Krooninen sairaus

tiivistelmä

Tämä työ keskittyy yhden komponentin laajempaa tutkimusta pyrkimys kehittää simulointityökalu mallintaa populaatioiden virtaavan soluja. Erityisesti tässä tutkimuksessa paikallisen mallin biokemiallinen vuorovaikutukset verenkierrossa melanoomakasvainsolujen (TC) ja alustan kiinnittynyt polymorfonukleaarisista neutrofiilien (PMN) on kehitetty. Tämä malli tarjoaa todelliset kolmiulotteiset jakaumat sidoksen muodostumisen ja hoitaja vetovoima ja repulsiovoimia jotka ovat sopusoinnussa aikariippuvainen Computational Fluid Dynamics (CFD) puitteissa koko järjestelmän malli, jonka osuus paikallista painetta, leikkaus- ja repulsiovoimia. Tuloksena täysi dynamiikka malli mahdollistaa tutkia TC tarttuvuus kiinnittynyt PMN, joka on tunnettu osallistuvan mekanismi melanooman solujen etäpesäke. Malli määrittelee adheesiomolekyylien läsnä TC ja PMN solujen pinnalla, ja laskee niiden vuorovaikutuksia melanoomasolulinjalla virtaa ohi PMN. Biokemiallisia hinnat reaktioiden yksittäisten molekyylien määräytyvät paikallisten ominaisuuksia. Melanoomasolulinjalla mallissa ilmentää ICAM-1-molekyylien pinnallaan, ja PMN ilmaisee

β

-2 integriinit LFA-1 ja Mac-1. Tässä työssä PMN on kiinnitetty alustaan ​​ja oletetaan täysin jäykkä ja määrättyä leikkaus- riippuva muoto on saatu mikro-PIV kokeita. Melanoomasolulinjalla kuljetetaan täysin kuusi astetta-of-vapauden dynamiikkaa. Adhesion malleja, jotka edustavat kykyä molekyylien sitomiseksi ja noudattaa solut toisiinsa, ja vastenmielisyys malleja, jotka edustavat erilaisia ​​fyysisiä mekanismeja solujen vastenmielisyys, ovat yhdistetty CFD ratkaisija. Kaikki mallit ovat yleisiä riittävän tulevia laajennuksia, kuten mielivaltaisia ​​adheesiomolekyyli tyyppejä, ja kyky määritellä uudelleen parametrien edustamaan eri solutyyppejä. Malli esitetään tässä tutkimuksessa on osa kliinistä kehityksen välineenä yksilöllisiä sairaanhoidon ohjelmia.

Citation: Behr J, Gaskin B, Fu C, Dong C, Kunz R (2015) Lokalisoitu mallinnus Biochemical ja Flow vuorovaikutukset aikana Cancer Cell Adhesion. PLoS ONE 10 (9): e0136926. doi: 10,1371 /journal.pone.0136926

Editor: Keng-Hwee Chiam, A * STAR Bioinformatics Institute, SINGAPORE

vastaanotettu: 06 joulukuu 2013; Hyväksytty: 10 elokuu 2015; Julkaistu: 14 syyskuu 2015

Copyright: © 2015 Behr et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään

Rahoitus: Tätä työtä tukivat avustuksilla National Institute of Health avustukset (CA-125707, CD), National Science Foundation Grant (CBET-0729091, CD), National Natural Science Foundation of China (31170887, JW), ja Fellowship Kiinan Scholarship neuvoston . Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen. Toinen kirjoittaja oli tuetaan Eric Walker apulaisopettajaharjoittelun at Pennsylvania State University Applied Research Laboratory.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Liuskatumaisia ​​neutrofiilien (PMN: t) käsittävät 50-70% kaikista verenkierrossa valkosolujen, tai leukosyyttien [1]. Tutkimukset ovat myös osoittaneet, että tulehduksellinen signaalit on parannettu kyky verenkierrossa melanoomakasvainsolujen ekstravasoitumaan [2]. Joissakin tilanteissa, PMN todella parantaa metastaattinen valmiuksia, useimmissa tapauksissa ne ovat sytotoksisia kasvainsoluihin [3]. Korrelaatio tulehduksellinen signaaleja ja lisääntynyt melanoomasolujen etäpesäke merkitsee sitä, että verenkierrossa melanoomasolujen pystyvät hyödyntämään immuunijärjestelmän ja käyttää valkoisten verisolujen avustamaan niiden ekstravasaation mekanismeja. Tutkimuksessa Dong et ai, se määritettiin, että alle virtaus olosuhteissa ja ilman PMN: ien, metastaattisen melanooman solut eivät todennäköisesti kuin ei-metastaattinen melanosyyttien sitoutua endoteeliin [1]. Lisäämällä PMN, melanooman ekstravasaatio kasvoi merkittävästi. Tämä prosessi on riippuvainen sekä molekyyli- vuorovaikutukset melanoomasolujen kanssa PMN-solujen, ja PMN: ien kanssa endoteelisoluissa. Sekä melanooman ja endoteelisolujen ilmentävät ICAM-1 (solujen välinen adheesiomolekyyli) niiden pinnoilla. PMN ilmaista

