WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     || 2 |
-- [ Страница 1 ] --

УРАЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМ. А.М. ГОРЬКОГО

На правах рукописи

Гурьев Вячеслав Юрьевич МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ БИОМЕХАНИЧЕСКИХ ПРОЦЕССОВ В НЕОДНОРОДНОМ МИОКАРДЕ 05.13.18 - Математическое

моделирование, численные методы и комплексы программ диссертация на соискание ученой степени кандидата физико-математических наук

научный руководитель: к.ф.-м.н. О.Э. Соловьева Екатеринбург -2004 Оглавление Введение................................................................................................. 4 1. Механическая неоднородность миокарда..................................... 8 2. Обзор моделей мышечного сокращения...................................... 12 2.1. 2.2. Теория скользящих нитей....................................................................... 15 Кинетика Ca2+ и TnC............................................................................... 23 3. Модель мышечного сокращения, используемая для виртуального и гибридного дуплета.................................................. 3.1. 3.2. 3.3. 3.4. 3.5. Постулаты, лежащие в основе модели мышечного сокращения....... 31 Механический блок модели................................................................... 35 Описание активации................................................................................ 42 Полная система уравнений модели....................................................... 47 Численная реализация модели............................................................... 4. Виртуальный дуплет – математическая модель мышечного дуплета.................................................................................................. 52 5. Гибридный дуплет......................................................................... 5.1. 5.2. Описание микромеханографической установки.................................. 58 Блок сопряжения с компьютером.......................................................... 6. Алгоритмы и программа организации взаимодействия элементов гибридного дуплета в физиологическом эксперименте 6.1. Алгоритмы организации взаимодействия элементов гибридного Организация взаимодействия между элементами в первой Регуляризация задачи....................................................................... 73 Вторая упрощенная модель гибридного дуплета.......................... 77 дуплета................................................................................................................ 64 6.1.1. 6.1.2. 6.1.3. упрощенной модели гибридного дуплета.................................................... 6.2.

Пакет программ управления экспериментальной установкой для Реальное время.................................................................................. 85 Операционные системы реального времени.................................. 86 Расширения реального времени для Windows NT........................ 88 Программа управления установкой................................................ 90 Программа обработки экспериментальных данных..................... гибридного дуплета........................................................................................... 84 6.2.1. 6.2.2. 6.2.3. 6.1.4. 6.1.5.

