Виртуальный ты. Как создание цифровых близнецов изменит будущее человечества

Хотя мы все еще работаем над высокоточным описанием виртуальных клеток человека, значительный прогресс был достигнут на других уровнях описания, которые, как предположил Эйнштейн, а также Нобл, Нерс и другие, столь же достоверны. Описания более высокого уровня необходимы, чтобы понять защитные силы организма, которые варьируются от ушной серы, слез и кожи до множества клеток (таких, как Т-клетки, упомянутые ранее) и бесконечного числа факторов, от антител до хемокинов и гистамина. Это в первую очередь иммунная система, и за последние три десятилетия предпринимались попытки создать ее виртуальную версию, не в последнюю очередь модели Т-клеток, которые мы упоминали ранее[383].

В 2022 г. эти усилия получили толчок после новостей о том, что исследователи создали первую карту сети связей, составляющих иммунную систему человека, показывающую, как иммунные клетки общаются друг с другом. Исследование, проведенное Институтом Уэллкома Сэнгера недалеко от Кембриджа, Англия, подробно описывает, как исследователи выделили почти полный набор поверхностных белков, которые физически связывают иммунные клетки, а затем использовали вычислительный и математический анализ для создания карты, показывающей типы клеток, посланников и относительную скорость каждого «разговора» между иммунными клетками. С помощью этой карты можно отслеживать влияние различных заболеваний на всю иммунную систему, чтобы, например, помочь в разработке новых методов лечения, которые смогут воздействовать на защитные механизмы организма[384].

Агентные модели

Для моделирования взаимодействия клеток часто используется другой вид моделирования, так называемая агентная модель. Вы можете думать о каждом агенте как о независимой программе, которая может решать собственную судьбу, подобно отдельным клеткам иммунной системы. Агентные модели могут, например, моделировать взаимодействия между клетками в базовых состояниях (после подтверждения экспериментами) для разрешения спорных вопросов или моделирования эмерджентных свойств.

Одним из примеров их использования является изучение степени влияния Т-клеток друг на друга по сравнению со столкновением с инфицированными клетками. Используя этот подход, одно исследование, проведенное группой из Института Пастера в Париже и Университета Лидса, показало, что Т-клетки сначала должны быть активированы пороговым количеством – 85 клеток – другого типа иммунных клеток, так называемых дендритных клеток[385]. Предполагается, что этот порог является защитным механизмом против нежелательных иммунных реакций.

Другая модель, основанная на агентах, использовалась для изучения сепсиса, когда иммунная система выходит из-под контроля[386]. Модель предполагала, что настоящая «точная медицина» потребует лечения, позволяющего адаптировать иммунную систему на основе индивидуальной реакции каждого пациента. Исследователи пришли к выводу, что компьютерное моделирование необходимо для разработки эффективных лекарств от сепсиса.

Многие особенности организма можно понять, изучив, как клетки движутся, растут, делятся, взаимодействуют и умирают. Чтобы моделировать как микроокружение («сцену»), так и все взаимодействующие клетки («актеров»), Ахмадреза Гаффаризаде, Пол Маклин и их коллеги из Университета Индианы создали PhysiCell, агентный симулятор поведения клеток в трех измерениях с открытым исходным кодом[387]. На настольных рабочих станциях возможно моделирование от 500 000 до 1 000 000 клеток, а при использовании высокопроизводительного компьютера – гораздо больше[388].

PhysiCell можно использовать, например, для изучения сложных клеточных взаимодействий, которые способствуют росту и распространению опухолей, или для оттачивания иммунотерапии рака – многообещающего, но ненадежного лечения, которое перестраивает иммунную систему на уничтожение раковых клеток. С помощью двух подходов – генетических алгоритмов, использующих эволюцию для поиска возможных решений проблемы, и активного обучения, разновидности машинного обучения – на Cray XE6 Beagle в Аргоннской национальной лаборатории была запущена модель PhysiCell для выявления факторов, которые лучше всего контролируют или уничтожают моделируемые раковые клетки[389][390].

Совсем недавно Маклин, Майкл Гетц и коллеги возглавили междисциплинарную коалицию вирусологов, иммунологов и специалистов по моделированию с целью создания модели врожденного и адаптивного иммунного ответа на инфекцию SARS-CoV-2, показывающей течение инфекции: от повреждения тканей и воспаления до экспансии Т-клеток, выработки антител и восстановления[391]. Эта иммунная модель впоследствии была адаптирована для создания нового поколения моделей взаимодействия опухоли и иммунитета для моделирования цифровых двойников микрометастазов – отколовшихся раковых клеток, способных развиться в опасные вторичные опухоли[392].