chercheurs peuvent simuler comment des défaillances subtiles de signalisation se propagent pour causer un déficit mesurable du signal IRM fonctionnel dépendant du niveau d'oxygène sanguin (BOLD).

    Niveau organe et systémique

    À l'échelle la plus large, les modèles se concentrent sur les artères cérébrales majeures (p. ex. le cercle de Willis), les sinus veineux et le flux en vrac du liquide céphalo-rachidien (CSF). La dynamique du fluide informatique (CFD) est l'outil principal utilisé ici. Les géométries spécifiques au patient pour le CFD sont dérivées de modalités d'imagerie clinique telles que l'angiographie par CT (CTA) ou l'angiographie par résonance magnétique (MRA).

    Les modèles à l'échelle des organes sont essentiels pour comprendre les facteurs hémodynamiques qui régissent la progression des anévrismes intracrâniens et de la sténose athéroscléreuse. Ils peuvent également être liés à des modèles à paramètres forfaitaires de l'ensemble du système cardiovasculaire pour simuler les effets de conditions systémiques comme l'hypertension ou l'insuffisance cardiaque sur la perfusion cérébrale. De plus, les modèles récents commencent à inclure le système glymphatique, décrivant comment le CSF circule dans les espaces périvasculaires pour éliminer les déchets métaboliques du parenchyme cérébral, un processus maintenant connu comme étant critique dans le vieillissement et la neurodégénérescence.

    Modélisation à plusieurs échelles de troubles neurovasculaires spécifiques

    Anévrismes intracrâniens et hémodynamique

    L'histoire naturelle d'un anévrisme intracrânien, de l'initiation à la croissance, à la stabilisation ou à la rupture, est un exemple canonique d'un processus à plusieurs échelles. Les modèles CFD de l'artère mère sont utilisés pour calculer les paramètres hémodynamiques, tels que WSS, l'indice de cisaillement oscillatoire (OSI) et le gradient de WSS. Ces forces mécaniques macroscopiques sont ensuite appliquées comme conditions limites aux modèles des cellules endothéliales qui tapissent la paroi du navire.

    En descendant une échelle, ces charges hémodynamiques peuvent être liées à des modèles cellulaires prédictifs de la production de la métalloprotéinase matricielle (MMP) et de la dégradation de la lamina et du collagène élastique interne. Ce couplage permet de simuler l'affaiblissement mural et le remodelage au fil du temps. L'objectif ultime est de créer un modèle prédictif où les données d'imagerie d'un patient peuvent être utilisées pour estimer le risque de rupture anévrisme plus précisément que les mesures cliniques actuelles (p. ex., taille et emplacement). ]Les organismes de recherche] et les groupes cliniques travaillent activement à valider ces outils prédictifs dans des cohortes prospectives.

    Dynamique des accidents ischémiques et du pénis

    Dans un accident ischémique aigu, un thrombus occlus une artère cérébrale majeure, créant un noyau de tissu fortement hypoxique et une région environnante de tissu récupérable, la pénumbra. Des modèles à plusieurs échelles sont essentiels pour comprendre l'évolution dynamique de la pénumbra. À l'échelle macroscopique, les modèles CFD simulent la façon dont la localisation du caillot et le degré de sténose modifient la pression de perfusion en aval.

    Ces modèles peuvent, en particulier, simuler l'effet du flux collatéral, réseau de vaisseaux plus petits qui peuvent fournir des voies alternatives pour le sang pour atteindre le territoire ischémique. En intégrant le statut collatéral spécifique au patient (évalué par imagerie par perfusion), un modèle à plusieurs échelles peut prédire la fenêtre temporelle d'intervention réussie (thrombectomie ou thrombolyse) avant que la pénumbra ne soit convertie en infarctus. Ils peuvent également être utilisés pour optimiser les stratégies thérapeutiques, comme l'utilisation d'hypertension induite ou d'agents neuroprotecteurs, en simulant leurs effets sur la perfusion microvasculaire et l'apport d'oxygène.

    Insuffisance cognitive vasculaire (IDVC) et maladie des petits navires

    La maladie cérébrale des petits vaisseaux (SVD) est la cause la plus fréquente de VCID et un facteur important de déclin cognitif lié à l'âge. Elle est caractérisée par des dommages aux artérioles perforantes profondes, entraînant des hyperintensités de la matière blanche, des infarctus lacustres et des microsaignements cérébraux. L'étiologie de SVD est mal comprise, en grande partie parce que les petits vaisseaux impliqués sont en dessous de la résolution de l'imagerie clinique conventionnelle.

    Les modèles au niveau moléculaire et cellulaire mettent l'accent sur la dysfonction endothéliale et la dégradation BBB qui sont hypothétiquement les événements initiants de la SVD. En simulant les effets de l'hypertension sur la paroi du vaisseau, les chercheurs peuvent modéliser la vitesse des ondes de pouls et l'augmentation des dommages cycliques aux péricytes et aux cellules musculaires lisses. Ces dommages cellulaires sont alors liés aux modèles de niveau tissulaire des voies de drainage périvasculaire (le système glymphatique). Le drainage altéré conduit à l'accumulation de protéines plasmatiques et d'amyloïde-β dans la paroi du vaisseau et dans le parenchyme environnant, un processus qui peut être explicitement simulé. Ces modèles sont utilisés pour tester l'hypothèse selon laquelle le stress pulsatile stimule le raidissement progressif et la pathologie observés dans la SVD.

