BMX: биологическое моделирование и обмен интерфейсами

Jul 09, 2023

Научные отчеты, том 13, Номер статьи: 12235 (2023) Цитировать эту статью

155 доступов

1 Альтметрика

Подробности о метриках

Высокопроизводительные вычисления обладают огромным потенциалом и могут принести ряд существенных преимуществ для исследования биологических систем. Эти системы часто представляют большие проблемы моделирования со многими связанными подсистемами, например, при изучении колоний бактериальных клеток. Цель понять клеточные колонии вызвала значительный интерес, поскольку они могут иметь сильное экономическое и социальное воздействие благодаря своей роли в промышленных биореакторах и сложных структурах сообществ, называемых биопленками, обнаруженных в клинических условиях. Исследование этих сообществ с помощью реалистичных моделей может быстро превзойти возможности текущего серийного программного обеспечения. Здесь мы представляем BMX, программную систему, разработанную для высокопроизводительного моделирования крупных сотовых сообществ с использованием ускорения графического процессора. BMX основан на пакете адаптивного уточнения сетки AMRex для эффективного моделирования формирования клеточных колоний в реалистичных лабораторных условиях. Используя простые сценарии тестирования с различной доступностью питательных веществ, мы показываем, что BMX способен правильно воспроизводить наблюдаемое поведение бактериальных колоний в реалистичных временных масштабах, демонстрируя потенциальное применение высокопроизводительных вычислений для моделирования колоний. Программное обеспечение с открытым исходным кодом доступно в репозитории zenodo https://doi.org/10.5281/zenodo.8084270 по лицензии BSD-2-Clause.

Биология предлагает множество систем, содержащих очень большое количество отдельных агентов, выполняющих последовательность физических или химических взаимодействий. В совокупности эти группы людей создают сложную систему с потенциалом формирования новой динамики. Шаги механизма варьируются от несвязанных или тривиально связанных до очень сложных со связанной обратной связью. Системы могут охватывать различные масштабы: от моделирования одной молекулы до моделей целых клеток. Моделирование большого количества ячеек или детальное моделирование меньшего количества ячеек может выиграть от использования ресурсов высокопроизводительных вычислений (HPC) для распределения вычислений по нескольким вычислительным ресурсам. Традиционные высокопроизводительные вычисления фокусируются на разделении вычислений между процессорами, но наличие относительно простых вычислительных циклов во многих из этих моделей предполагает, что они могут выиграть от распределения между процессорами графического процессора1. Стоун и др.2 представили обзор использования графического процессора для молекулярного моделирования, а Чжоу и др.3 использовали CUDA для моделирования сетей химических реакций с помощью своего программного обеспечения cuda-sim. Проблемы более высокого масштаба рассматривались Уилтоном и Салаем4, которые увеличили скорость выравнивания последовательностей ДНК всего генома с помощью графических процессоров, в то время как Торнбург и др.5 объединили ряд различных методов моделирования, кульминацией которых стала модель целой клетки с ускорением на графическом процессоре. Здесь нас интересует применение ускорения графического процессора для моделирования колонии бактериальных клеток.

Колония клеток состоит из отдельных клеточных агентов и общей непрерывной химической среды. Каждую клетку можно смоделировать как подсистему с индивидуальной динамикой роста, процессами репликации и метаболическими реакциями. Клетки взаимодействуют друг с другом и с окружающей средой посредством механических силовых взаимодействий (клетка-клетка и клетка-окружающая среда) и обмена питательными веществами между клеткой и окружающей средой. Питательные вещества также могут пассивно диффундировать в окружающую среду или переноситься посредством конвекции. Эти взаимодействия важны для роста клеточного сообщества6,7, где на поставку жизненно важных питательных веществ в клетки может влиять конкуренция за клеточные ресурсы или различные скорости диффузии питательных веществ8. Кроме того, клетки в колонии не являются статичными, и каждая клетка может перемещаться по окружающей среде посредством активной миграции или пассивного межклеточного шунтирования.

Был разработан ряд программного обеспечения для моделирования клеточных колоний, рассматривая каждую отдельную клетку как отдельный агент и используя агентно-ориентированные модели (ABM)9. Каждый из образцовых пакетов, включая CompuCell3D10, PhysiCell11 и ChemChaste12, подчеркивает и отражает различные аспекты модели клеточного сообщества. Эти пакеты различаются по описанию клеток (как они моделируют каждый отдельный клеточный агент; например, использование клеточных автоматов (КА) или моделей на основе центров13), механическим описаниям (как клетки взаимодействуют и движутся; например, пружинные силы Гука или хемотаксические силы). движение) и описания окружающей среды (учитываются ли реакции окружающей среды и различные скорости диффузии). Эти описания усложняются при моделировании реалистичных колоний, когда моделирование становится дорогостоящим в вычислительном отношении, чтобы охватить соответствующий уровень детализации. Поэтому для реалистичного моделирования колоний становятся необходимыми методы высокопроизводительных вычислений, а ускорение графического процессора может обеспечить еще больший прирост производительности14. Однако эти примеры пакетов не предназначены для быстрого ускорения с использованием графических процессоров, а новые пакеты, использующие высокопроизводительные вычисления, находятся в стадии разработки.