β

-2 integriinit, kuten Mac-1 ja LFA-1. Kuvio 1 esittää yksinkertaistettu esitys adheesiomolekyyli ilmaisuja. Vuorovaikutukset LFA-1 ja ICAM-1 tuki alkuperäisessä pyydystäminen valkosolujen endoteeliin, ja vuorovaikutukset Mac-1 ja ICAM-1 tuki vakauttamaan tarttuvuus jopa leikkaus virtauksen olosuhteissa. Estäminen ICAM-1 lausekkeen melanoomasoluja ja erikseen endoteelisolujen sekä johti merkittävään väheneminen melanooman solujen ekstravasaatioiden.

β

-2 integriinit ilmentyvät PMN voi vuorovaikutuksessa ICAM-1 ilmentyy sekä melanoomasolujen ja endoteelisolujen. PMN ja endoteelin voivat myös olla vuorovaikutuksessa kautta selektiinit.

Viime vuosina laskennallisia malleja ovat kypsyneet, missä niitä voidaan käyttää tutkimaan monimutkainen multi-asteikko (molekyyli-solu asteikko) ja multi-fysiikka (biokemia, virtausdynamiikassa rakenteellinen dynamiikka) kasvaimen mikro-ympäristössä. Suuri osa leveys fysikaalis mallintamista kehitetty monen solun biologisten järjestelmien yleensä on merkitystä esillä olevan työn. Useat ryhmät ovat keskittyneet erityisesti solujen muodonmuutoksia ja tarttuvuus mekaniikka [4-14].

Tässä työssä ehdotamme yleistynyt repulsiovoiman ja tarttuvuus malleja mukautua paikallisiin muotoa kalvon mikä vastaa vaikutuksen kaikkien erillisten kalvo kasvoja kaikki muut.

Tämä pidentää aikaisemmassa työssä [10, 15], ja että toisten [4], jossa solu-solu läheisyys otettiin yhtenä skalaari kullekin noparin. Tämä yleistys on erityisen tärkeää sidosadheesiosta kinetiikan koska se mahdollistaa joukkovelkakirjojen muodostaa minkä tahansa kahden kasvot, ja on luonnostaan ​​sopusoinnussa täysin yleistynyt conformal CFD niveltyisivät lähestymistapaan, ja kyky mallintaa ajallista kehitystä monen sidoksen paria annetaan solujen vuorovaikutuksia. Tämä työ myös pohjautuva Liima Dynamics kehittämä menetelmä Hammer, et ai [5, 11, 13, 14]. Tässä asiakirjassa, Liima Dynamics algoritmi on toteutettu ja testattu täysin yleinen, kolmiulotteinen, äärellinen volyymin, monivaiheinen CFD ratkaisija. Tämä toteutus mahdollistaa paikallisen järjestelmän parametrit, joita käytetään ratkaisemaan ja kytkemällä biokemialliset ja nesteen vuorovaikutusta sijaan globaali, irtotavarana, tai keskimääräinen parametreja. Sellainen alusta mahdollistaa myös tämä työ nostetaan useilla tavoilla. Ensinnäkin, kytkemällä biokemian CFD ja 6DOF liike mahdollistaa tutkimiseen eri soluadheesion ja aggregaatin muodostumista skenaarioita. Toiseksi lujuuslaskentaosaamista voidaan ottaa uudelleen käyttöön, kohti meidän aikaisempi työ [10], joko käyttämällä joustavan kalvon lähestymistapaa tai toteuttamiseen yhtenäisen kontinuumimekaniikan muotoiluun [16]. Kolmanneksi, järjestelmä voidaan ratkaista voidaan laajentaa sisältämään mielivaltainen määrä mielivaltaisesti muotoiltujen kappaleiden. Ainoa rajoitus sallitun määrän elinten olisi käytettävissä oleva laskentaresursseja. Yleistetty biokemiallinen malli esitetään tässä työssä voidaan toteuttaa mihin tahansa CFD kehystä (kuten kehittämät Hoskins [10, 15], Jadheev [17], ja toiset [4]) ja vakaudesta verrattuna nykyisin käytössä biokemiallisia malleja.

