Конкурс «био/мол/текст»-2017

Эта работа опубликована в номинации «Свободная тема» конкурса «био/мол/текст»-2017.

---

Генеральный спонсор конкурса — компания «Диаэм»: крупнейший поставщик оборудования, реагентов и расходных материалов для биологических исследований и производств.

---

Спонсором приза зрительских симпатий и партнером номинации «Биомедицина сегодня и завтра» выступила фирма «Инвитро».

---

«Книжный» спонсор конкурса — «Альпина нон-фикшн»

Чувство ритма

Сердце — это насос, который гонит кровь по организму [1]. Чтобы насос работал, сердце должно ритмично сокращаться. Если насос работает неправильно, и ритм сокращений отличается от нормального (так называемая аритмия), это приводит к нарушениям в организме, порой смертельным. Согласно докладу Всемирной организации здравоохранения, сердечно-сосудистые заболевания являются самой частой причиной смерти по всему миру, причем 40% смертей происходит внезапно и вызваны аритмией [2]. Таким образом, чтобы уменьшить смертность от сердечно-сосудистых заболеваний, необходимо изучать развитие аритмии. Однако in vivo, то есть на пациентах, можно увидеть только финальную стадию, а наблюдать постепенные изменения, которые приводят к аритмии, невозможно. Поэтому логичным шагом является применение методов in silico — имитации живого сердца с помощью компьютерной модели [3].

Модель должна повторять проводящие свойства сердечной ткани, потому что сокращение сердца зависит именно от этих свойств. При аритмии электрические волны распространяются не так, как в норме. На распространение волн могут повлиять значительные изменения в устройстве сердечной ткани [4]. Например, если фибробластов становится слишком много, развивается фиброз — болезнь, приводящая к аритмии. Вообще, структура сердечной ткани строится на взаимодействии фибробластов, кардиомиоцитов и структурных белков. Такую сложную структуру и попытались воспроизвести ученые с помощью математической модели.

Восприятие форм

Передача возбуждения между клетками представляет большой научный интерес, поэтому ее уже пытались моделировать. Создали несколько простых моделей, на которых можно было наблюдать некоторые качественные эффекты [5–7]. Однако до сих пор не было модели, которая бы учитывала формы клеток, их взаимодействие, объединение в группы, а все эти факторы влияют на распространение волн. Исследовательская группа из лаборатории биофизики возбудимых систем МФТИ [8] и Гентского университета (Бельгия) решила разработать модель, в которой все эти факторы будут учтены [3].

Для моделирования требовалось собрать как можно больше экспериментальных данных о формах клеток. Ученые высеивали культуру из сердечных клеток двух типов: кардиомиоцитов и фибробластов. Сначала клетки высаживали изолированно друг от друга, потом — так, чтобы они составляли единый монослой (рис. 1, вверху). Первый случай более простой, поскольку там можно наблюдать за формой клеток без их взаимодействия. Характерные параметры, взятые из экспериментов, использовались в модели.

У нас отлажены методы высаживания клеток, их окрашивание и фотографирование, так что экспериментальная часть была довольно простой. Из собранной базы данных брали все параметры для модели: какую площадь занимает кардиомиоцит или фибробласт, какой они формы, чем отличаются, насколько они ветвистые. Оттуда же брали данные о взаимодействиях фибробласта и фибробласта, кардиомиоцита и кардиомиоцита, фибробласта и кардиомиоцита.

Разностороннее развитие

В сердце волны распространяются в разные стороны по-разному. Из-за того, что клетки имеют вытянутую форму, вдоль мышечного волокна возбуждение передается быстрее, чем поперек. Этот эффект называется анизотропией (когда в разные стороны возбуждение передается одинаково — изотропией). В сердечной ткани этот эффект обеспечивает внеклеточный матрикс. Чтобы воспроизвести анизотропию в модели, ученые повторили вышеописанный эксперимент, но на подложке из нановолокон (рис. 1, внизу). Высаженные клетки вытягивались вдоль волокна, как это происходит и в сердце [9].

