Научная электронная библиотека
Монографии, изданные в издательстве Российской Академии Естествознания

5.2. Разработка алгоритма определения риска летального исхода при вирусно-бактериальной пневмонии, ассоциированной вирусом гриппа с использованием стехиометрического моделирования

В настоящее время в медицинских учреждениях отсутствуют алгоритмы и компьютерные системы, позволяющие на основе анализа активности внутриклеточных ферментов определять степень тяжести протекания пневмонии.

Установленные в процессе исследования активности внутриклеточных ферментов: Г6ФДГ, Г3ФДГ, ЛДГ, НАДИЦДГ и НАДФИЦДГ, НАДГДГ и НАДФГДГ, НАДМДГ и НАДФМДГ, ГР позволили разработать алгоритм индивидуального прогноза возможного развития риска летального исхода при внебольничной пневмонии на фоне гриппа по величине активности фермента Г6ФДГ с использованием математического моделирования, которое в настоящее время часто применяется в медицине.

Для построения модели использовали энзиматические показатели лимфоцитов, полученные экспериментально от 37 здоровых людей (контроль) и 33 больных с диагнозом «Вирусно-бактериальная пневмония, ассоциированная вирусом гриппа» (нетяжелое течение – 12 больных, тяжелое течение – 21 больной) в возрасте от 18 до 42 лет.

Метод баланса стационарных метаболических потоков

Для описания метаболических процессов в клетке наиболее часто используют методы стехиометрического моделирования, одним из которых является метод баланса стационарных метаболических потоков [133]. Данный подход к моделированию требует наименьшего количества начальной информации (знание стехиометрии исследуемой системы и точное значение (или диапазон изменений) хотя бы одного метаболического потока). Указанный метод позволяет вычислять величины метаболических потоков в клетке, которые являются неизвестными в модели. По соотношениям величин потоков можно определять направление метаболизма.

В основе стехиометрического моделирования лежит метод линейного программирования [133]. Полагают, что клетка очень быстро достигает стационарного состояния, т.е. концентрации клеточных метаболитов не изменяются с течением времени [133]. Поскольку в метаболической системе количество биохимических реакций много больше, чем число метаболитов, то необходимо ввести дополнительные ограничения на метаболические потоки, обусловленные или термодинамикой биохимических реакций, или экспериментальными данными.

Стехиометрическую модель строили на основе биохимических реакций, протекающих в лимфоците. В модель были включены гликолиз, цикл Кребса, жировой обмен, обмен аминокислот, пентозофосфатный путь.

Вычисление внутриклеточных потоков производили по алгоритму, описанному Kauffman K.J. и Raman K. [391, 419]. Скорость изменения концентрации клеточных метаболитов может быть представлена в виде произведения стехиометрической матрицы S на вектор величин метаболических потоков:

01.wmf (1)

где каждый элемент xi вектора x является концентрацией внутриклеточного метаболита i, S является стехиометрической матрицей, где каждый элемент sij является коэффициентом метаболита i в реакции j, а элемент vj вектора v является скоростью реакции j.

Метаболиты, для которых построена стехиометрическая модель, представлены в табл. 33.

Таблица 33

Метаболиты

№ п/п

Метаболиты

1

2

1.

Глюкоза

2.

Глюкозо-6-фосфат

3.

Фруктозо-6-фосфат

4.

Фруктозо1-6-бифосфат

5.

Глицеральдегидфосфат

6.

1,3-бифосфоглицелат

7.

3-фосфоглицерат

8.

Фосфоэнолпируват

9.

Пируват

10.

Лактат

11.

Оксалоацетат

12.

Ацетил-КоА

13.

Цитрат

14.

Изоцитрат

15.

а-кетоглутарат

16.

Сакцинил-КоА

17.

Сукцинат

1

2

18.

Фумарат

19.

Малат

20.

Окисленный глутамат

21.

Восстановленный глутамат

22.

Глутамат

23.

О2

24.

СО2

25.