tässä tutkimuksessa mallinnetaan kasvainsolun aggregaatiota valkosolujen on lähellä seinää alueella alle virtausolosuhteiden että käsittelimme monissa aiemmissa kokeellisia ja laskennallisia tutkimukset [1, 2, 10, 15, 18 ]. Törmäys ja tarttuvuus vuorovaikutukset PMN ja melanoomaa solun mallinnetaan. Tässä on käytetty kiinteä jäykkä edustus PMN, joka vastaa havaittua muoto sopivan virtauksen leikkausnopeuden [10, 18]. Vaikka aikaisempi työ ei ole sisällyttänyt monimutkaisen tuma + sytoplasmaan + kalvo PMN rakennemallin [10, 15], keskittyä tämän työn on yleistetty interaktionaaliseen mallinnus solujen välillä virtaavassa järjestelmä, ja osoitus näissä malleissa on helpottaa käyttämällä kiinteä kokoonpanoissa. Melanoomasolu kykenee lähestymään ja vuorovaikutuksessa PMN täydellä kuuden asteen-of-vapauden (6DOF) liikettä. Selektiinit on laiminlyöty esillä malli, jotta keskittyä mekaniikka CAM-1 tarttumista.

Kaupalliset grid sukupolvi ohjelmisto on käytetty luomaan geometrisen mallin ja diskreetti tilavuus silmäkoko kokeellisen järjestelmän, mukaan lukien TC, PMN, ja lähellä seinää alue virtauskammion. In-house kehitetty CFD koodia mittalaitteilla kanssa tarttuvuus ja repulsiovoiman mallien mukaisella tavalla taustalla Navier-Stokes yhtälön diskretointi. Erityisesti nämä mallit ovat käytetään paikallisesti erillisiin solun pinnalla kasvot, jossa virtaus voimat johtuvat paineen ja leikkaus- käytetään myös.

Paperi on järjestetty seuraavasti: Ensinnäkin, malleja ja tarttumisen vastenmielisyys on esitetty joitakin yksityiskohta, painottaen niiden paikalliset, kolmiulotteinen, ja aika-riippuvuus. Mallit ovat sitten tarkistetaan niiden johdonmukaisuuden yhteydessä yleisen diskreetin CFD malli. Lopuksi useat 3D ohimenevä simulaatioita TC-PMN vuorovaikutuksia käyttämällä ehdotettua lokalisoitu biokemiallinen malli esitellään ja niistä keskustellaan.

Methods

biokemia rutiinit sisältävät sekä tarttumista malli, joka edustaa kyky molekyylien sidos ja noudattaa solut toisiinsa ja repulsio malli, joka edustaa mikrovillusten työntämällä solut erilleen ja muut ei-spesifinen vastenmielisyyttä ilmiöitä [19-21]. Nämä rutiinit tekevät mahdolliseksi ajaa virtauslaskennassa ohjelmisto, joka sisältää kolmiulotteinen vuorovaikutukset biologisten solujen [22]. Yksinkertaisuuden vuoksi lyhyt kuvaus kaikista symboleita käytetään tässä työssä on esitetty taulukossa 1.

Repulsion

repulsiovoiman, joka mallinnetaan epälineaarinen jousivoima, levitetään pinnalle kunkin solun melanoomasolujen lähestyy valkosolujen edustaa useita vastenmielinen voimien havaittu järjestelmässä. Cellular vastenmielisyys saattaa johtua monista syistä, mukaan lukien suolinukan työntämällä, sähköstaattinen vastenmielisyys, ja steerinen stabilointi [19-21]. Koska solut lähestyvät tietyllä kriittisen etäisyyden, he kokevat vastenmielinen voima määritellään (1), jossa

ja

b

ovat jousivakioita määräytyy empiiristen havaintojen ja

d

on erotusetäisyys solujen välillä. Arvot näitä kahta muuttujaa on käynnistetty

= -110 x 10

-6 N /m ja

b

= 600 x 10

6 N /m

3 säilyttää solun pinnalla erottamisen noin 0,3

μ

m; kuitenkin, nämä arvot on kalibroitu vastaamaan empiirisiä tuloksia tulevissa kokeilua. Kriittinen määrittämiseksi käytetty etäisyyden milloin niitä vastenmielinen voima perustuu keskimääräinen kesto suolinukan, joka on 0,5

μ

m ja neutrofiilien [5]. Tämä voima lasketaan sitten erikseen kunkin yksittäisen pinnan laskentaverkolla makaa solukalvon. Kasvot, jotka ovat lähes kontaktialueen kokee paljon enemmän repulsiovoiman kuin kasvoja takareunat, jotka eivät merkittävästi vuorovaikutuksessa vastakkaisen solun.

