КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер 18-11-00171

НазваниеМатематические и численные методы многомасштабного и гибридного моделирования иммунных процессов

РуководительБочаров Геннадий Алексеевич, Доктор физико-математических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки Институт вычислительной математики им. Г.И. Марчука Российской академии наук, г Москва

Период выполнения при поддержке РНФ 2021 г. - 2022 г. 

Конкурс Конкурс на продление сроков выполнения проектов, поддержанных грантами Российского научного фонда по приоритетному направлению деятельности Российского научного фонда «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами» (28).

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах, 01-205 - Математические модели в науках о живом

Ключевые словаматематическая иммунология, многомасштабное моделирование, гибридные модели, идентификация систем, пространственно-временная динамика, иммунная система, регуляторные сети, вирусные инфекции

Код ГРНТИ27.35.43


СтатусУспешно завершен


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Аннотация
Защита организмов человека и животных от инфекций различной природы выполняется иммунной системой. Развитие иммунных реакций в ответ на появление чужеродных антигенов имеет пространственно распределённый характер, и определятся совокупностью процессов разнообразной физической природы на молекулярном, внутриклеточном, тканевом и организменном масштабах организации. Интенсивное развитие экспериментальных методов измерения и визуализации иммунных процессов различного пространственно-временного масштаба и сложности, имеющее место в последнее десятилетие, предоставило беспрецедентные возможности для изучения поведения иммунной системы при инфекционных заболеваниях и лечебных воздействиях, включая введение вакцин. Это убедительно демонстрируют исследования таких заболеваний человека как ВИЧ-1 (Samuel et al., Evolution and Diversity of Immune Responses during Acute HIV Infection. Immunity, 2020, 10.1016/j.immuni.2020.10.015) и новая коронавирусная инфекция, вызванная SARS-CoV-2 (Mathew et al., Deep immune profiling of COVID-19 patients reveals distinct immunotypes with therapeutic implications. Science, 2020, 10.1126/science.abc8511). Фундаментальной проблемой стоящей перед исследователями в области математической иммунологии являются задачи усвоения данных (весьма дорогостоящих с точки зрения их получения), корректной идентификации и структуризации траекторий динамики инфекционных процессов в организме и построения прогностических сценариев развития заболеваний. Для их решения необходима интеграция аналитических средств прикладной математики, системного анализа и информатики с экспериментальными и клиническими исследованиями (Grossman, Immunological Paradigms, Mechanisms, and Models: Conceptual Understanding Is a Prerequisite to Effective Modeling. Front Immunol. 2019, 10.3389/fimmu.2019.02522, Sego et al., A modular framework for multiscale, multicellular, spatiotemporal modeling of acute primary viral infection and immune response in epithelial tissues and its application to drug therapy timing and effectiveness. bioRxiv [Preprint], 2020 10.1101/2020.04.27.064139). Handel et al., Simulation modelling for immunologists. Nat. Rev. Immunol. 2020, 10.1038/s41577-019-0235-3). Идентификация многомасштабных моделей инфекционных заболеваний позволит реализовать более полноценное использование данных мульти-физических измерений для извлечения информации и получения знаний об иммунных процессах. Целью данного проекта является разработка эффективных математических и численных методов для калибровки и идентификации многомасштабных и гибридных моделей иммунных процессов по мульти-физическим данным разнообразной математической природы (числовые и категориальные данные, временные ряды и многомерные функции отклика, абсолютные и относительные параметры активности) и характеризующихся различными вероятностными распределениями. Для этого будут проведены исследования по (1) реализации байесовского подхода к оцениванию параметров моделей с большой размерностью пространства признаков, (2) аппроксимации механизменных мульти-физических моделей иммунных процессов нейросетевыми имитационными моделями в задачах исследования чувствительности и обратных задачах, (3) разработке полномасштабных моделей ВИЧ-1 инфекции, инфекции человека вирусом SARS-CoV-2 и экспериментальной инфекции вирусами лимфоцитарного хориоменингита (ВЛХМ). Модели будут содержать описание процессов развития фиброзной соединительной ткани в лимфатических узлах и легких, соответственно, которые вызывают дисфункцию иммунной системы и органов. Данные модели патологических процессов будут интегрированы в развиваемую нами среду моделирования Composite Mathematical Immunology. Разработка эффективной вычислительной методологии решения обратных задач многомасштабного и гибридного моделирования на основе массивов неоднородных данных мультифизической природы является актуальной и мало исследованной проблемой. Начальные исследования в данной области изложены в работе Joslyn et al., CaliPro: A Calibration Protocol That Utilizes Parameter Density Estimation to Explore Parameter Space and Calibrate Complex Biological Models. Cel. Mol. Bioeng. 2020, 10.1007/s12195-020-00650-z. Развитие новых подходов к идентификации моделей на основе характеристик и метрик информационно-теоретической сложности (например, расстояние Кульбака-Лейблера, «длина описания» процесса, информационная метрика Фишера) для гибридных моделей с мульти-физической параметризацией и нейросетевых модулей типа «вход-выход», с применением современных технологий высокопроизводительных вычислений является новым направлением математической и вычислительной иммунологии. Исследования по проекту будут направлены на создание нового класса прогностических математических моделей динамики иммунного ответа при инфекционных заболеваниях с учетом процессов развития фиброза. Идентифицированные и валидированные математические модели будут служить вычислительной платформой для поиска ортогональных (независимых) мишеней для многокомпонентных терапевтических воздействий.

