BMX : Modélisation biologique et échange d'interfaces

Jul 09, 2023

Rapports scientifiques volume 13, Numéro d'article : 12235 (2023) Citer cet article

155 accès

1 Altmétrique

Détails des métriques

Le calcul haute performance a un grand potentiel pour offrir une série d’avantages significatifs pour l’étude des systèmes biologiques. Ces systèmes présentent souvent d’importants problèmes de modélisation avec de nombreux sous-systèmes couplés, comme lors de l’étude de colonies de cellules bactériennes. L’objectif de comprendre les colonies cellulaires a suscité un intérêt considérable car elles peuvent avoir de forts impacts économiques et sociétaux grâce à leur rôle dans les bioréacteurs industriels et les structures communautaires complexes, appelées biofilms, trouvées en milieu clinique. L'étude de ces communautés à l'aide de modèles réalistes peut rapidement dépasser les capacités des logiciels série actuels. Nous présentons ici BMX, un système logiciel développé pour la modélisation haute performance de grandes communautés cellulaires en utilisant l'accélération GPU. BMX s'appuie sur le package de raffinement de maillage adaptatif AMRex pour modéliser efficacement la formation de colonies cellulaires dans des conditions de laboratoire réalistes. À l’aide de scénarios de test simples avec une disponibilité variable des nutriments, nous montrons que BMX est capable de reproduire correctement le comportement observé des colonies bactériennes sur des échelles de temps réalistes, démontrant ainsi une application potentielle du calcul haute performance à la modélisation des colonies. Le logiciel open source est disponible sur le référentiel zenodo https://doi.org/10.5281/zenodo.8084270 sous la licence BSD-2-Clause.

La biologie offre une multitude de systèmes contenant un très grand nombre d'agents individuels effectuant une séquence d'interactions physiques ou chimiques. Collectivement, ces groupes d’individus construisent un système complexe avec le potentiel de formation de dynamiques émergentes. Les étapes du mécanisme vont de découplées ou trivialement couplées à très complexes avec rétroaction couplée. Les systèmes peuvent s’étendre sur plusieurs échelles de longueur, depuis la modélisation d’une seule molécule jusqu’aux modèles de cellules entières. Les simulations d'un grand nombre de cellules ou les simulations détaillées d'un nombre inférieur de cellules peuvent bénéficier de l'utilisation de ressources de calcul haute performance (HPC) pour répartir le calcul sur plusieurs ressources informatiques. Le HPC traditionnel s'est concentré sur la répartition des calculs entre les processeurs, mais la présence de boucles de calcul relativement simples dans bon nombre de ces simulations suggère qu'elles pourraient bénéficier d'une répartition entre les processeurs GPU1. Stone et al.2 ont fourni un aperçu de l'utilisation du GPU pour la modélisation moléculaire et Zhou et al.3 ont utilisé CUDA pour simuler des réseaux de réactions chimiques avec leur logiciel cuda-sim. Des problèmes à plus grande échelle ont été envisagés par Wilton et Szalay4 qui ont augmenté les vitesses d'alignement des séquences d'ADN du génome entier à l'aide de GPU, tandis que Thornburg et al.5 ont combiné une gamme de différentes modalités de modélisation, aboutissant à un modèle de cellule entière accéléré par GPU. Ici, nous souhaitons appliquer l’accélération GPU à la simulation d’une colonie de cellules bactériennes.

La colonie cellulaire est composée d'agents cellulaires discrets et d'un environnement chimique continu partagé. Chaque cellule peut être modélisée comme un sous-système avec une dynamique de croissance, des processus de réplication et des réactions métaboliques personnalisés. Les cellules interagissent entre elles et avec leur environnement par le biais d'interactions de forces mécaniques (cellule-cellule et cellule-environnement) et d'échanges de transport de nutriments entre la cellule et l'environnement. Les nutriments peuvent également se diffuser passivement dans l’environnement ou être transportés par convection. Ces interactions sont importantes pour la croissance de la communauté cellulaire6,7, où l'apport de nutriments vitaux aux cellules peut être affecté par la compétition entre les ressources cellulaires ou par les taux variables de diffusion des nutriments8. De plus, les cellules d’une colonie ne sont pas statiques et chaque cellule peut se déplacer dans l’environnement via une migration active ou un shuntage passif cellule-cellule.

Une gamme de logiciels a été développée pour simuler des colonies cellulaires en considérant chaque cellule individuelle comme un agent distinct et en utilisant des modèles basés sur des agents (ABM)9. Des packages exemplaires, notamment CompuCell3D10, PhysiCell11 et ChemChaste12, mettent chacun l'accent et capturent différents aspects d'un modèle de communauté cellulaire. Ces packages varient dans leurs descriptions cellulaires (comment ils modélisent chaque agent cellulaire individuel ; comme en utilisant les automates cellulaires (AC) ou les modèles basés sur un centre13), les descriptions mécaniques (comment les cellules interagissent et se déplacent ; comme les forces du ressort de Hooke ou les méthodes chimiotactiques). mouvement) et les descriptions de l'environnement (si les réactions de l'environnement et les différents taux de diffusion sont pris en compte). Ces descriptions deviennent complexes lors de la simulation de colonies réalistes, où les simulations deviennent coûteuses en calcul afin de capturer des niveaux de détail appropriés. Par conséquent, les méthodes de calcul haute performance deviennent nécessaires pour une modélisation réaliste des colonies et l’accélération GPU peut fournir des gains de performances encore plus importants14. Cependant, ces exemples de packages ne sont pas configurés pour être facilement accélérés pour utiliser des GPU et de nouveaux packages utilisant le calcul haute performance sont en cours de développement.