7. Результаты численных экспериментов на последовательном виртуальном дуплете........................................................................... 7.1. 7.2. 7.3. 7.4. Характеристики сократительной функции сердечной мышцы.......... 97 Сравнение сократительной активности мышц в дуплете и Неоднородный виртуальный дуплет с задержками стимуляции его Механизмы, лежащие в основе эффектов взаимодействия мышц в изоляции.............................................................................................................. 99 элементов.......................................................................................................... 102 дуплете.............................................................................................................. 8. Результаты численных экспериментов на параллельном виртуальном дуплете......................................................................... 122 9. Эксперименты на гибридном дуплете....................................... 129 10. Расширение метода дуплетов: одномерные модели неоднородной сердечной ткани........................................................ 133 Заключение......................................................................................... 139 Библиографический список использованной литературы............. Введение В течение последних десятилетий наметился значительный прогресс в математическом описании функций различных органов и в особенности сердечно-сосудистой системы. Это стало возможным благодаря исключительно интенсивной аналитической работе экспериментаторов: морфологов, биохимиков, физиологов и специалистов по молекулярной биологии. В результате этой работы кристаллизованы морфофункциональные схемы различных клеток, в рамках которых упорядоченно в пространстве и времени протекают различные физико-химические и биохимические процессы, образующие весьма сложное переплетение. Вторым, очень важным обстоятельством, способствующим привлечению математического аппарата в физиологию, является тщательное экспериментальное определение констант скоростей многочисленных внутриклеточных реакций, определяющих функции клеток. Без знания таких констант невозможно формально-математическое описание внутриклеточных процессов. И, наконец, третьим условием, определившим успех математического моделирования в биологии, явилось развитие мощных вычислительных средств в виде персональных компьютеров и суперкомпьютеров. Это связано с тем, что обычно процессы, контролирующие ту или иную функцию клеток или органов, многочисленны, охвачены петлями прямой и обратной связи и, следовательно, описываются системами нелинейных уравнений. Такие уравнения не решаются аналитически, но могут быть решены численно при помощи компьютера. Численные эксперименты на моделях, способные воспроизводить широкий класс явлений в клетках, органах и организме, позволяют оценить правильность предположений, сделанных при построении моделей. Заметим, что, хотя в качестве постулатов моделей используются экспериментальные факты, необходимость некоторых допущений и предположений является важным теоретическим компонентом моделирования. Эти допущения и предположения являются гипотезами, которые могут быть подвергнуты экспериментальной проверке. Таким образом, модели становятся источниками гипотез, и притом, экспериментально верифицируемых. Эксперимент, направленный на проверку данной гипотезы, может опровергнуть или подтвердить ее и тем самым способствовать уточнению модели. Такое взаимодействие моделирования и эксперимента происходит непрерывно, приводя ко все более глубокому и точному пониманию явления: эксперимент уточняет модель, новая модель выдвигает новые гипотезы, эксперимент уточняет новую модель и так далее. В данной работе были разработаны математические модели для исследования проблемы механической неоднородности сердечной мышцы. В настоящее время мы являемся свидетелями необычайно быстро растущего интереса физиологов к тонкой пространственно-временной организации кардиомиоцитов в стенках камер сердечной мышцы. На смену прежним представлениям об однородности электрических и механических характеристик кардиомиоцитов рабочего миокарда, которые лежали в основе электрофизиологии и биомеханики сердечной мышцы, пришло понимание того, что миокард существенно неоднороден. Такое понимание требует глубокой ревизии как электрофизиологических, так и биомеханических принципов, лежащих в основе функции сердечной мышцы. Изучение влияния механической неоднородности на целом сердце затруднено ввиду взаимного влияния многих условий сокращения сердечной мышцы. Поэтому для выявления основных закономерностей механического взаимодействия между различными регионами сердца была разработана физиологическая модель механической неоднородности миокарда - мышечный дуплет [1-4]. Дуплет представляет собой пару мышц с различными механическими свойствами, соединенных параллельно или последовательно. В рамках представленной работы разработана математическая модель мышечного дуплета – виртуальный дуплет, элементами которого являются виртуальные мышцы – математические модели мышечного сокращения. Виртуальный дуплет опирается на адекватные модели мышечного сокращения, описывающие каждый из ее элементов. В настоящей работе была использована математическая модель сокращения изолированной мышцы миокарда, разработанная ранее сотрудниками Института иммунологии и физиологии [2]. Наряду с виртуальным дуплетом в рамках работы был разработан и внедрен новый экспериментально-теоретический метод для изучения механической неоднородности миокарда – метод гибридного дуплета. В гибридном дуплете в реальном времени взаимодействуют препарат миокарда и виртуальная мышца. Метод гибридного дуплета сочетает преимущества математического моделирования с экспериментальной достоверностью физиологических экспериментов. Требование реального времени взаимодействия элементов гибридного дуплета означает обеспечение динамического изменения условий сокращения обоих элементов дуплета в зависимости от текущего состояния партнера. Для реализации метода гибридного дуплета была необходима программная среда с жестко установленным дискретом времени для расчета математической модели и организации взаимодействия между элементами дуплета. В связи с этим возникали дополнительные сложности в разработке программного обеспечения для экспериментальной установки, которые были успешно преодолены. В первой главе диссертационной представлены физиологические аспекты проблемы механической неоднородности миокарда. Во второй главе дан краткий обзор существующих математических моделей мышечного сокращения. Базовая математическая модель мышечного сокращения, использованная при разработке виртуального и гибридного дуплетов, описана в главе 3 работы. В главе 4 приводится построение математических моделей мышечных дуплетов - последовательного и параллельного виртуальных ду плетов. Глава 5 посвящена методу гибридного дуплета. В первой части главы 5 кратко описана аппаратная часть экспериментальной установки для проведения экспериментов на гибридном дуплете. Разработанные алгоритмы для организации динамического взаимодействия элементов гибридного дуплета представлены во второй части главы. Здесь же приводится описание разработанного пакета программ для управления экспериментальной установкой, в котором были применены эти алгоритмы. В главах 7, 8 и 9 представлены результаты численных и физиологических экспериментов на последовательном и параллельном виртуальных дуплетах и гибридном дуплете. В последней главе описана одномерная математическая модель неоднородной ткани в виде цепочки последовательно соединенных виртуальных мышц. В этой же главе сравниваются результаты экспериментов на последовательных дуплетах и одномерных моделях механической неоднородности. В заключении содержатся основные выводы, сделанные в работе.