Ожидаемые результаты
Данный проект направлен на разработку математических методов и численных алгоритмов решения обратных задач многомасштабного и гибридного моделирования иммунных процессов при инфекционных заболеваниях многофакторной природы человека и экспериментальных животных. Восстановление поврежденных органов после острых и в ходе хронических инфекционных заболеваний связано с процессами регенерации, характеризующейся образованием фиброзной соединительной ткани как части внеклеточного матрикса. При тяжелых или хронических инфекциях имеет место избыточное накопление коллагена и фибронектина, что приводит к изменению архитектуры органа-мишени, его дисфункции и даже гибели. С развитием фиброза связывают до 45% смертельных заболеваний в развитых странах (Henderson et al., Fibrosis: from mechanisms to medicines. Nature. 2020, 10.1038/s41586-020-2938-9). Необходимость применения математических и вычислительных моделей для решения задач прямого моделирования фиброза при туберкулезе и других заболеваниях легких обозначена как актуальная задача математической физиологии (Leonard-Duke et al., Multi-scale models of lung fibrosis. Matrix Biol. 2020, 10.1016/j.matbio.2020.04.003). Следовательно, построение и идентификация математических моделей иммунных реакций с учетом образования фиброзной соединительной ткани является важной новой задачей математической иммунологии. Современный этап экспериментального и клинического исследования механизмов противовирусной защиты и развития патологических изменений в органах-мишенях отличается интенсивным накоплением мульти-физических данных разнообразной математической природы (числовые и категориальные данные, временные ряды и многомерные функции отклика, абсолютные и относительные параметры активности). Эти данные (затратные с точки зрения их получения по времени и стоимости) отражают изменение активности генов, эволюцию антиген-специфической и фенотипической структуры иммунных реакций, пространственной организации лимфоидных и других органов тела человека и животных. Однако вопросы, связанные с идентификацией оптимальной структуры математических моделей, в частности, многомасштабных и гибридных, по реальным мульти-физическим данным остаются вне фокуса исследователей. В результате реализации данного проекта будут разработаны эффективные математические и численные методов для решения задача калибровки и идентификации многомасштабных и гибридных моделей иммунных процессов по мульти-физическим данным разнообразной математической природы (числовые и категориальные данные, временные ряды и многомерные функции отклика, абсолютные и относительные параметры активности клеток, пространственные распределения), характеризующихся различными вероятностными моделями. Методология решения обратных задач этого класса по данным характеризующимся различными вероятностными распределениями и физической природой в настоящее время отсутствует. Их решение позволит идентифицировать полномасштабные модели ВИЧ-1 инфекции, инфекции человека вирусом SARS-CoV2 и экспериментальной инфекции вирусами лимфоцитарного хориоменингита (ВЛХМ), с описыванием развития фиброзной соединительной ткани в лимфатических узлах и легких, соответственно, и вызывающей дисфункцию иммунной системы и органов. Разрабатываемые модели вирусных заболеваний ВИЧ, COVID-19 и экспериментальных систем инфекции ВЛХМ у животных будут интегрированы в развиваемую нами среду моделирования Composite Mathematical Immunology. Её использование позволит существенно сократить время, необходимое для изучения, освоения и практического применения верифицированных математических моделей и методов, актуальных для задач моделирования динамки инфекционных заболеваний в организме хозяина, различными исследователями. Развитие новых подходов к идентификации моделей на основе характеристик и метрик информационно-теоретической сложности (например, расстояние Кульбака-Лейблера, «длина описания» процесса, информационная метрика Фишера) для гибридных моделей с мульти-физической параметризацией и нейросетевых модулей типа «вход-выход», с применением современных технологий высокопроизводительных вычислений сформирует более адекватные задачам системной иммунологии стандарты и методологию прямого и обратного математического и вычислительного моделирования. Идентификация полномасштабных моделей заболеваний позволит реализовать более полноценное использование данных мульти-физических измерений для извлечения информации и получения знаний об иммунных процессах. Исследования по проекту создадут новый класс прогностических математических моделей динамики иммунного ответа при инфекционных заболеваниях человека (ВИЧ-1, SARS-CoV-2) и экспериментальных животных (LCMV), с учетом процессов развития фиброза. Идентифицированные и валидированные математические модели будут служить вычислительным инструментом для поиска независимых мишеней для многокомпонентных терапевтических воздействий.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2021 году
