מספר Sclerosis (MS) הוא מחלה אוטואימונית כרונית של מערכת העצבים המרכזית המשפיעה על 2.8 מיליון אנשים ברחבי העולם.הקורס הקליני שלה הוא לשמצה heterogeneous, החל מ Relapsing-remitting פרקים למוגבלות מתקדמת, מונע על ידי שילוב מורכב של דיסלקציה חיסונית, demyelination, אובדן אקסנוני, ו- Unraling את הפתולוגיים של תהליכים אלה כבר שנים קריטיים של מנגנונים חזותיים של מנגנונים סימטריים של סימטריים של מנגנונים דלקת ריאות.

המורכבות של MS Pathophysiology

לפני בחינה של גישות dysulation, חיוני להעריך את המורכבות הביולוגית שהם שואפים ללכוד. MS פתפיזיולוגיה כרוך לפחות שלושה תחומים משולבים: הפעלה חיסונית היקפית, תפקוד מחסום הדם המוח, ונוירודור בתוך CNS. Autoreactive Tavanocytes (במיוחד CD4+ T17 תאים) הם נחשבים ראשוניים באיברים לימפוציטים perial, 000 דלקת קרוגנית דם, על ידי תאים דלקת קרוגניים מתקדמים, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000 פעיל דם, 000, 000, 000, 000, 000, 000, 000 פעיל דם, 000 גולגולתי דם, 000 000 000 גולגולתי דם מופעל על ידי תאים דלקת קרוגניים דלקת קרוגנית, 000, 000, 000, 000 גולגולתיאקלי דם, 000 000 גולגולתי דם מופעל על ידי תאים דלקת קרוגנית, 000 פעיל דם מופעל על ידי תאים דלקת קרוגנית, 000 פעיל דם מופעל על ידי תאים דלקת קרוגנית, 000 פעיל דם פעיל דם פעיל דם פעיל דם פעיל, 000, 000, 000 000 000 000 000 000 000 000 000 000 פעיל דם מופעל על ידי תאים דלקת קרוגנית, 000 000 000 000 000 000 000 000

הטרוגניות של קורס המחלה

MS מתבטא במספר צורות קליניות: relapsing-remitting MS (RRMS), MS מתקדם מתקדם (SPMS), MS מתקדם מתקדם ראשוני (PPMS), ו- פרוגרסיבי-relapsing MS (PRMS) כל תת-סוג מציג דפוסים נפרדים של דלקת, הפצת עול, ו antrophy. יתר על כן, חולים בודדים משתנים באופן נרחב בתגובה לטיפולים במחלות.

מעורבות מערכת החיסון

המערכת החיסונית ב-MS אינה רק מתזמרת התקפות על Myelin; היא גם ממלאת תפקיד בתיקון ובתקנה. Regulatory T תאים (Tregs), cytokines אנטי דלקתיים כגון IL-10, ו remyelination על ידי תאי תאי תאי oligodendrocyte הם כולם חלק של איזון דינמי.

מה הם מודלים של Computational ב-MS?

מודלים Computational הם ייצוגים מתמטיים או אלגוריתמיים של מערכות ביולוגיות המאפשרות לחוקרים לדמות, לנתח ולנבא התנהגויות מורכבות. במחקר MS, מודלים אלה נעים ממשוואות שונות פשוטות המתארות דינמיקות תאים חיסוניים לסימולציות מבוססות הסוכן בקנה מידה גדול של היווצרות של אלגוריתמים למידה מכונה על אלגוריתמים למידה ממוחשבת על נתונים קליניים ודמיית.הטקס המשותף הוא שהם מאמתים באופן רשמי אלה לתוך מערכות יחסים חד-כימות, המאפשרות בניסויים של ניסויים במעבדות, המאפשרים-כימותקים.

מודלים מתמטיים

משוואות שונות רגילות וחלקיות (ODEs ו- PDEs) משמשות לעתים קרובות כדי מודל של הזמן של אוכלוסיות החיסון, ציטוקינים, ואת הנזק של Myelin. לדוגמה, מודל תא עשוי לעקוב אחר מספר תאי T מופעלים בפריפריה, הגירה שלהם לתוך CNS, ואת שיעור של demyelination.