1. Механическая неоднородность миокарда Неоднородность миокарда стала предметом повышенного внимания на протяжении последнего десятилетия, хотя первые исследования в этой области начались более чем 70 лет назад. В 1927 году Карл Виггерс впервые сделал предположение, что хронологическая неоднородность активации желудочка обеспечивает суммацию сокращений отдельных его частей, улучшая его механическую функцию. Он также предположил, что в течение изоволюмической фазы (при постоянном объеме) сокращения желудочка, приблизительно за 20 мс до начала выброса крови, сегменты миокарда, вступающие в сокращение первыми, растягивают сегменты, которые активируются позднее. Он предположил, что эта «предварительная фаза» увеличивает эффективность сокращения желудочка в целом [5]. В 1987 году Д. Брусаерт сделал предположение, что пространственновременная неоднородность свойств кардиомиоцитов является третьим ключевым фактором, определяющим механическую функцию миокарда и эффективность его сокращения и расслабления, наряду с условиями нагружения и временным ходом активации/инактивации [6]. Обобщение имеющихся экспериментальных данных о неоднородности миокарда привело к формулированию новой парадигмы механической функции миокарда, которая была предложена А. М. Катцем и П. Б. Катцем, утверждающей, что однородность миокардиальной ткани возникает благодаря неоднородности кардиомиоцитов [7]. Авторы предположили, что неоднородность кардиомиоцитов возникает в результате адаптации к локальным механическим условиям, обеспечивая однородность на глобальном уровне и оптимизируя механическую работу.

Впервые идея исследования неоднородности миокарда в рамках модели, представляющей собой тандем из двух последовательно соединенных мышц, была реализована в 1969 году группой Тайберга [8]. В их работе, в частности, было исследовано влияние асинхронной активации мышц на развиваемую тандемом силу. Тайберг не рассматривал неоднородность как норму. В его экспериментах моделировалась патологическая неоднородность миокарда, возникающая при ишемии, – одна из мышц сокращалась в условиях дефицита кислорода. Известно, что и в нормальном сердце существуют различия между механическими свойствами отдельных кардиомиоцитов. Было показано, что зависимость активная сила – длина саркомера более крутая в клетках субэндокарда, чем в клетках субэпикарда в желудочке сердца крысы и хорька [9]. Это трансмуральное различие свойств миоцитов может быть обусловлено разницей в сродстве TnC к цитозольныму кальцию [10] и изменением сродства TnC с кальцием в процессе активации сократительных белков. Данные показывают, что сродство TnC к кальцию может зависеть от изоформ миозина [11]. В экспериментах на грызунах были обнаружены три изоформы миозина быстрая v1, неактивная v2, медленная v3, различным образом распределенные между миоцитами эпикарда и эндокарда. Трансмуральные различия активных механических свойств найдены среди изолированных кардиомиоцитов морской свинки [12, 13] и собаки [14]. В клетках субэндокарда сердца собаки замечено: I. наибольшее укорочение ненагруженной клетки (по сравнению с субэпикардом);