Защита человека и животных от вирусных инфекций определятся развитием реакций иммунной системы, включающих в себя совокупность пространственно-распределённых физических, биохимических и физиологических процессов. Математическое описание, анализ и прогнозирование отклика иммунной системы на антигенные возмущения является задачей математической иммунологии. Целью данного проекта является развитие методов многомасштабного и гибридного моделирования и идентификации для моделей иммунологии на основе систем с распределёнными параметрами. В отчетом году нами были разработаны новые классы математических моделей иммунных процессов и методы их компьютерной реализации с целью анализа закономерностей иммунного реагирования на вирусные инфекции. Разработана и программно реализована пространственно-распределенная мульти-физическая модель экспериментальной инфекции мышей вирусами лимфоцитарного хориоменингита (ВЛХМ). Модель содержит мультикомпартментное описание динамики инфекции ВЛХМ и иммунного ответа в селезенке, крови и печени. Выполнено расширение модели путем перехода к системе уравнений реакции-диффузии в основном органе (компартменте), в котором развиваются инфекция и иммунный ответ, - селезенке. Разработанная мультифизическая модель учитывает диффузию вирусных частиц и CD8+ Т-клеток в органе, их транспорт через границу расчетной области (представляющей кровеносные сосуды) из селезенки в кровь и обратно, а также циркуляцию вирионов и CD8+ Т-лимфоцитов между компартментами (органами). Для численной реализации модели построен алгоритм на основе метода конечных элементов для аппроксимации пространственных процессов в сочетании с методом шагов и методом Кранка-Николсона. С помощью модели исследовано влияние фиброза, опосредованное через изменение коэффициентов диффузии клеток и вирионов, на развитие инфекционного процесса. Был выполнен систематический анализ анатомических данных по лимфатической системе у мышей и математических моделей, описывающих транспортные процессы в лимфатической системе. Впервые был построен полный граф системы лимфатических узлов мыши, содержащий 28 узлов (их общее число может достигать 36). Получены экспериментальные данные по различным вариантам динамики инфекции мышей ВЛХМ для моделирования механизмов возникновения хронических вариантов динамики инфекции и фиброза. Это данные составляют основу для калибровки развиваемых в проекте многомасштабных моделей и включат в себя (1) экспрессию генов IFNb1 и уровня макрофагов маргинальной зоны лимфоидных органов при острых и хронических вариантах инфекции ВЛХМ, (2) кинетику дендритных клеток (SIRPa+, XCR1+) и CD8+ Т-лимфоцитов при хронической инфекции и при анти-PD-L1 терапии и (3) изменение уровня маркеров фиброза в органах при острой и хронической инфекции. Разработана математическая модель иммунных процессов в лимфоидных тканях в виде системы с распределенными параметрами (трехмерное пространство информативных признаков) на основе реакционно-диффузионных уравнений. Уравнения модели описывают развитие В-клеточного иммунного ответа на вирусную инфекцию с учетом пространственной локализации и двух фенотипических признаков, характеризующих антигенные свойства вирусов – генотип и специфичность В-клеточных рецепторов – аффинитет. Одно из диффузионных слагаемых описывает изменение аффинитета антиген-специфических рецепторов В-лимфоцитов на основе механизма соматических гипермутаций. Уравнения модели также содержат нелинейные слагаемые в правых частях, описывающие нелокальные взаимодействия в пространстве признаков. Были получены достаточные условия существования стационарных решений для частных случаев модели для различных вариантов выбора функций, описывающих конкурентные взаимоотношения клонов лимфоцитов и нелинейную регуляцию иммунного ответа, в зависимости от величины вирусной нагрузки. Были изучены режимы динамики конкурентного исключения антиген-специфичных клонов со сменой характера иммунодоминантности, характеризующиеся наличием быстрых и медленных изменений. Данные результаты будут использоваться на втором этапе для исследования закономерностей ускользания от иммунного контроля ВИЧ-1 и SARS-CoV-2. Найдена явная формула для закона распределения численности вирусных частиц W(τ), произведенных одной продуктивно-инфицированной клеткой I в процессе ее перемещения между двумя лимфоузлами, и доживших до завершения перемещения. Для построения закона распределения случайной величины W(τ) использованы методы теории ветвящихся случайных процессов с двумя типами частиц. Была разработана математическая модель дренажной функции лимфатического узла на основе