מודלים מבוססי סוכנים (ABMs)

ABMs מייצגים תאים בודדים (אנטים) עם התנהגויות מוגדרות וכללים של אינטראקציה.הם מתאימים במיוחד ללימוד תופעות מרחביות כגון התרחבות לעול, היווצרות של נגעים חדשים בשוליים של לוחות קיימים, ואת התפקיד של מחסום הדם-מוח.AABM של סביבת ה- MS ⁇ יכול לשלב סוגים רבים של תאים (מיקרוglia, אסטרוציטים, oligodenrocytes, תאים ציטולוגיים שלהם).

Machine Learning and Neural Networks

שיטות למידה מכונה (ML), כולל למידה עמוקה, מוחלות יותר ויותר על נתונים על-ידי נתונים מדמיית התחדשות מגנטית (MRI), genomics, Proteomics ורשומות בריאות אלקטרוניות.מודלים אלה יכולים לזהות דפוסים כי תת-סוגים של MS, חיזוי התקדמות המחלה, ולהציע מודלים ביולוגיים חדשים.

יישומים של מודלים Computational ב MS Research

מודלים Computational כבר הוצבו כמעט בכל היבט של פתולוגיה MS, מהשלבים המוקדמים ביותר של הפעלה חיסונית לשלבים מתקדמים של ניוון עצבי.

מערכת החיסון Dynamics

אחד השימושים המוקדמים ביותר של מודלים חישוביים ב- MS היה להבין את האינטראקציה הדינמית בין תאי pro-inflammatory לבין אנטי דלקתיים אנטי דלקתיים.לדוגמה, מודלים של T-antigen המציג אינטראקציות תאים עזרו להסביר את הדרישה לחיקוי מולקולרי בגרימת חיסון אוטומטי.עוד עבודה לאחרונה מדמה את ההשפעות של תרופות immunomodatory כגון interferon-becon-ditto ו-classing שיעורי דלקת הלחמה.

הכחשה וזיכרון

דימילאנציה היא התכונה הפתולוגית של מודלים של MS. Computational פותחה כדי לבחון כיצד אובדן של Myelin משפיע על התנהגות אקסונאלית - ספציפית, גורם הבטיחות של ההרחבה פוטנציאלית פעולה.מודלים ביופיזיים אלה משלבים קוטר אקסון, עוביינציה שלי, והפצת ערוץ נתרן כדי לחזות אילו אקסונים הם פגיעים ביותר לביצוע על בלוקים בצד, כיצד אותות דלקתיים מוצלחים, כגון אדפטומטיים, לזהות תאים מוצלחים.

מודלים בקנה מידה רב של Lesion Evolution

אולי המאמצים החישוביים השאפתניים ביותר הם מודלים בקנה מידה רב המקשרים אירועים מולקולריים (למשל, cytokine secretion, קולטן מחייב) להתנהגות סלולרית (למשל, מוות תאים, תפוצה) לתוצאות ברמת רקמות (למשל, גודל של שבץ, קצב המוח), מודלים אלה משלבים נתונים מפלטפורמות ניסיוניות מרובות ודורשים טכניקות הפיכה מתוחכמת.

חיזוי התקדמות המחלה

מטרה קלינית גדולה היא לחזות כיצד MS של אדם מתפתח - בין אם הם יעברו מטיפול במחלות מתקדמות, שיעור הצטברות נכות, ותגובה שלהם למודלים למידה מכונה מאומן על תכונות MRI בסיס (נפח lesion, המוח parenchymal שבריר, נפח thalamic) ו covariates קליני (גיל, ED, s ציון, היסטוריה), השיגו דיוק מתון ב 5 שנים מאוחר יותר ללכידת שיטות זמןיות.

פיתוח סמים וניסויים בסיליקו

מודלים Computational יכולים להאיץ את פיתוח התרופה על ידי הערכת הבטיחות והיעילות של תרכובות חדשות לפני שהם נכנסים לשלב יקר I ניסויים. Pharmacokinetic / Pharmacodynamic (PK /PD) סימולציה ריכוזי סמים בסרום ו CNS וחיזוי השינויים הקשורים ב- SPmarker המחלה התואמים את המודלים הביולוגיים הללו לנקודות קצה קליניות.

היתרונות של מודלים Computational במחקר MS

אימוץ מודלים חישוביים מציע כמה יתרונות שונים המשלימים ניסויים רטובים מסורתיים.