II. наименьшая скорость укорочения (в процентах от общей длины клетки);

III. наибольшее время достижения максимума силы;

IV. наименьшая скорость укорочения [15, 16].

Методом ядерно-магнитного резонанса было показано, что напряжение является наибольшим в субэндокардиальных слоях, и увеличивается от верхушки к основанию желудочка в изоволюмической фазе сокращения [17]. В работе [9] было отмечено, что зависимость длина саркомера - пассивное напряжение в желудочке хорька значительно более крутая в клетках субэндокарда по сравнению с клетками субэпикарда. Например, при длине саркомера 2 мкм пассивное напряжение в субэндокарде более чем в три раза больше, чем в субэпикарде. Эти трансмуральные различия жесткости могут быть объяснены различиями изоформ титина [18]. Вышеперечисленные данные хорошо согласуются с результатами экспериментов на изолированных кардиомиоцитах человека. Клетки субэндокарда жестче, чем клетки субэпикарда, что может обусловливаться необходимостью защиты их от чрезмерного растяжения в связи с большим конечно диастолическим напряжением в этом слое. Зависимость длина – активное напряжение круче в субэндокардиальных клетках, и они развивают большее напряжение, чем субэпикардиальные клетки при соответствующих длинах. Это свойство помогает уменьшить относительную нагрузку на поперечные мостики перед фазой выброса, и создает возможность большего укорочения субэндокардиальных клеток. И, наконец, большая способность изолированных клеток верхушки желудочка к укорочению под приложенной нагрузкой хорошо соответствует большему укорочению сегмента верхушки левого желудочка [17]. Физиологические эксперименты позволяют получать важные результаты в исследовании поведения неоднородных миокардиальных систем, но они имеют ряд естественных ограничений. Фактически невозможно однозначно идентифицировать комплекс причин, которые обусловливают неоднородность в миокарде. Можно пытаться анализировать проявления неоднородности в эффектах, вызванных целенаправленным воздействием на какуюлибо структурную единицу миокардиальной системы. Однако в результате любого воздействия, как правило, меняются некоторые характеристики, определяющие особенности цикла. Вследствие этого, затруднительно выяснить, какая именно из изменившихся характеристик наиболее сильно влияет на поведение неоднородной миокардиальной системы. При математическом моделировании неоднородного миокарда имеется возможность изолированно менять в системе некоторый параметр и оценивать вклад неоднородности в совокупность проявлений, связанных с изменением именно этого параметра. Особенно важно то, что в отличие от натурных экспериментов результаты численного моделирования позволяют выявить молекулярные механизмы, способные вносить вклад в поведение механических систем. С последним обстоятельством связана еще одна проблема – сравнение физиологических и численных экспериментов. Ведь если в модели точно известно, по каким параметрам неоднородны мышцы, то в реальном дуплете это, как правило, невозможно установить. Поэтому важно выделить функциональный уровень описания неоднородности, проявляющийся в наблюдаемых макроскопических характеристиках мышц (например, асинхронизм, различие амплитуд развиваемого напряжения или укорочения). Именно по типу функциональной неоднородности следует сравнивать результаты моделирования и реальных экспериментов. Наконец, математическое моделирование позволяет сформулировать некоторые новые экспериментальные программы, направленные на дальнейшее выяснение механизмов влияния механической неоднородности миокарда на его сократительную функцию.

