Die Ernährungs-Immunologie und Molekulare Medizin-Labor (NIMML) entwickelt hat, ein high-resolution-Modell des Darm-Immunsystems durch den Einsatz modernster Computersysteme. Die neuen high-performance-computing – (HPC)-driven-Modell des Darms prognostiziert die neu entstehenden Verhaltensmuster und die Reaktion auf biologische Bedrohungen. Das ökosystem Darm enthält Billionen von Interaktionen zwischen host-Epithel-und Immunzellen Moleküle (Zytokine, chemokine und Metaboliten) und Mikroben ist ein Massiv und dynamisch interagierenden Netzwerk, ähnlich wie ein mehrdimensionales puzzle mit teilen, die ständig Ihre Form verändern. Diese Interaktionen mit der kooperativität und feedback führen zu nichtlinearen Dynamik und unvorhergesehene emergente Verhaltensweisen über Raum-zeitliche Skalen. Die NIMML Modell des Darms erleichtert die Entdeckung neuen Wissens innerhalb dieses komplexen Systems für die biodefense-Anwendungen.
Die NIMML Pioniere der Entwicklung von fortschrittlichen Modellierungs-Ansätzen zu lösen, die das komplexe puzzle der Immunität bei Infektionskrankheiten. Die NIMML entwickelt hat, die erste agent-based modeling (ABM) des Darms und verwendet ein array von HPC-driven advanced computational Technologien wie die Enterale Immunität SImulator (ENISI)—a multiscale modeling (MSM) zu lösen, emerging und re-emerging Infektionskrankheiten und biodefense Herausforderungen. Diese Modelle und Werkzeuge simulieren Zell-Phänotyp ändert, signalkaskaden Immunreaktionen, Läsion Bildung, Zytokin -, chemokin-und Metabolit diffusionen, und zellbewegungen bei der Darm-Schleimhaut.
ENISI MSM ist eine cutting-edge-Werkzeug an der Spitze der advanced computational Modellierung und simulation von biologischen Systemen. ENISI voll integriert-agent-based modeling (ABM) mit anderen computational and mathematical modeling-Technologien, einschließlich differentialgleichungen basierenden Methoden, wie ODE und PDE.
NIMML vor kurzem eine Studie veröffentlicht, in Gigascience , wo der HPC-driven ENISI MSM multiskalen-Modell wurde verwendet, um zu untersuchen, die zugrunde liegenden immunologischen Mechanismen, die Förderung der Wirt Toleranz gegenüber Helicobacter pylori-Infektion im Darm. H. pylori kolonisiert den Magen, einer der rauesten Umgebungen eine Mikrobe auf, der 50% der menschlichen Bevölkerung und hält für längere Zeit, was Häufig zu einer lebenslangen Infektion. Obwohl H. pylori verursacht Magenkrebs in 1-2% der Fälle, es hat positive Auswirkungen auf die Gesundheit, einschließlich Schutz gegen Allergien und gastroösophagealen Erkrankungen. Die Mehrzahl der H. pylori-kolonisierten Personen, schätzungsweise 85%, keine negativen Auswirkungen.
“Wir freuen uns, Ihnen das erste high-resolution -, multiskalen-Modell des Magen während der Infektion mit H. pylori. Dieses Modell gipfelt vielen Jahren Arbeit an der Schnittstelle von Modellierung und Immunologie Experimente durch die Kombination der Verwendung von ODE-Modell der intrazellulären Signalwege, die in Kombination mit den PDEs zu simulieren, Zytokin -, chemokin-diffusionen und ABM für die Modellierung von Zell-Zell-Interaktionen auf zellulärer und Bevölkerung Ebenen,” sagte Dr. Hontecillas, der co-Direktor des NIMML. “Das Modell wurde entwickelt, analysiert und kalibriert gegen experimentellen Daten mit dem Ziel der Bestimmung des mechanistischen Wechselwirkungen verantwortlich für die beobachteten immun-profile.”
“NIMML advanced HPC-driven computational-Modellierung und künstliche Intelligenz (AI) algorithmen, die in Kombination mit innovativen experimentellen Methoden haben wichtige Anwendungen in der Umwandlung biodefense. Diese Modelle werden verwendet in einer DTRA-geförderten Projekts zu bewerten, mehrere Szenarien für mögliche therapeutische Interventionen bei biologischen oder chemischen Gefahren”, sagte Dr. Josep Bassaganya-Riera, Direktor der NIMML. “Als Teil einer produktiven NIMML-led Zusammenarbeit mit dem Department of Industrial and Systems Engineering an der Virginia Tech und Geisinger Healthcare System, werden wir auch weiterhin gelten diese advanced computational modeling Methoden für die Gewinnung neuer Einsichten über die Mechanismen, die Abgrenzung der funktionellen Schicksale von Zellen des Immunsystems und beeinflussen Krankheitsverlauf bei Infektionen.”
Empfindlichkeit Analyse-Methoden für die Bankautomaten sind noch nicht ausgereift. Forscher an NIMML verwendet, die Ausgänge für global multi-resolution-Sensitivitätsanalyse (SA). Aufbau einer Surrogat-Modell reduziert die Rechenzeit für Simulationen durchgeführt. Diese neuen SA-Methoden identifiziert Epithelzellen, Makrophagen und dendritischen Zellen als wichtige Faktoren, die Abgrenzung der Ausgang der Infektion.