нейронных сетей. Для описания движения лимфы использовалась мульти-физическая модель на основе закона Дарси-Бринкмана и уравнения Старлинга в эквивалентном представлении решения краевой задачи через интегралы по границе области на основе метода граничных интегральных уравнений. Данная физическая модель использовалась для генерации обучающей выборки с целью дальнейшего определения взаимосвязи между геометрией и параметрами проводимости структурных компонент и входными/выходными свойствами лимфотока на основе методов машинного обучения. Была идентифицирована нейронная сеть, с сигмоидной функцией активации, содержащая один скрытый слой, позволяющая по шести входным параметрам предсказывать значения двух выходных переменных (величины выходного потока лимфы и давления в афферентном сосуде). Вычисление характеристик дренажной функции лимфатического узла с помощью обученной нейросетевой модели требует примерно на три порядка меньше расчетного времени, по сравнению с вычисление характеристик потока с помощью мультифизической модели на основе интегральных уравнений. Разработана и калибрована модель пространственной миграции клеток иммунной системы с учетом их морфологии на основе клеточных автоматов. В данной модели индивидуальной клеточной динамики клетки представлены группами вокселей, формирующих тело клетки. При движении, для тела клетки обеспечивается выполнение двух условия: деформация тела не может приводить к разделению группы на несколько несвязанных подгрупп (связность); внутри тела клетки не могут находиться воксели, не принадлежащие самой клетке. Для всех клеток определен исчерпывающий набор из 84388 шаблонов, допускающих занятие свободных от прочих тел вокселей на границе с клеткой (приращение тела клетки) и столько же шаблонов, допускающих освобождение вокселей (редукцию тела клетки), принадлежащих телу клетки и контактирующих с вокселями, не принадлежащими телу клетки. Разработан алгоритм, выполняющий соответствующий набор операций на языке C++ с использованием среды разработки Microsoft Visual Studio Code. Для повышения скорости реализации расчетов зависимости времени поиска клетки-мишени клетками иммунной системы в зависимости от расстояния до неё была построена модель на основе нейронной сети с одним скрытым слоем с использованием линейной функции активации и симметричной сигмоидальной функции активации. С помощью математической модели противовирусного иммунного ответа Марчука-Петрова показан мультипликативный характер взаимодействия двух основных элементов защиты от вирусной инфекции - антител и CD8+ Т-лимфоцитов. Это означает, что их протективные эффекты умножаются друг на друга и возможно достижение вызываемых вакцинами защитного иммунного ответа путем одновременной активации двух компонентов иммунитета до более низких уровней, чем в случае активации только одного из элементов защиты. Полученные оценки проверялись для параметров инфекции вирусами гепатита В и гриппа и верифицировались по экспериментальным данным инфекции вирусами иммунодефицита обезьян. Таким образом, показана возможность использования мультипликативного характера взаимодействия гуморального и CD8+ T-клеточного звеньев иммунитета при разработке вакцин для снижения пороговых значений иммунитета необходимых для обеспечения устойчивости положения равновесия, отвечающего неинфицированному состоянию. Разработана стохастическая модель внутриклеточной репликации вирусов иммунодефицита человека (ВИЧ-1) в зараженной клетке на основе Марковских цепей. С её помощью определены уникальные характеристики изменчивости процесса заражения и продукции вирусов. Модель подготовлена для интеграции в среду моделирования Composite Mathematical Immunology. Была выполнена интеграция в проблемно-ориентированную среду моделирования Composite Mathematical Immunology следующих из разработанных моделей: нейросетевой модели дренажной функции лимфатического узла и модели индивидуальной миграции клеток с переменной морфологией. Некоторые результаты исследований были опубликованы в профильных журналах Q1 и, частично, отражены в пресс релизах центральных информационных агенств. https://rscf.ru/news/release/matematicheskaya-model/ https://scientificrussia.ru/articles/matematiceskaa-model-pomozet-sozdavat-effektivnye-vakciny-rabotausie-na-dva-fronta https://sdelanounas.ru/blogs/143719/ https://nauka.tass.ru/nauka/12568799 https://habr.com/ru/news/t/581778/ https://www.gazeta.ru/science/news/2021/10/04/n_16636315.shtml https://woman.rambler.ru/health/47322353-matematicheskaya-model-podskazala-kak-usilit-deystvie-protivovirusnyh-vaktsin/ https://xn--80afdrjqf7b.xn--p1ai/news/8268/?utm_source=yxnews&utm_medium=desktop https://mockva.ru/2021/10/04/331338.html https://inscience.news/ru/article/russianscience/7674?utm_source=yxnews&utm_medium=desktop