2. Обзор моделей мышечного сокращения В настоящей работе в качестве сократительной единицы в математических моделях неоднородного миокарда выбрана модель изолированной мышцы. Поэтому для анализа результатов численных и натурных экспериментов важно четко представлять способы описания отдельных механизмов, лежащих в основе сокращения изолированного препарата миокарда. В частности, чтобы не выйти за рамки области применения модели, при анализе экспериментальных данных нужно учитывать ее ограничения и недостатки. Кроме того, важной частью анализа является формализация полученных эффектов, другими словами, где это возможно, необходимо рассматривать результаты экспериментов в математическом контексте. В этой главе на примере существующих моделей сокращения сердечной мышцы описаны основные внутриклеточные механизмы, обеспечивающие мышечное сокращение, и различные способы их математического описания. Рассмотрим некоторые известные модели мышечного сокращения (таблица 2-1). Обратим внимание, что часть представленных моделей [1, 2, 19] была разработана моими коллегами Изаковым В.Д., Мархасиным В.С., Кацнельсоном Л.Б. и Соловьевой О.Э. Таблица 2-1 Тип мышцы скелетная скелетная папиллярная папиллярная сердечная сердечная млекопитающие кролик Вид лягушка Автор Hill [20] Huxley [21] Panerai [22] Peterson et al. [23] Izakov [19] Год 1938 1957 1980 1991 Landesberg et al. [24] 1994 сердечная сердечная желудочка сердечная сердечная желудочка папиллярная Сердечная Сердечная млекопитающие кролик морская свинка Hunter et al. [25] Katsnelson et al. [26] Noble et al. [27] Guccione et al. [28] Hunter et al. [29] 1997 1996 1998 1998 1998 1998 1999 2000 морская свинка Кролик Хорек Winslow et al. [30] Rice et al. [31] Rice et al. [32] Nickerson et al. [33] Модель Хилла. Одна из наиболее ранних феноменологических мо делей мышечного сокращения принадлежит Хиллу [20]. Эта модель была разработана еще до того, как стали известны детали анатомии мышечного сокращения. Хилл заметил, что когда скелетная мышца сокращается под постоянной нагрузкой (изотонический режим сокращения), связь между постоянной скоростью укорочения v и нагрузкой p хорошо описывается уравнением:

( p + a )v = b( p 0 p ), (2-1) где a и b константы, которые можно найти на основании экспериментальных данных. Чтобы имитировать переходный процесс изменения силы мышцы, возникающий при изменении ее длины, Хилл построил модель мышечного волокна, состоящую из контрактильного элемента, соединенного с последовательным упругим элементом. Хилл сделал наиболее простое предположение, что упругий элемент линеен. Если силу p = P( x ) упругого элемента представить в виде P = ( x x0 ), где x0 – заданная длина покоя, x - длина упругого элемента, то уравнение относительно p будет иметь вид dL b( p 0 p ) dp, = + dt dt p+a где за L = l + x обозначена длина мышечного волокна, l – длина контрактильного элемента. Параметры модели можно найти, например, следующим образом. В состоянии тетануса (состояние максимального напряжения мышцы при частоте стимуляции, настолько высокой, что расслабления мышцы между сокращениями не происходит) к мышце прикладывают постоянную нагрузку до тех пор, пока длина мышцы не перестанет изменяться. Затем резко уменьшают нагрузку на мышцу. После переходного процесса мышца начинает укорачиваться с постоянной скоростью [34]. Повторяя эксперимент с различными амплитудами изменения силы, можно получить серию точек кривой сила-скорость, по которым можно экстраполировать параметры в уравнении Хилла.

2.1.

Теория скользящих нитей В настоящее время твердо установлено, что укорочение мышцы происходит за счет движения относительно друг друга толстых и тонких нитей миофибрилл. Силогенерирующей единицей мышцы является так называемый поперечный мостик. Он представляет собой глобулярную головку белка миозина на толстой нити и способен присоединяться к активным центрам на тонкой нити и, совершая конформацию, генерировать усилие. В результате циклирования мостиков нити могут двигаться друг относительно друга. Присоединению мостиков к активным центрам препятствует белок тропомиозин, который переходит в открытое состояние (т.е. состояние, когда он не закрывает активные центры на тонкой нити, делая возможным присоединение поперечных мостиков) при присоединении свободного кальция к регуляторному белку тропонину С (TnC). Математическое описание мышечного сокращения можно разделить на две части: собственно механическую часть – описание циклирования поперечных мостиков и химическую часть – описание кинетики внутриклеточного кальция.

Модель Хаксли. В 1958 году Хаксли предложил модель циклирова ния поперечных мостиков [21]. В этой модели предполагается, что поперечный мостик может находиться в силогенерирующем состоянии (связанном) или в несвязанном состоянии с вероятностью, зависящей от пространственного положения мостика относительно положения покоя. В модели описывается функция n(x, t) - доля присоединенных мостиков, генерирующих силу, в момент времени t со смещением x относительно положения покоя (в положении покоя мостик не производит усилия). С учетом движения нитей относи тельно друг друга со скоростью v(t) для n записывается следующее уравнение в частных производных:

n n v( t ) = ( 1 n ) f ( x ) ng( x ) t x Функции f и g в модели были выбраны следующим образом:

(2-2) x < 0, 0, f(x) = f1 x / h, 0 < x < h, 0, x>h x < 0, g, g( x ) = 2 g 1 x / h, x > 0.