  • (FLT:0) ניכוי ניסויים פולשניים: סימולציה 1 (סימול: ⁇ ) יכול להחליף או להפחית את הצורך במודלים בעלי חיים וביופסיה, לטפל בדאגות אתיות והורדת עלויות. לדוגמה, את הצורך להקריב מספר גדול של עכברים כדי ללמוד דינמיקות על עול לאורך זמן ניתן להחליף באופן חלקי על ידי מודל חישובי מאומת.
  • (FLT:0) באמצעות חישוב Hypothesis Testing:BuildFLT:1) חוקר יכול להפעיל אלפי ניסויים וירטואליים בשעות, פרמטרים שונים כגון סף הפעלה תא או שיעור החייאה, כדי לזהות את הגורמים המשפיעים ביותר בהתקדמות המחלה.
  • (FLT:0) אינטגרציה של Multi-Modal Data:BuildFLT) 1 מודלים של Computational לספק מסגרת לשלב סוגים של נתונים נפרדים - פולימורפילים גנטיים, רמות ציטוקין, מדדי MRI, ציוני בדיקה קוגניטיביים - בתמונה קוהרנטית.
  • (FLT:0) תרופות מותאמות אישית:FLT:1 על ידי סוללת מודלים לנתוני מטופלים בודדים, זה הופך אפשרי לדמות כי קורס המחלה הייחודי של המטופל ולתאי טיפולים בהתאם.
  • (FLT:0)Quantitative Rigor:FLT:1) להפקת השערות כמשוואות מתמטיות, החוקרים צריכים להיות מפורשים לגבי הנחות ויחסים סיבתיים.

אתגרים ומגבלות

למרות ההבטחה שלהם, מודלים חישוביים של MS עומדים כמה מכשולים משמעותיים שיש לטפל בהם כדי לממש את מלוא הפוטנציאל שלהם.

אמינות וזמינות

נתונים איכותיים, סטנדרטיים חיוניים הן לבניית מודלים אימותים ואימות. MS נתונים הם לעתים קרובות heterogeneous, שנאספו על פני מרכזים שונים עם פרוטוקולים שונים של MRI, אוכלוסיות סבלניות, ונקודות קצה קליניות. Missing נתונים, מדידת, וחוסר דגימות ותיקות עם מספיק גרפיטי יכול לערער ביצועים מודל.

מודל

מודל שמאחד נאמנה את נתוני האימון עשוי שלא להכללת קבוצות מטופלים חדשות או לחזות תוצאות של התערבויות שלא נראו במהלך אימון. אימות ריאורי דורש נתונים עצמאיים, גלגולי-הכללה, ובאופן אידיאלי, בדיקות פוטנציאליות.כרגע, רק מודלים של MS מעטים או עברו אימות נגד תוצאות קליניות פוטנציאליות או בניסויים מעבדה עצמאיות.השדה עובר לאתגרים קהילתיים ונתונים, אך הרבה עבודה נשארת.

מורכבות

סימולציות בקנה מידה רב כי זוג תגובות מולקולריות עם אוכלוסיות תאים ומבנה רקמות הם אינטנסיביים חישובית.גם עם מחשוב ביצועים מודרני, סימולציה אחת של מחלת החולה הווירטואלי במשך 10 שנים עשוי לקחת ימים לרוץ.זה מגביל את היכולת לבצע ניתוחים רגישים ופרמטרים בקנה מידה גדול פרמטרים. סימולציה אחת של מודלים פונדקאית סימפליד (למשל, חיקויים המבוססים על רשתות עצביות) יכול באופן חלקי את הנטל הזה, אבל בחלק מהעלות הביולוגית.

חוסר יכולת ואמון

במיוחד בהגדרות קליניות, רופאים ומטופלים צריכים לבטוח בהמלצות המודל.רשתות עצביות מורכבות ומודלים בייסיאנים בעלי ממד גבוה יכולים להיות ⁇ , מה שהופך את זה קשה להבין מדוע חיזוי מסוים נעשה.מצמצלי לשיפור הפירוש, כגון תכונה בגובות ובמפות קשב, הם נמשכים, אבל מתרגלים רבים נשארים ספקניים.

כיוונים עתידיים

במבט קדימה, כמה כיוונים מבטיחים יכולים להעלות מודלים חישוביים מכלי מחקר לרכיבים אינטגרליים של ניהול MS.