 

Публикации

1. Бочаров Г.А., Гребенников Д.С., Аргилагет Ж., Майерханс А.Ф Examining the cooperativity mode of antibody and CD8+ T cell immune responses for vaccinology Trends in Immunology (Cell Press), 42(10):852-855 (год публикации - 2021) https://doi.org/10.1016/j.it.2021.08.003

2. Перцев Н.В., Топчий В.А., Логинов К.К. Numerical modelling of the transition of infected cells and virions between two lymph nodes in a stochastic model of HIV-1 infection Russian Journal of Numerical Analysis and Mathematical Modelling, 36, 5, 293–302 (год публикации - 2021) https://doi.org/10.1515/rnam-2021-0024

3. Сазонов И.А., Гребенников Д.С., Майерханс А.Ф., Бочаров Г.А. Markov Chain-Based Stochastic Modelling of HIV-1 Life Cycle in a CD4 T Cell Mathematics (MDPI), 9, 2025: 1-19 (год публикации - 2021) https://doi.org/10.3390/math9172025

4. Третьякова Р.М., Сетуха А.В., Савинков Р.С., Гребенников Д.С., Бочаров Г.А. Mathematical Modeling of Lymph Node Drainage Function by Neural Network Mathematics (MDPI), 9(23):3093 (год публикации - 2021) https://doi.org/10.3390/math9233093

5. - Ученые создали математическую модель для разработки более эффективных вакцин ТАСС-НАУКА, 04.10.2021 (год публикации - )

6. - Математическая модель поможет создавать эффективные вакцины, работающие «на два фронта» Научная Россия, 04.10.2021 (год публикации - )

7. - Ученые предложили математическую модель для разработки улучшенных вакцин ХАБР, 05.10.2021 (год публикации - )

8. - Математическая модель поможет создавать эффективные вакцины, работающие «на два фронта» СДЕЛАНО У НАС, 05.10.2021 (год публикации - )

9. - Математическая модель подсказала, как усилить действие противовирусных вакцин ГАЗЕТА.RU, 04.10.2021 (год публикации - )

10. - Математическая модель поможет создавать эффективные вакцины, работающие «на два фронта» ГОД НАУКИ И ТЕХНОЛОГИЙ, 04.10.2021 (год публикации - )

11. - Исследователи разработали математическую модель для получения эффективной вакцины от COVID-19 Москва.ру, 04.10.2021 (год публикации - )

12. - Математическая модель подсказала, как усилить действие противовирусных вакцин Рамблер/женский, 04.10.2021 (год публикации - )

13. - Математическая модель поможет создавать эффективные вакцины, работающие «на два фронта» РНФ, 04.10.2021 (год публикации - )