Jos haluat laskea vastenmielisyys, yksinkertainen tehtävä ensimmäinen lakaisee jokaisen kasvot koko verkkoon. Silmän pinnat, jotka vastaavat solun pinnan identifioidaan sitten. Koordinaatit tallennetaan sitten jokaisen kasvot solun pinnalla. Tällä hetkellä kuusi uudelleen määritellyt luetteloita painopisteen sijainti jokaisen kasvot melanoomasolulinjalla ja PMN, vastaavasti.

Seuraavaksi etäisyystiedot suoritetaan välillä centroids valtavaa määrää kasvot solulta 1 ja 2. tietyn pari pintoja, etäisyys lasketaan standardin etäisyys yhtälö: (2) B-

kriittisen etäisyyden yhteenlasketun summan pituudet mikrovillusten kahdesta solutyypeissä. Jos etäisyys on laskettu kahden erityisesti kasvot ja ne kasvot ovat etäisyydellä toisistaan ​​suurempi kuin kriittinen etäisyys, rutiini siirtyy toiselle pari pintoja, kun mitään toimia. Jos kaksi kasvot ovat lähestyneet toisiaan kriittisen etäisyyden, epälineaarinen jousen määritelty yhtälössä 1 voidaan määrätä, joka toimii vastakkaiseen suuntaan vektorin yhdistää niiden centroids. Tämän simulaatio, kriittinen etäisyys alustetaan kuten

ε

= 1,2

um

, vaan on kokeellisesti vahvistettu tai muutettu.

Tämä voima on sitten jaettu sen avaruudessa olevat osat ja summataan jokaisen eri kasvot melanooman solun koko vastenmielinen voima sen kaikista kasvoja PMN sisällä kriittisen etäisyyden. Kaikkiaan summa lasketaan myös siksi kuusi suurin komponenttien voima ja momentti, joka vaikuttaa TC ovat käytettävissä 6DOF ratkaisija. Kytkemään vastenmielisyys malli nesteen mekaniikka, voimat johtuvat vastenmielisyys käsitellään kehon voimat elinten kiinnostusta virtauskentästä. Siksi repulsiovoimia indusoi muutoksia elinten liikettä, sekä nesteen virtausta kenttään.

Adhesion

Perustuu toinen laki termodynamiikan ja tasapainon ehdot sitoutuneen ja sitoutumattoman molekyylit yhdistys korko,

k

on

, ja dissosiaationopeus,

k

pois

, on

β

-2-integriinien sitoutumisen ICAM-1 on määritelty [23, 24] (3) (4) B-

lokalisoitu sidoksen muodostumisen todennäköisyys lasketaan kullekin adheesiomolekyylillä syöpäsolun. Ensimmäistä iterointia Simulaatiossa biokemia rutiini ensin pyyhkäistä kaikki kasvot verkkoon, ja tallentaa luetteloita painopisteen koordinaatit ja pinta-ala kasvot syöpäsolun ja PMN, erikseen. Sen jälkeen lasketaan etäisyys kustakin kasvot syöpäsolun jokaiselle kasvot PMN. Jos tämä etäisyys kahden erityisesti kasvot on pienempi kuin kaksi kertaa kriittinen etäisyys

λ

[25], paikallinen sidoksen muodostumisnopeus,

k

on

, n adheesiomolekyylien välillä ne syöpäsolun kasvot oleville PMN kasvot lasketaan. Laskettaessa paikallinen

k

on

,

L

on alue PMN kasvot,

n

L

on määrä tiheys sitoutumattoman molekyylejä kasvoihin vain, ja

d

on paikallinen etäisyys, joka on juuri laskettu. Tässä mallissa oletetaan, että adheesiomolekyylien jakautuvat tasaisesti koko solun pinnalla. Käytämme myös olettama, Dembo et ai, 1988, että molekyylit on kiinnitetty tasossa solukalvon, ja ei voi diffundoitua sivusuunnassa koko kalvo [26]. Per Simon ja Green, 2005, voimme olettaa, että meidän aikajänteellä ovat tarpeeksi pieniä ohittaa kaikki soluvälitteistä muutoksia molekyylin ilmentyminen [27]. Koska jokainen molekyyli on paljon pienemmällä alueella mahdollisten sidoksen muodostumista, tämä paikallinen