    Approches méthodologiques et intégration des données

    Pour construire un modèle multiéchelle robuste, il faut des techniques mathématiques et informatiques sophistiquées, ainsi que de vastes données hétérogènes.

    • Analyse des éléments finis (AFE) et CFD: Utilisé pour les problèmes de mécanique des solides et des fluides au niveau des organes et des vaisseaux.
    • Modèles à base d'agents (ABM):[ Utilisé pour simuler le comportement des cellules individuelles et leurs interactions dans un environnement tissulaire.
    • Équations différentielles ordinaires et partielles (ODE/PDE): Utilisé pour modéliser les processus biochimiques continus et les systèmes de diffusion des réactions.
    • Modèles de commande réduits:[ Développé pour saisir le comportement essentiel d'un système complexe (p. ex. modèles de paramètres de masse 0D de la vascularisation) pour permettre un couplage efficace avec d'autres échelles.

    L'imagerie (IRM, CT, échographie) fournit une structure et une fonction à l'échelle macrométrique. L'histologie et la microscopie à deux photons fournissent des détails cellulaires et subcellulaires. Les données Omics fournissent des informations moléculaires. L'apprentissage automatique est de plus en plus utilisé pour déduire les relations à l'échelle croisée et pour créer des modèles de substitution (émulateurs) qui peuvent fonctionner assez rapidement pour une application clinique. Des plateformes comme ÉBRAINS infrastructure de recherche fournissent des outils et des capacités de gestion des données spécifiquement conçus pour soutenir la modélisation cérébrale à plusieurs échelles, permettant aux chercheurs de partager et de combiner des modèles entre les disciplines.

    Traduction clinique et promesse de médecine personnalisée

    Le test ultime d'un modèle à plusieurs échelles est son utilité dans le contexte clinique. La transition d'un outil de recherche à un système de soutien de la décision clinique nécessite une validation rigoureuse des données humaines.

    • Stratification du risque :[ Utiliser des modèles CFD spécifiques au patient pour prédire le risque de rupture d'anévrismes ou la progression de la sténose, pouvant orienter les décisions sur la prise en charge chirurgicale par rapport à la prise en charge médicale.
    • Prédictation de la réponse au traitement:[ Simulation du résultat de la thrombolyse ou de la thromboctomomie en fonction de la composition et de l'emplacement du caillot, ou prédiction de l'effet d'un médicament de pression artérielle sur la perfusion cérébrale dans la SVD.
    • Dans les essais cliniques de Silico:[ Utiliser des populations virtuelles générées par des modèles à plusieurs échelles pour tester l'efficacité et l'innocuité des médicaments sur une vaste gamme de phénotypes de patients, ce qui pourrait réduire le coût et la durée des essais cliniques.
    • Biomarker Discovery: Utiliser des modèles pour identifier de nouveaux biomarqueurs d'imagerie ou biomarqueurs à base de sang qui sont liés mécaniquement au processus de la maladie sous-jacent, plutôt que d'être simplement corrélés.

    L'intégration de la modélisation spécifique au patient dans le flux de travail clinique des troubles neurovasculaires en est encore à ses débuts, mais le potentiel d'amélioration des résultats est considérable. Un modèle qui peut intégrer l'anatomie, la génétique et la physiologie uniques d'un patient dans une prédiction unique et cohérente représente la hauteur de la médecine de précision.

    Défis à relever et orientations futures

    Malgré son énorme potentiel, la modélisation à plusieurs échelles des troubles neurovasculaires est confrontée à des obstacles importants. La simple dépense de calcul de modèles couplés à travers les échelles demeure un défi, bien que les progrès dans le calcul et la réduction des modèles à haute performance soient en constante amélioration. La normalisation des formats de données et des langages de description des modèles est nécessaire pour faciliter l'échange et le couplage sans faille des modèles développés par différents groupes. Le plus grand défi est peut-être la validation rigoureuse : s'assurer que les modèles ne sont pas simplement sophistiqués, mais qu'ils capturent avec précision la biologie de la maladie.

    Conclusion

    La modélisation à plusieurs échelles constitue le seul cadre viable pour intégrer cette vaste information disparate dans une compréhension cohérente et mécaniste.En liant les gènes aux cellules, aux cellules aux tissus et aux tissus à la fonction des organes, ces outils computationnels offrent un pouvoir sans précédent pour prédire la trajectoire de la maladie, identifier de nouvelles cibles thérapeutiques et personnaliser le traitement des patients individuels.Bien que des défis importants liés au calcul, à l'intégration des données et à la validation demeurent, la maturation continue de ce domaine promet de transformer notre approche de la santé neurologique et vasculaire, passant d'une discipline réactive à une science prédictive et préventive.La collaboration continue entre bioingénieurs, chercheurs computateurs, neuroscientifistes et cliniciens est le fondement sur lequel cette nouvelle compréhension sera construite. ]La poursuite d'organisations d'AVC[]] continue de mettre en évidence le développement d'approches informatiques intégratives comme une priorité élevée pour le financement de la recherche future, sous-tendant la complexité de la reconnaissance collective, qui exige que la complexité égale de