Аннотация результатов, полученных в 2022 году
В отчетном году исследования по проекту были связаны с развитием и калибровкой различных классов моделей иммунных процессов и их приложением для анализа закономерностей развития вирусных инфекций ВИЧ-1 и SARS-CoV-2 на различных уровнях детализации. Разработана стохастическая математическая модель на основе цепей Маркова с дискретными состояниями и непрерывным временем для описания размножения ВИЧ-1 и реакции системы интерферона (ИФН-I) в CD4 Т-лимфоцитах. Разработан гибридный вычислительный алгоритм, сочетающий расчеты изменений состояния системы по вероятностным и детерминистическим схемам. Получены характеристики чувствительности стадий жизненного цикла ВИЧ-1 и реакции системы интерферона в инфицированной клетке для выявления потенциальных мишеней для новых противовирусных препаратов. Разработана математическая модель, описывающая динамику численности неоднородной популяции CD4 + Т-лимфоцитов в лимфатическом узле. Модель основана на высоко-размерной системе нелинейных дифференциальных уравнений с запаздыванием, дополненной начальными данными. Исследована корректность модели. Представлены результаты вычислительных экспериментов, иллюстрирующие характерную динамику клеточных популяций в условиях антиген-специфической стимуляции процесса размножения клеток различных типов. Предложен новый подход к функциональному лечению инфекции ВИЧ-1 путем использования механизма бистабильности, когда иммунная система сосуществует с возбудителем при различных уровнях вирусной нагрузки, и активации гуморального и клеточного звеньев иммунитета. Разработана, программно реализована и калибрована по литературным данным трехмерная двухкомпартментная многомасштабная модель инфекции ВИЧ-1. С помощью программы для расчетов модели получены реализации динамики развития острой фазы и перехода в хроническую фазу инфекции в лимфоидных тканях и в крови. Благодаря имплементации в многомасштабной модели действия антиретровирусных препаратов на уровне стадий цикла внутриклеточной репликации инфицированных клеток, появился инструмент для анализа многомасштабной фармакодинамики и фармакокинетики лекарственных препаратов, а также их влияния на течение инфекции. Откалибрована трехмерная модель движения иммунных клеток по литературным данным характеристик движения Т-лимфоцитов в лимфоузле. С ее помощью получены оценки пороговых значений доли антиген-специфических CD8+ T-клеток, необходимых для своевременного обнаружения и элиминации инфицированных клеток, поступающих в лимфоузел, в зависимости от изменчивости вируса, проявляющей в разной длительности цикла внутриклеточной репликации и количества секретируемых вирионов. Усложнение математических моделей реакционно-диффузионного типа, описывающих эволюцию вирусов и рецепторов антиген-специфических лимфоцитов, в одномерной пространственной постановке с нелокальными интегро-дифференциальными слагаемыми, связанное с введением дополнительных нелинейностей потребовало существенной доработки и модификации используемых ранее численных методов и программного кода, при этом, основной упор был сделан на повышение порядка аппроксимации и скорости счета. Разработан эффективный алгоритм на основе варианта схемы Кранка-Николсона с небольшим смещением в сторону увеличения неявной части разностной схемы, приведения численных методов к виду удобному для распараллеливания, с последующей разработкой кода, приспособленного для использования на многопроцессорных системах и реализации распараллеленного варианта метода прогонки. Изучены закономерностей эволюции иммунитета по критерию иммунодоминантности. Для этого использовалась разработанная нами модель иммунодоминантности, основанная на интегро-дифференциальных уравнениях в частных производных, с учетом случайных мутаций рецепторов В-клеток, конкуренции клеточных клонов и эпитоп-специфической нейтрализации вируса. В модели рассматривается динамика концентрации лимфоцитов в пространстве