k

on

on korjattava eräät tekijä niin, että keskimääräinen paikallinen

k

on

ja

k

on

lasketaan käyttäen hyväksyttyjä globaali menetelmän sama arvo. Jotta tämän laskemisen jälkeen paikallista arvoa

k

on

kaikkien meidän syöpäsolun kasvoja, kerromme jokainen paikallinen

k

on

mukaan (maailmanlaajuinen

k

on

) /(keskiarvo paikallinen

k

on

). (5) (6) (7), jossa

d

sentroidi

välinen etäisyys centroids on kaksi solua. Tämä korjaus säätää mallia käytettäväksi diskretoidaan pinnoilla.

Jokaista nollasta arvoon

k

on

, todennäköisyys sidoksen muodostumisen lasketaan [ ,,,0],28] 🙁 8) satunnaisluvun väliltä 0 ja 1 on sitten syntyy, joiden sidos on muodostettu jos arvo satunnaisluku on pienempi kuin

P

. Satunnaislukugeneraattori tekee tästä mallista todennäköinen. Jos käyttää useita kertoja, malli pitäisi saada samanlaisia ​​muttei identtisiä tuloksia. Tämä muotoilu valittiin tilille luontaista satunnaisuuden todellinen biologisessa järjestelmässä ja meidän kyvyttömyys deterministisesti määritellä käyttäytymistä molekyylien ehdottomalla varmuudella. Asiaankuuluvia tietoja muodostuneen sidoksen (tyypit molekyylejä, ja kohtaavat tietoja sekä syöpäsolun kasvot ja PMN kasvot, jotka on sidottu) kirjataan.

Kun kaikki mahdolliset joukkovelkakirjat on testattu sidoksen muodostumisen , voimat kustakin nykyisten side lasketaan. Tämä voima laskentamallit liimattu molekyylit lineaarinen jouset [5, 15], käyttäen: (9), jossa voima vaikuttaa pitkin vektorin yhdistävät centroids kahden liimattu kasvot. Spatiaalinen komponentit kunkin side voima lasketaan, ja koko voima ja vääntömomentti komponentit on lähtö 6DOF rutiinia. Tämä rutiini ottaa huomioon kaikki molekyylit jokaisella aika-askeleella toistamalla kunkin adheesiomolekyylillä syöpäsolun. Luetteloa, joka sisältää tietoa nykyisistä joukkovelkakirjoja kirjoitetaan ulos tiedostoon lopussa rutiinin. Kuten vastenmielisyys, voimien takia biokemiallisia tarttumista käsitellään kehon voimat elinten edun Täten voima on mitattavaa vaikutusta kehon liikkeet ja ympäröivän nesteen virtaus kenttä.

Jokaisella seuraavalla aika-askel, rutiini lukevat ensin luettelossa nykyisten joukkovelkakirjojen, ja laskea todennäköisyys kunkin joukkovelkakirjat rikkomatta, perustuu uuteen asennot sidottu kasvoja. Koska

k

pois

aina koskee yksittäistä sidosta ja pituus, joka side vain, olemassa laskenta voidaan käyttää [15] 🙁 10) missä

s

on lineaarinen jousivakio bond, laskemiseen käytetty bond voima, ja on määrä joukkovelkakirjalainan rikkoutumista tasapaino-olosuhteissa. Sama todennäköisyys mallia käytetään kuin sidoksen muodostumisen, ja satunnaislukugeneraattori määrittää sidos rikkoo tai pysyy. Joukkovelkakirjoja, jotka eivät hajoa (ts satunnaisluku oli suurempi kuin

P

sidoksen murtaminen) uudelleen tallennetaan luettelo nykyisistä joukkovelkakirjoja. Sieltä rutiini toistuu kuten aikaisemmin on kuvattu, jossa

k

on

laskettu kaikista jäljellä sitoutumattoman syöpäsolun adheesiomolekyylien. On tärkeää huomata, että sidos affiniteetti voidaan säätää vaihtelemalla arvot

s

ja

s

ts

, mikä muuttaa dissosiaatiovakio (). Tämä kyky muuttaa

K

d

on hyödyllistä, koska bond kantoja voidaan säätää keinona mallintaa paikallisia tai maailmanlaajuisia muutoksia veren kemiassa.

