«В настоящее время существует только два препарата, одобренных FDA для лечения серповидно-клеточной анемии, и они работают не на всех», – сказал Лу Лу, доктор наук.D. студентка отделения прикладной математики в Браун и соавтор исследования. «Мы хотели построить модель, которая учитывала бы весь процесс серпинга и могла бы использоваться для быстрого и недорогого предварительного отбора новых кандидатов на лекарственные препараты."
Серповидно-клеточная анемия – это генетическое заболевание, от которого страдают миллионы людей во всем мире. Заболевание приводит к тому, что красные кровяные тельца, которые обычно мягкие и круглые, становятся жесткими, липкими и серповидными (немного похожими на полумесяц). Клетки неправильной формы застревают в кровеносных сосудах, вызывая боль, отек, инсульты и другие осложнения.
На клеточном уровне серповидно-клеточная анемия влияет на гемоглобин, белок красных кровяных телец, ответственный за транспортировку кислорода. При недостатке кислорода серповидноклеточный гемоглобин скапливается внутри клетки. Затем комки образуют длинные полимерные волокна, которые прижимаются к клеточной стенке, придавая клеткам жесткость и вынуждая их терять форму.
Джордж Карниадакис, профессор прикладной математики в Брауновском университете и старший автор нового исследования, много лет работал над тем, чтобы лучше понять это заболевание. Совсем недавно он работал с Лу и Хэ Ли, профессором-исследователем из Брауна, над созданием подробных биофизических моделей каждой стадии серповидного процесса, включая модель функции красных кровяных телец под названием OpenRBC и суперкомпьютерную модель образования серповидно-клеточного волокна.
Эта новая модель объединяет и упрощает предыдущие модели для создания единой кинетической модели всего серповидного процесса. Используя информацию, полученную из подробных моделей суперкомпьютеров, исследователи смогли создать упрощенную версию, которая фиксирует всю важную динамику процесса серпинга, но может быть запущена на ноутбуке.
Чтобы проверить модель, исследователи показали, что она может воспроизводить результаты предыдущих экспериментов в лаборатории и на людях.
Поскольку динамика серповидного процесса может варьироваться в зависимости от того, в какой части тела он происходит, исследователи разработали модель для имитации серповидного процесса в разных органах. Например, поскольку кислород играет ключевую роль в этом процессе, серповидный процесс в богатых кислородом областях, таких как легкие, развивается совсем по-другому, чем в более бедных кислородом областях, таких как почки. Модель позволяет пользователям вводить параметры, специфичные для органа, который они надеются моделировать.
Такая же гибкость также позволяет запускать модель для отдельных пациентов, у которых могут быть более или менее тяжелые версии расстройства.
Чтобы проверить потенциальную эффективность лекарств, модель позволяет пользователям вводить способ действия, при котором лекарство предположительно действует, информация часто собирается во время предварительных лабораторных исследований.
Например, если лекарство предназначено для увеличения количества здорового гемоглобина в эритроцитах, эта информация может быть использована моделью для создания эффекта на большую популяцию эритроцитов, специфичных для конкретного пациента или органа.
«Иногда препарат может быть разработан так, чтобы воздействовать на один параметр, но в конечном итоге оказывает разное влияние на другие параметры», – сказал Карниадакис. "Модель может сказать, являются ли эти эффекты синергическими или могут отрицать друг друга.
Таким образом, модель может дать нам представление об общем эффекте препарата."
Исследователи надеются, что эта модель может быть полезна для выявления перспективных кандидатов в лекарственные препараты.
«Клинические испытания лекарств очень дороги, и подавляющее большинство из них безуспешны», – сказал Карниадакис. "Есть надежда, что мы сможем провести испытания in silico для проверки потенциальных лекарств, прежде чем приступить к клиническим испытаниям."
Другими соавторами статьи были Чжэнь Ли, Сюэцзинь Ли и Петр Векилов.
Исследование было поддержано Национальным институтом сердца, легких и крови (U01HL114476).