В итоге ученые собрали статистику (около 200 клеток) по клеточным формам в четырех разных условиях и взаимодействии клеток друг с другом и подложкой. Эту статистику использовали, чтобы параметризовать модель. За основу взяли математическую модель [10], которая широко используется для описания роста тканей, но до этого момента не была оптимизирована для исследований сердечной ткани. После корректировки модель смогла воспроизвести клетки во всех четырех случаях (рис. 2).

В течение полугода мы пробовали разные варианты моделей, но ни один из них не давал желаемого результата. Мы попробовали отойти от традиционных подходов к моделированию форм клеток и включили в модель точки контакта с подложкой. Мы сразу же получили очень приличный результат. Затем большое время занял сбор данных, их обработка и, наконец, параметризация модели. Важным шагом был анализ всевозможных морфологических параметров клеток и выбор тех параметров, которые характеризуют клетки.

С помощью экспериментов мы получили виртуальный монослой сердечной ткани, на котором можно моделировать аритмию. То есть мы можем менять разные факторы и смотреть, к чему это приведет и какова в таком случае вероятность аритмии.

Далее исследователи проверили функциональную достоверность модели. С помощью электрода они стимулировали реальный клеточный монослой и следили за распространением волн. То же самое они проделали с виртуальным монослоем. Результаты совпали и в изотропном, и в анизотропном случаях (рис. 3). То есть полученная модель повторяла свойства анизотропии, которые присутствуют в реальном сердце, а виртуальные волны распространялись с такой же скоростью, как и реальные. Конечно, надо помнить, что ученые пока смоделировали только монослой, и в будущем модель предстоит расширить до 3D-модели. Однако уже сейчас компьютерной имитации можно «задать» некоторые научные вопросы [3]. В частности, разработчики модели уже заметили несколько особенностей распространения волн, но об этом — в следующей научной статье.

Литература

1. Метроном: как руководить разрядами?;
2. Rahul Mehra. (2007). Global public health problem of sudden cardiac death. Journal of Electrocardiology. 40, S118-S122;
3. Nina Kudryashova, Valeriya Tsvelaya, Konstantin Agladze, Alexander Panfilov. (2017). Virtual cardiac monolayers for electrical wave propagation. Sci Rep. 7;
4. Peter Kohl, Patrizia Camelliti, Francis L. Burton, Godfrey L. Smith. (2005). Electrical coupling of fibroblasts and myocytes: relevance for cardiac propagation. Journal of Electrocardiology. 38, 45-50;
5. M. S. Spach, J. F. Heidlage. (1995). The Stochastic Nature of Cardiac Propagation at a Microscopic Level : Electrical Description of Myocardial Architecture and Its Application to Conduction. Circulation Research. 76, 366-380;
6. Jong M. Kim, Nenad Bursac, Craig S. Henriquez. (2010). A Computer Model of Engineered Cardiac Monolayers. Biophysical Journal. 98, 1762-1771;
7. Yann Prudat, Jan P. Kucera. (2014). Nonlinear behaviour of conduction and block in cardiac tissue with heterogeneous expression of connexin 43. Journal of Molecular and Cellular Cardiology. 76, 46-54;
8. Лаборатория биофизики возбудимых систем: сердце, его вихри и фотоуправление;
9. Yuliya Orlova, Nobuyuki Magome, Li Liu, Yong Chen, Konstantin Agladze. (2011). Electrospun nanofibers as a tool for architecture control in engineered cardiac tissue. Biomaterials. 32, 5615-5624;
10. Ariel Balter, Roeland M. H. Merks, Nikodem J. Popławski, Maciej Swat, James A. Glazier. (Unknown published date.). The Glazier-Graner-Hogeweg Model: Extensions, Future Directions, and Opportunities for Further Study. Single-Cell-Based Models in Biology and Medicine. 151-167.