Fysiikka Coupling

Kun pyritään mallintamaan solu-vuorovaikutuksiin, eri fysiikka toimivat järjestelmä on mallinnettu ja kytkeä. Kytkimen avulla voidaan jakaa tietoa komponentin fyysisen järjestelmiä, jotka mahdollistavat päätöslauselman monimutkainen näiden fyysisten järjestelmien.

Tässä työssä, fysiikkaa kohteita ovat virtausdynamiikassa biokemiallisten ja jäykkä kehon dynamiikka. Koska lähes tasainen luonne ongelman (kuten käsitellään [10, 15, 29]) jäykän rungon liikettä valittiin kytkentämekanismi näiden dynaamisten järjestelmien [29].

Jäykän kappaleen dynamiikka voi kuvata jatkeena Newtonin toisen lain liikkeen, (11) (12) missä

x

i

on lineaarinen siirtymä vektorin

i

th

suuntaan,

θ

i

on kulmasiirtymän vektori akselin suuntainen

i

th

pääakselin ja kulkee kehon painopisteen,

F

i

on summa kaikkien kohdistuvat voimat painopisteen

i

th

suuntaan,

T

i

on vääntömomentin painopisteen akselin suuntainen

i

th

pääakselin ja kulkee kehon painopisteen,

m

on massa kehon, ja

I

on pääasiallinen hitausmomentti vastaa

i

th

pääakselin.

Kun summa voimat ja momentit toimivat elin on laskettu kaavojen 11 ja 12 voidaan käyttää laskea liikkeen kehon. Laskettu liike käytetään sitten päivittää asema ja nopeus kehon ja päivittää CFD ratkaisija n reunaehdot. On huomattava, että esillä olevassa työssä, PMN oletetaan olevan jäykkiä ja kiinnitetty alustaan. Näin ollen summa voimat ja momentit vaikuttavat PMN on määritelty olevan identtisesti nolla, vastaavasti. Lisäksi TC käsitellään jäykkä pallo jatkuvasti ja yhtenäinen tiheys, mikä mahdollistaa massan ja pääasiallinen hitausmomentti löytyvät käyttäen tunnettuja geometrisia ominaisuuksia.

TC-PMN vuorovaikutus ongelma, liikkeen melanooma solu aiheuttaa voimien takia hydrodynamics ja voimia biokemiallisten vuorovaikutusten. Siksi voimat johtuen nämä fyysiset järjestelmät on laskettava.

yhteydessä diskretoidaan pinnan, voimat ja momentit vuoksi hydrodynamiikkaa toimiva elin, annetaan liuoksen virtausta kentän, voidaan laskea kuten (13) (14) missä on yksikkö normaalin

j

th

kasvot rungossa,

r

nestettä

on napavektoriinsa kasvoista

j

sen painopisteen kehon ja

δ

ij

on Kronecker delta.

Samoin voimat ja momentit johtuen biokemiallisia tartunta löytyy osana diskretoidaan pinnan. Suunnilleen joukkovelkakirjoja käyttäytyä Hookean jousien avulla voimat ja momentit toimia kehon ilmaistava (15) (16) (17) missä

s

on jousivakio,

d

sanoen välinen etäisyys kahden molekyylin, on yksikkö normaalia pitkin

i

th

koordinoida akseli,

r

bond

on napavektoriinsa kasvoista sisälsi

j

th

sidoksen painopisteen kehon, ja on yksikkö normaalia pitkin linjaa toiminnan

j

th

side.

Lisäksi voimat ja momentit johtuu solun vastenmielisyys on laskettava. Käyttämällä Eq 1, voimme ilmaista vastenmielisyys kuin (18) (19) (20) (21) missä

ja

b

ovat jousivakioita edustavat voimia johtuen eri vastenmielinen ilmiöitä aiemmin mainittu,

d

on etäisyys toiminto arvioitiin kahden pinnan välisestä,

r

rep

on säde vektori laskennallisen kasvot painopisteessä sen ruumiin, ja on yksikkö normaali vektorin pitkin toimintalinja kahden laskennallisen kasvot. Sillä TC-PMN solujen parien simuloidaan tässä asiakirjassa, jousi vakiot on asetettu

= -110 x 10

-6N /m ja

b

= 600 × 10

6 N /m

3 ylläpitämiseksi pidetään vähintään 0,3

μ

m. Tässä työssä, vastenmielinen voima lasketaan ja levitetään etäisyydet alle

ε

= 1,2

μ

m.

Siksi kokonaismäärän voimat ja momentit toimivat at kehon painopisteen lasketaan kuten (22) (23) Näitä vektoreita voidaan sitten jakaa komponentteja ja käytetään ratkaisemaan kaavat 11 ja 12.