АТФ

26.

НАДН

27.

ФАДН2

28.

НАДФН

29.

Жирные кислоты

30.

Триацилглицериды

Полагали, что все концентрации всех метаболитов находятся в квазистационарном состоянии (изменение концентрации метаболитов является более быстрым процессом по сравнению с изменениями внешних условий), поэтому (1) можно переписать в виде

S∙v = 0. (2)

В построенной метаболической сети метаболических потоков больше, чем метаболитов (40 метаболических потока и 30 метаболитов). Это означает, что система сильно недоопределена. Доопределить систему можно путем введения дополнительных ограничений на величины метаболических потоков 02.wmf, которые определяются исходя из термодинамики процесса или из экспериментальных данных. В нашем случае систему доопределяли путем введения ограничений на потоки, катализируемые ферментами Г3ФДГ, ЛДГ, НАДИЦДГ, НАДФИЦДГ, НАДГДГ, НАДФГДГ, НАДМДГ, НАДФМДГ.

Таким образом, задача вычисления неизвестных метаболических потоков сводится к решению задачи оптимизации, для формулирования которой необходимо определить целевую функцию, которую необходимо или максимизировать, или минимизировать.

Целевая функция Z, которая может быть записана:

03.wmf (3)

где Z является целевой функцией; с – вектор, каждый элемент которого сj определяет коэффициент или вес для каждого потока vj из v.

В главе 7.1 показано, что течение внебольничной пневмонии зависит от величины активности Г6ФДГ. Этот фермент отражает интенсивность реакций в пентозофосфатном пути и степень того, с какой интенсивностью лимфоциты могут осуществлять синтетические, пластические и пролиферативные процессы. Поэтому сумма реакций пентозофосфатного цикла, где образуется клеточный НАДФН, может быть выбрана в качестве целевой функции.

Кроме того, в критических состояниях, таких, как развитие пневмонии, в лимфоцитах происходит увеличение интенсивности реакций цикла Кребса и в частности возрастает активность фермента сукцинатдигидрогеназы. Цикл Кребса обеспечивает цепь переноса электронов макроэргическими соединениями, необходимыми для производства АТФ. Поэтому активность указанного фермента может быть выбрана в качестве целевой функции.

При определении величин метаболических потоков указанные особенности функционирования лимфоцитов могут быть учтены при формулировке задачи многокритериального программирования с максимизацией суммы реакций пентозофосфатного цикла, где образуется клеточный НАДФН и величины активности сукцинатдигидрогеназы. Для решения поставленной задачи в работе использовали метод ε-ограничений [425], который максимизирует основную целевую функцию при ограничениях, накладываемых на дополнительную целевую функцию. Здесь в качестве основной целевой функции использовали величину активности сукцинатдигидрогеназы, а в качестве дополнительной – суммы реакций пентозофосфатного цикла.

Многокритериальную оптимизационную задачу решали отдельно для каждой экспериментальной группы.

Распределение метаболических потоков в лимфоците для контрольной группы и для групп больных внебольничными пневмониями на фоне гриппа нетяжелого и тяжелого течения представлено на рис. 21. Из результатов стехиометрического моделирования
видно, что величины активности Г6ФДГ, указывающей на течение внебольничной пневмонии (поток 33), в контрольной группе и в группе больных с тяжелым течением пневмонии схожи, и ниже, чем у больных с нетяжелым течением пневмонии.

21.wmf

Рис. 21. Распределение метаболических потоков в лимфоците
для контрольной группы (n = 37), для больных с нетяжелой
вирусно-бактериальной пневмонией, ассоциированной вирусом гриппа (n = 12), для больных с тяжелой вирусно-бактериальной пневмонией, ассоциированной вирусом гриппа (n = 21)

Алгоритм определения степени тяжести инфекционного заболевания с использованием стехиометрической модели можно описать поэтапно:

1. Калибровка стехиометрической модели по известным данным активностей метаболических ферментов для каждой экспериментальной группы. Входными данными для модели на этапе калибровки являются активности ферментов для каждой группы, а на выходе получают значения концентраций глюкозы, лактата, парциальных давлений кислорода и углекислого газа. В процессе калибровки устанавливается соответствие между активностью внутриклеточных ферментов и концентрациями глюкозы, лактата, парциальными давлениями кислорода и углекислого газа в крови для каждого состояния.