антиген-специфических рецепторов и суммарной вирусной нагрузки. Изучены динамика иммунного ответа при различных значениях параметров модели, в частности, скорости случайной эволюции аффинитета антиген-распознающих рецепторов, и функциональных зависимостей, используемых для описания процессов клонального размножения в модели. Изменение вирусной нагрузки может как стимулировать клональную экспансию антиген-специфических лимфоцитов, так и понижать ее в зависимости от параметров иммунного ответа. Разработаны методы статистического оценивания параметров размножения коронавирусной инфекции SARS-CoV-2 в клеточных культурах для моделей на основе уравнения логистического роста численности вирусов и пространственно-однородной динамики неинфицированных клеток, инфицированных клеток и свободных вирионов. Разработана двухуровневая реакционно-диффузионная модель пространственно-временной динамики инфекции (в одномерной постановке) в культуре клеток, которая сочетает в себе макроскопическую характеристику - рост вирусных бляшек в культуре клеток, с моделью внутриклеточной репликации вируса. С помощью модели были исследованы скорость распространения инфекции и вирусной нагрузки в зависимости от кинетики продукции внутриклеточных вирусных геномов и белков. Разработана стохастическая модель размножения вирусов SARS-CoV-2 в зараженной клетке на основе Марковских цепей с дискретными состояниями и непрерывным временем. Определена чувствительность кумулятивного выхода вирусов от параметров стадий репликации и установлены наиболее значимые, с точки зрения чувствительности, стадии, т.е. потенциальные мишени для терапии. Изучено влияние системы внутриклеточной защиты, индуцируемой интерфероном (ингибирующие белки PKR, OAS), на вероятность продуктивной инфекции и выход из клетки суммарного числа инфекционных вирусных частиц. Было выполнено дальнейшее развитие модели, связанное с рассмотрением синтеза дефектных вирусных частиц (DIP). Проведен глобальный анализ чувствительности дисперсии числа продуцируемых SARS-CoV-2 и DIP с помощью индексов Соболя (общего и первого порядка). Разработана гибридная многомасштабная модель иммунного ответа при инфекции SARS-CoV-2, описывающая динамику ряда показателей иммунного статуса человека и учитывающая процессы в лёгких, верхних дыхательных путях, кровеносной системе и дренирующих лёгкие лимфатических узлах. Модель содержит 34 переменных и 78 параметров, учитывает процессы заражения, врождённого и адаптивного иммунного ответа, тромбообразование и гипоксию, вызванные повреждением тканей лёгких и кровеносной системы. Построена модель развития иммунных реакций в лимфатических узлах, дренирующих верхние дыхательные пути при нормоксии и гипоксии, оценены параметры модели по мульти-физическим данным инфекции SARS-CoV-2 у человека. Разработана и калибрована по мульти-физическим данным модель процессов разрушения и развития фиброза легких при инфекции вирусами SARS-CoV-2 у человека. Выполнено обобщение реализованных в ходе проекта подходов к идентификации моделей, связанных с усвоением эмпирических данных различной природы и рассмотрением нового класса мульти-физических процессов иммунной системы: миграция клеток в лимфатических узлах, лимфодинамика, гомеостатическая регуляция иммунного ответа при хронических инфекция и др. Была выполнена интеграция в проблемно-ориентированную среду моделирования Composite Mathematical Immunology разработанных моделей: размножения ВИЧ-1, SARS-CoV-2 в отдельной клетке, модель репликации SARS-CoV-2 в культуре клеток, модель развития противовирусного иммунного ответа в лимфатическом узле, многомасштабные модели системной динамики ВИЧ-1 инфекции, и инфекции SARS-CoV-2, мульти-компартментная модель системной динамики экспериментальной инфекции мышей ВЛХМ. Некоторые результаты исследований, опубликованные в профильных журналах Q1, были отражены в СМИ: https://iz.ru/1399008/olga-kolentcova/zashchitnaia-aktciia-uchenye-predlozhili-novyi-podkhod-k-lecheniiu-vich