Computational tarkastaminen

MATLAB koodit tartunta laskelmien luotiin kehittämisen aikana tarttumista mallin. MATLAB käytettiin ennen toteutuksen tarttumista simuloi aiottua laskelmia ilman läsnäoloa mesh tai nestettä. Tätä käytettiin jatkuvuuden varmistamiseksi määritellään tiedostossa, alustukset ja sopimuksia. MATLAB käytettiin myöhemmin eristämään aktiivisuuden tarttuvuus mallin ja varmista asianmukainen käyttäytyminen sisällä NPHASE, in-house kehitetty CFD koodia käytetään aikaisemman työn [10].

Voit testata kykyä tarttumista mallia laskeakseen etäisyydet pintojen välillä, kaksi luetteloa, joista toinen edustaa kunkin solun, luotiin, joka sisältää kahdeksan painopisteen paikkoja rinnakkain suorakaiteen tasopinnat, kuten on esitetty kuviossa 2. perusteella molekyylin tiheys ja kasvojen alueella, koodi lasketaan molekyylien lukumäärä, joka olisi kummallakin pinnalla. Sen jälkeen laskettiin välisen etäisyyden kaikki mahdolliset pari pintoja, ja tuotti 8×8 matriisin etäisyysarvoilla. Mistään etäisyys pienempi kuin kriittinen tarttuvuus etäisyyttä,

ε

, arvo

k

on

laskettiin samoin. Arvot

k

on

tallentuvat myös 8×8 matriisi, ja jos kaksi kasvot vastaa asema tässä matriisissa ovat kauempana toisistaan ​​kuin kriittinen tarttuvuus etäisyys, että

k

on

arvo tallennetaan nolla. Joka kerta nollasta arvo

k

on

lasketaan, se lisätään summa

k

on

arvot lasketaan siten, että keskimääräinen voidaan verrata ”globaali” kosketuspinta leveä vastinetta

k

on

. Suhde keskimääräisen paikallisen

k

on

ja kontaktipinta globaali

k

on

käytetään korjaamaan jokaisen paikallinen arvo, niin että maailmanlaajuinen arvo muuttuu keskimääräinen paikallinen arvo.

Tämä yksinkertaistettu versio mesh käytettiin ajaa Adhesion mallin kautta MATLAB ilman tuloon yksityiskohtaisempaan geometriseen silmäkoko käyttämän NPHASE.

seuraava vaihe rakentamisen MATLAB malli oli tuottaa joukkovelkakirjoja. Sijaan käyttämällä todennäköisyys toimintoa satunnaislukugeneraattori, tämä vaihe malli oli tarkistaa, mitkä molekyylit olivat annettiin side. Siksi, jos arvo on

k

on

laskettiin (eli jos kaksi sivua olivat kriittisessä tartunta etäisyydellä toisistaan), todennäköisyys sidoksen muodostuminen oli asetettu

P

= 1, tai toisin sanoen, on olemassa 100% mahdollisuus, että side muodostaa jokaisen saatavilla molekyylin kasvoihin. Tämä tehtiin, jotta voitaisiin määrittää, onko laskettu lukumäärä molekyyliä kasvot oli oikeastaan ​​määrän rajoittamista joukkovelkakirjoja, jotka voisivat muodostaa. Alkuperäinen muotoilu tarttumista mallin ansiosta molekyylien PMN on rajaton, ja molekyylien lukumäärä vaikuttaisivat sidoksen muodostumisnopeus mutta ei estäisi enemmän sidoksia muodostaen kuin oli molekyylejä käytettävissä. Tämän korjaamiseksi, uusi lista luotiin seurata määrän sitoutumattoman molekyylien PMN kasvot, ja tätä arvoa käytettiin muuttaa

k

on

arvosta ICAM-1 enemmän sidoksia muodostui.

sama asia täytyi käsiteltävä melanoomasolulinjalla. Koska PMN on nykyään saavat ilmaista kaksi adheesiomolekyylien (LFA-1 ja Mac-1), algoritmi on varmistettava, että yksittäisen molekyylin melanoomasolulinjalla muodostaisivat useita sidoksia yhdellä ajankohtana. Tämänhetkisen muotoiluun rutiini, mukaan lukien muutoksista PMN adheesiomolekyylien tehty edellisessä vaiheessa, jokainen molekyyli joko solu tullaan käyttämään enintään kerran

molekyyliä kohti-tyyppinen pari

. Koska ICAM-1-molekyylit pidetään kahdesti, ja koska kyky olla vuorovaikutuksessa joko LFA-1 tai Mac-1, jokainen heistä oli kyky muodostaa enintään kaksi joukkovelkakirjoja.