2. После калибровки, входные и выходные данные модели меняются местами. Теперь на вход подаются значения концентраций глюкозы, лактата, парциальных давлений кислорода и углекислого газа, полученных у пациента. Модель вычисляет распределение метаболических потоков согласно построенной стехиометрической матрице, и выдает значение активности Г6ФДГ, которая и указывает на течение внебольничной пневмонии на фоне гриппа (рис. 22).

22.wmf

Рис. 22. Алгоритм определения степени тяжести течения внебольничной пневмонии на фоне гриппа с использованием стехиометрического моделирования

Откалибровав модель единожды на данных, полученных для конкретного вида клеток иммунной системы можно использовать ее для определения течения внебольничной пневмонии.

В табл. 34 представлены результаты обследования 21 пациента, поступивших в инфекционное отделение КМКБСМП имени Н.С. Карповича г. Красноярска с тяжелым течением внебольничной пневмонии на фоне гриппа. На 3–5-е сутки госпитализации у 9 из них наступил летальный исход (№ 13–21), у 12 пациентов (№ 1–12) – летального исхода не было.

Таблица 34

Показатели активности Г6ФДГ в лимфоцитах периферической крови больных и совпадение их диагнозов с прогнозом развития летального исхода

№ п/п

Активность Г6ФДГ

Прогноз развития летального исхода

Развитие летального исхода

Совпадение прогноза с развитием летального исхода

1

2

3

4

5

1.

2,75

Не будет

Нет

+

2.

2,43

Не будет

Нет

+

3.

2,64

Не будет

Нет

+

4.

1,46

Должен быть

Нет

5.

1,12

Должен быть

Нет

6.

2,57

Не будет

Нет

+

7.

2,52

Не будет

Нет

+

8.

2,68

Не будет

Нет

+

9.

2,27

Не будет

Нет

+

10.

2,43

Не будет

Нет

+

11.

2,15

Не будет

Нет

+

12.

1,31

Должен быть

Нет

13.

0,77

Должен быть

Есть

+

14.

1,08

Должен быть

Есть

+

15.

0,62

Должен быть

Есть

+

16.

1,17

Должен быть

Есть

+

17.

0,95

Должен быть

Есть

+

1

2

3

4

5

18.

1,14

Должен быть

Есть

+

19.

1,74

Должен быть

Есть

+

20.

0,87

Должен быть

Есть

+

21.

1,09

Должен быть

Есть

+

Совпадение прогноза:

85,71 %

По результатам определения активности Г6ФДГ у трех пациентов (в табл. 51 № 4, 5, 12) прогнозировали развитие летального исхода, так как показатель активности фермента был ниже критического значения (1,95 мкЕ/10 000 клеток), однако этого не произошло.

Достоверность предлагаемого способа прогноза тяжелого течения вирусно-бактериальной пневмонии составляет 85,71 %.

Таким образом, стехиометрическая модель построена с учетом метаболических особенностей лимфоцита, что позволяет включать в модель метаболиты, легко измеряемые в клинике, такие как глюкоза, лактат, кислород и углекислый газ. Преимущества предлагаемого алгоритма заключаются в том, что при условии снижения активности Г6ФДГ ниже 1,95 мкЕ/10 000 клеток делают заключение о возможном развитии у больного с вирусно-бактериальной пневмонией летального исхода с достоверностью до 85,71 %.

Разработанный алгоритм может стать еще одним методом оценки тяжелого течения вирусно-бактериальной пневмонии с прогнозом развития летального исхода, что позволит своевременно разработать адекватную схему лечения.


Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074