Разработка математической модели для построения биоискусственной печени


Цитировать

Полный текст

Аннотация

Исследование направлено на построение математической модели, отражающей основные биохимические и физиологические процессы, происходящие в биоискусственной печени. Основная цель исследования - создание надежного инструмента для предсказания поведения клеток печени в искусственных условиях, что позволит улучшить понимание их функциональности и метаболической активности. Уделено внимание моделированию уровня метаболитов, диффузии токсинов и синтеза белков. Для реализации данной задачи разработана система дифференциальных уравнений, которая описывает динамику ключевых процессов, связанных с функционированием клеток печени в искусственных условиях. Модель учитывает взаимодействие биохимических процессов, таких как метаболизм питательных веществ, секреция метаболитов, а также механизмы вывода токсинов из клеток, что является критически важным для понимания общего состояния биоискусственной печени. В ходе исследования проведен анализ влияния различных факторов на уровень метаболитов и эффективность диффузии токсинов. Это позволяет лучше понять основные механизмы, происходящие в клетках, и оптимизировать условия их культивации для повышения жизнеспособности и функциональности биоискусственной печени. Разработанная модель может стать основой для дальнейших исследований в области биотехнологий и создания высокоэффективных заменителей органов, что открывает новые перспективы в лечении печеночной недостаточности и трансплантации. Таким образом, результаты данной работы подчеркивают значимость математического моделирования в исследовании сложных биологических систем и могут быть использованы для дальнейшего усовершенствования методов лечения заболеваний печени и разработки новых подходов в области регенеративной медицины.

Об авторах

Алексей Сергеевич Ганьшин

Российский университет дружбы народов

Email: 1042210064@pfur.ru
ORCID iD: 0000-0003-3582-4889

аспирант кафедры механики и процессов управления, инженерная академия

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Денис Анатольевич Андриков

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: andrikovdenis@mail.ru
ORCID iD: 0000-0003-0359-0897
SPIN-код: 8247-7310

кандидат технических наук, доцент департамента механики и процессов управления, инженерная академия

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Список литературы

  1. Karvellas CJ, Subramanian RM. Current Evidence for Extracorporeal Liver Support Systems in Acute Liver Failure and Acute-on-Chronic Liver Failure. Critical Care Clinics. 2016:32(3):439-451. https://doi.org/10.1016/j.ccc.2016.03.003
  2. Kanjo A, Ocskay K, Gede N. Ef cacy and safety of liver support devices in acute and hyperacute liver failure: A systematic review and network meta-analysis. Sci Rep. 2021;11:1-10. https://doi.org/10.1038/s41598-021-83292-z
  3. Doyle J, Francis B, Tannenbaum A. Feedback Control Theory. New York: Dover Publ.; 1990. https://doi.org/10.1007/978-0-387-85460-1_1
  4. Koobloch HW, Isidori A, Flockerzi D. Topics in control theory. Basel: Springer Publ.; 1993.
  5. Zhou K, Doyle J, Glover K. Robust and Optimal Control. Upper Saddle River, NJ: Prentice-Hall Publ.; 1996. ISBN 0134565673, 9780134565675
  6. Zhou K, Khargonekar PP. An algebraic Riccati equation approach to H∞ optimization. Systems & Control Letters. 1988;11(2);85-91. https://doi.org/10.1016/0167-6911(88)90080-1
  7. Tararykin SV, Tyutikov VV. A robust model control for dynamic systems. Automation and Remote Control. 2002;63(5):730-742. https://doi.org/10.1023/A:1015489719323
  8. Wo SL, Shi G, Zou Y. Robust H-infinity control for discrete-time singular systems with time-delay and non-linear perturbation. Systems Engineering and Electronics. 2009;31:916-921.
  9. Xu S, Lam J, Yang C. Robust H∞ control for discrete singular systems with state delay and parameter uncertainty. Dynamics of Continuous, Discrete and Impulsive Systems. 2002;9:539-554.
  10. Kolpakov F, Akberdin I, Kashapov T, Kiselev L, Kolmykov S, Kondrakhin Y, Kutumova E, Mandrik N, Pintus S, Ryabova A, Sharipov R. BioUML: an integrated environment for systems biology and collaborative analysis of biomedical data. Nucleic acids research. 2019;2;47(W1):225-233.
  11. Nakao M, Nakayama N, Uchida Y. Nationwide survey for acute liver failure and late-onset hepatic failure in Japan. J. Gastroenterol. 2017;53(20):752-769. https://doi.org/10.1007/s00535-017-1394-2
  12. Court FG, Wemyss-Holden SA, Dennison AR, Maddern GJ. Bioartificial liver support devices: Historical perspectives. ANZ Journal of Surgery. 2003;73(9):739-748. https://doi.org/10.1046/j.1445-2197.2003.02741.x
  13. Alves LA, Bonavita A, Quaresma K, Torres E. New Strategies for Acute Liver Failure: Focus on Xenotransplantation Therapy. Cell Medicine. 2010;1(1):47-54. https://doi.org/10.3727/215517910X516646
  14. Shen Y, Wang XL, Wang B, Shao JG, Liu YM, Qin Y, et al. Survival benefits with artificial liver support system for acute-on-chronic liver failure: a time series-based meta-analysis. Medicine. 2016;95(3):e2506. https://doi.org/10.1097/MD.0000000000002506
  15. Ren S, Irudayam JI, Contreras D, Sareen D, Talavera-Adame D, Svendsen CN, Arumugaswam V. Bioartificial Liver Device Based on Induced Pluripotent Stem Cell-Derived Hepatocytes. Journal of Stem Cell Research & Therapy. 2015;5:1000263. https://doi.org/10.4172/2157-7633.1000263
  16. Vitale A, Salinas F. Could Sorafenib Disclose New Prospects as Bridging Therapy to Liver Transplantation in Patients with Hepatocellular Carcinoma? Journal of Liver. 2013;02(04). https://doi.org/10.4172/2167-0889.1000134
  17. Koivusalo AM, Teikari T, Hockerstedt K, Iso-niemi H. Albumin dialysis has a favorable effect on amino acid profile in hepatic encephalopathy. Metabolic Brain Disease. 2008;23(4):387-398. https://doi.org/10.1007/s11011-008-9110-9
  18. Mohammed Y, Verhey JF. A finite element method model to simulate laser interstitial thermo therapy in anatomical inhomogeneous regions. BioMedical Engineering OnLine. 2005;4:1-16. https://doi.org/10.1186/1475-925X-4-2
  19. Pitsik EN, Goremyko MV, Makarov VV, Hramov AE. Mathematical modelling of the network of professional interactions. Izvestiya VUZ. Applied nonlinear dynamics. 2018;26(1):21-32. (In Russ.) https://doi.org/10.18500/0869-6632-2018-26-1-21-32
  20. Naruse K, Sakai Y, Nagashima J, Suzuki M, Muto T. Development of a new bioartificial liver module filled with porcine hepatocytes immobilized on non-woven fabric. Int J Artif Organs. 1996;19(6):347-352. PMID: 8814498

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».