Tämän kysymyksen, koko rutiini oli käsitti kahden yleistä silmukkaa, jossa aiemmin oli ollut yksi. Kun rutiini rakennettiin ensin, silmukka yksi iteraatio molekyyliä kohti-pair-tyyppinen kontrolloi koko tartunta malli ja biokemian laskelmat toistettiin mahdollisen molekyylin parit. Tässä simuloinnissa, oli kaksi toistojen silmukan, yhden ICAM-1 LFA-1 liimaus ja yksi ICAM-1 Mac-1 liimaus. Tulee nyt kaksi silmukkaa, joka on iteraatio jokaisen molekyylin kasvainsolu (tässä tapauksessa, on vain yksi, mutta malli on oltava riittävän vahva mukautua eri solutyyppiä, joka on määritelty, jossa on useita relevantti adheesiomolekyylien), ja joka on iterointi jokaisen molekyylin PMN (tässä tapauksessa on kaksi).

edellinen vaihe loi perustan mallin mukautua kasvainsolu millä tahansa määrä molekyylin tyyppejä pinnalla, eikä nykyinen malli, jossa on vain yksi. Kuitenkin, jos toinen molekyyli tyyppi olivat läsnä kasvainsolun, se mahdollistaisi samaa kysymystä kaksinkertaisen laskennan molekyylejä, joka oli juuri korjattiin PMN adheesiomolekyylien.

Voit korjata ongelman, ja täydentää kestävyydestä rutiini pystyä tarkasti laskea vuorovaikutukset tahansa määrän molekyylin tyyppejä, luettelot, jotka oli jo määritelty seurata käytettävissä molekyylejä kummallakin pinnalla muutettiin sisältämään kaksi arvoa. Kaksi erillistä indeksit, joista toinen edustaa kasvot solun pinnalla (kuten edellä) ja yksi edustaa molekyylin tyyppi, määrätä kannasta 2-ulotteinen listan, johon tietoja saatavissa molekyylejä on tallennettu. Joka kerta sidos muodoissa yksi käytettävissä molekyyli vähennetään kustakin mukana kasvoja. Näiden 2-ulotteinen luetteloita, ohjaa yleistä silmukat rutiini, koskevat tiedot sitoutumattoman molekyylit säilyvät, kaikissa toistojen molekyylin tyypit ja kasvot viittauksia.

Olemassa olevalla arvot parametrien solujen pinnalla koskaan saa tarpeeksi lähellä joukkovelkakirjojen muodostaa. Pituus suolinukan, joka sanelee, kuinka lähelle solujen pinnalla voi lähestyä toisiaan ennen kasvun estoon repulsiovoimia, on kertaluokkaa suurempi kuin pituus adheesiomolekyylien, joka sanelee, kuinka lähellä solun pintojen on lähestyvät toisiaan ennen liimausta otetaan huomioon. Korjaamiseksi tämän vaikutuksen ja mahdollistaa leviämistä sidoksen muodostumisen välillä solujen kriittinen tartunta etäisyyttä muutetaan olevan todellinen kriittinen tartunta etäisyys plus kriittisen vastenmielisyys etäisyyttä. Tämä formulaatio oletetaan, että kaikki adheesiomolekyylien kaikilla puolilla solun pinnalla sijaitsevat täysin laajennettu kärjet mikrovillusten. Kokeellinen vahvistus tarvitaan, onko tämän muotoilun, vaikka fyysisesti epätarkkoja, edustaa todellista käyttäytymistä adheesiomolekyylien. Muussa tapauksessa jotkin muut muutokset voidaan tarvita, jotta sitoutumisen kahden solujen.

Tulokset

Tässä tutkimuksessa mallinnetaan törmäys ja tarttumista vuorovaikutukset PMN ja melanooma solujen yhteydessä täysin 3D Simulaatiopalvelut. Tässä osassa käsittelemme toteuttamisesta saadut tulokset ehdotetusta malleja osaksi 3D CFD ratkaisija käyttäen edustavaa geometrioita PMN ja melanoomasolujen [18].

Malli Ongelma ja laskennallisen Toteutus

Kuten aiemmin mainittiin tämä tutkimus malleja kasvainsolun aggregaatiota valkosolujen on lähellä seinää alue tietyin virtauksen olosuhteissa. Yleisessä mielessä tämä ongelma lähestytään kaksi jäykän kappaleen virtauskenttänä.