 

Публикации

1. Бессонов Н.М., Бочаров Г.А., Вольперт В.А. Space and Genotype-Dependent Virus Distribution during Infection Progression MATHEMATICS, 10(1), 96. (год публикации - 2021) https://doi.org/10.3390/math10010096

2. Бессонов Н.М., Бочаров Г.А., Мозохина А.C., Вольперт В.А. Viral Infection Spreading in Cell Culture with Intracellular Regulation Mathematics, 11(6):1526 (год публикации - 2023) https://doi.org/10.3390/math11061526

3. Бочаров Г.А., Гребенников Д.С., Кеболлада Рика П., Доменхо-Вила Е., Каселла В., Майерханс А.Ф . Functional cure of a chronic virus infection by shifting the virus - host equilibrium state Frontiers in Immunology, 13:904342. (год публикации - 2022) https://doi.org/10.3389/fimmu.2022.904342

4. Гребенников Д.С. Computational methods for multiscale modelling of virus infection dynamics Russ. J. Numer. Anal. Math. Modelling, 38(2):75–87 (год публикации - 2023) https://doi.org/10.1515/rnam-2023-0007

5. Гребенников Д.С., Желткова В.В., Савинков Р.С., Бочаров Г.А. Математическая иммунология: процессы, модели и усвоение данных РОССИЙСКИЙ ИММУНОЛОГИЧЕСКИЙ ЖУРНАЛ, 26(2):181-188 (год публикации - 2023) https://doi.org/10.46235/1028-7221-1210-MIP

6. Гребенников Д.С., Савинков Р.С., Зеленова Е.Д., Лобов Г.И., Бочаров Г.А. Network Modeling of Murine Lymphatic System. Algorithms, 16(3):168 (год публикации - 2023) https://doi.org/10.3390/a16030168

7. Гроссман Ц.Г., Майерханс А.Ф., Бочаров Г.А. An integrative systems biology view of host-pathogen interactions: The regulation of immunity and homeostasis is concomitant, flexible, and smart Frontiers in Immunology, 13:1061290 (год публикации - 2023) https://doi.org/10.3389/fimmu.2022.1061290

8. Домино-Вилла Ева, Казелла Валентина, Ивабучи Рютаро, Фоссум Эвен, Педрагоса Мирейя, Кастельви Ким, Рика Паула Себоллада, Кайшо Цунеясу, Терахара Казутака, Бочаров Геннадий Алексеевич, Аргилагет Хорди, Мейерханс Андреас Франц XCR1+ DCs are critical for T cell-mediated immunotherapy of chronic viral infections Cell Reports, 42(2):112123 (год публикации - 2023) https://doi.org/10.1016/j.celrep.2023.112123

9. Перцев Н.В., Бочаров Г.А., Логинов К.К. Численное моделирование динамики популяции Т-лимфоцитов в лимфоузле CИБИРСКИЙ ЖУРНАЛ ИНДУСТРИАЛЬНОЙ МАТЕМАТИКИ, Т. 25, № 4. C. 136–152 (год публикации - 2022) https://doi.org/10.33048/SIBJIM.2022.25.411

10. Сазонов И.А., Гребенников Д.С., Майерханс А.Ф., Бочаров Г.А. Sensitivity of SARS-CoV-2 Life Cycle to IFN Effects and ACE2 Binding Unveiled with a Stochastic Model Viruses, 14(2), 403 (год публикации - 2022) https://doi.org/10.3390/v14020403

11. Сазонов И.А., Гребенников Д.С., Савинков Р.С., Соболева А.Е., Павлишин К.Ю., Майерханс А.Ф., Бочаров Г.А. Stochastic Modelling of HIV-1 Replication in a CD4 T Cell with an IFN Response Viruses, - (год публикации - 2023) https://doi.org/10.3390/v15020296

12. Сетуха А.В., Третьякова Р.М. Computational Modeling of Lymph Filtration and Absorption in the Lymph Node by Boundary Integral Equations Algorithms, 15(10), 388 (год публикации - 2022) https://doi.org/10.3390/a15100388

13. - Защитная акция: ученые предложили новый подход к лечению ВИЧ. Каким образом российские исследователи рассчитывают добиться того, чтобы вирус почти не причинял вреда организму человека Известия (НАУКА), 25 сентября 2022, 17:32 (год публикации - )

14. - Ученые предложили новую концепцию лечения ВИЧ-инфекции пресс-служба РНФ, 26 сентября, 2022 13:17 (год публикации - )

15. - В России предложили новую концепцию лечения ВИЧ-инфекции ГАЗЕТАRU, 26 сентября 2022, 15:11 (год публикации - )

16. - В России предложили новую концепцию лечения ВИЧ-инфекции Рамблер, 26 сентября 2022 (год публикации - )

17. - В России предложили новую концепцию лечения ВИЧ-инфекции @Здоровье, 27 сентября 2022 (год публикации - )

18. - В России предложили новую концепцию лечения ВИЧ-инфекции NEWS-LIFE, 26 сентября, 15:11 (год публикации - )

19. - В России предложили новую концепцию лечения ВИЧ-инфекции MOSCOW - MEDIA, 26 сентября, 15:11 (год публикации - )

20. - В России предложили новую концепцию лечения ВИЧ-инфекции MSAU.RU, 26.09.2022 (год публикации - )


Возможность практического использования результатов
не указано