אינטגרציה רב-Scale

אולי הכיוון המרגש ביותר הוא הפיתוח של מודלים רב-ממדיים באמת המקשרים בצורה חלקה מאירועים גנטיים מולקולריים למוגבלות ברמת האורגניזם.התקדמות ב-High-byput omics, RNA יחיד-תאים RNA ריצוף, ו- biomarkers מאכילים את המודלים האלה עם החלטה חסרת תקדים.לדוגמה, שילוב נתונים ליקומית של תאי יחיד מ-MSs יכול לחדד את כללי אינטראקציה סלולריים במודלים המבוססים על ידי ניתוחי, בעוד שמבוסס על ידי נוירו-Dropriple-D.

Real-Time Patient Modeling (Digital Twins)

הרעיון של "תאום דיגיטלי" - מודל חישובי מותאם אישית המעדכן באופן קבוע עם נתונים של המטופל - הוא צובר מתחוע בתחומים אחרים של תרופות (למשל, קרדיולוגיה, אונקולוגיה) והוא מבטיח מאוד עבור MS. A תאום דיגיטלי של מטופל MS יכול לשלב נתונים מחיישנים חישוביים נרחבים, בדיקות קוגניטיביות מבוססות סמארטפונים, סריקות תקופתיות ורשומות בריאות אלקטרוניות, אז המודל ידמה את התגובה של המטופלת של טיפול תרופתי, אך ורקפתן, אך מבטיח טיפולים מתקדמים, אך ורק טיפולים, אך ורקמותרפיסטיים, טיפולים, אך ורקמותרפיים, אך ורק לאחר מכן, טיפולים, טיפולים, טיפולים, אך ורק לאחר מכן, טיפולים, טיפולים, טיפולים, טיפולים, טיפולים, טיפולים, טיפולים, טיפולים, טיפולים, טיפולים, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, אך ורקמותרפי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, אך מבטיח, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, אך מבטיח, טיפול תרופתי, טיפול תרופתי, אך מבטיח, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי, טיפול תרופתי

אינטגרציה עם ראיות אמיתיות

נתונים תצפיתיים בקנה מידה גדול מן הרשומות, תביעות ביטוח, וטיפול שגרתי קליני מכיל שפע של מידע על התקדמות MS ותשובות טיפול בתנאים בעולם האמיתי.מודלים למידה מכונה מאומן על נתונים אלה ניתן לשלב עם מודלים מכניסטים כדי למנף הן את רוחב הראיות בעולם האמיתי ואת המבנה הסיבתי של מודלים מכניסטים. גישה היברידית זו עשויה להניב תחזיות חזקות יותר, במיוחד עבור חולים נדירים או ממזגים תרופות.

מודלים משותפים

Open-source Model Repositories and Cooperationפלטפורמות (למשל, פרויקט פיזיום, BioModels) מאפשר לחוקרים לשתף, לשחזר ולבנות על העבודה של אחד את השני.עבור MS, מסד נתונים מרכזי של מודלים מאומתים, יחד עם פורמטים סטנדרטיים של נתונים ומדדי הערכה, יזרז התקדמות.פלטפורמות כאלה יכולות גם לתמוך בניסויים קליניים וירטואליים על ידי כך שיאפשרו מודלים שונים להתחרות בחיזוי תוצאות של נתונים משותפים.

מסקנה

(המודלים המתקדמים כבר שינו את ההבנה שלנו של פתולוגיה MS על ידי מתן נקודה קפדנית, אינטגרטיבית, ומסגרת כמותית של MSC עבור לימוד מחלה מורכבת זו.מדינמיקה חיסונית ו היווצרות של ניתוק מותאם אישית לפיתוח סמים, מודלים אלה הוכיחו את הערך שלהם על פני ספקטרום התרגום, את היתרונות שלהם בצמצום ניסויים בבעלי חיים, בדיקות אינספור, ושילוב נתונים בלתי ניתנים להכחשה, אך ורק על ידי מדענים, החל מתחום המחקר הבין-רפואיים, החל מתחום המחקר, ומדענים מתקדמים יותר ויותר, החל מתחום המחקר הבין- 4, ו-רפואי-רפואיים, החל מתחום המחקר, ו-רפואיים, החל מתחום המחקר, החל מתחום המחקר, ו-רפואיים, החל מניתוחים, ו- 4.