(2-3) В принципе возможен другой выбор функций f и g такой, что они будут зависеть от, например, [Ca-TnC]. Предполагая, что мостик со смещением x генерирует силу r(x) получается сила, генерируемая мостиками + p = r( x )n( x,t )dx (2-4) Можно показать, что в модели Хаксли средняя сила мостиков является функцией от скорости укорочения (удлинения) саркомеров. В дальнейшем мы увидим, что аналогичная гипотеза лежит в основе модели мышечного сокращения, использованной нами при разработке виртуального дуплета. Нужно отметить, что последние экспериментальные данные показывают, что мостик имеет три возможных состояния: сильно связанное, слабо связанное и несвязанное. Мостик генерирует усилие только в сильно связан ном состоянии, после присоединения к активному центру и перехода из слабо связанного состояния. С учетом этого в настоящее время модель Хаксли претерпела различные модификации.

Связь кинетики мостиков с состоянием регуляторных белков. В моделях мышечного сокращения состояние мостиков (слабо связан ное, сильно связанное, несвязанное) часто ассоциируется с состоянием TnC (связан с Ca2+ или не связан с Ca2+) [24, 32, 33, 35], и с тем, находится ли мостик в зоне перекрытия тонкой и толстой нитей [24]. Например, в модели Райса [31] учитываются 4 возможных состояния функциональной единицы, включающей мостик, тропомиозин, TnC, - N0, N1, P0, и P1. Здесь N означает, что мостик присоединен к мономеру актина с несвязанным TnC, а P, соответственно, к мономеру актина с Ca-TnC комплексом. 0 и 1 обозначает количество сильно связанных поперечных мостиков. Используя такой подход, можно описать кинетику поперечных мостиков при помощи дифференциального уравнения N0 N0 P0 P0 d P1 = M P1. dt N1 N1 (2-5) Матрица М в уравнении (2-5) состоит из коэффициентов скорости перехода функциональной единицы в то или иное состояние. Скорости перехода зависят от [Ca-TnC] и зоны перекрытия толстых и тонких нитей. На следующей иллюстрации показана схема, взятая из третьей модели Райса [31]:

k1 k M = 1 0 k 1 k 1 f f 0 g g k 1 k 0 k1 g k1 g Возможны и другие схемы, которые позволяют, в частности, воспроизводить кооперативность первого и второго типа (об этом будет рассказано далее). В этих схемах добавлены дополнительные состояния поперечных мостиков, например, функциональная единица может иметь до трех поперечных мостиков, находящихся в сильно связанном состоянии при условии открытого состояния тропомиозина. Переход в состояние P2 возможен из P1, а в P3 из P2. Вообще говоря, различные состояния функциональных единиц варьируются от модели к модели. Так, например, модель [35] основана на 10 состояниях функциональных единиц, которые различаются по количеству присоединенных мостиков, зоне перекрытия толстой и тонкой нити, находятся ли мостики в сильно связанном состоянии или слабо связанном. Вместо констант скорости перехода между различными состояниями могут использоваться функции, которые зависят от [Ca-TnC], скорости укорочения мышцы или ее длины. В большинстве моделей не требуется подробного описания динамики мостиков, такого как в модели Хаксли. Вместо этого рассматривается кинетика усредненного мостика [19, 22, 29, 33, 35, 36]. В этом случае существует несколько способов описания кинетики мостиков. Использовать тот или иной вариант описания во многом зависит от выбора экспериментальных данных, которые должна предсказывать модель. При построении модели требуется учитывать возможность идентифицировать параметры построенных моделей по этим экспериментальным данным. Рассмотрим некоторые примеры такого способа описания. 1. Например, в модели [31] рассматриваются только изометрические сокращения мышцы. Тогда средняя сила мостиков постоянна, и сила, развиваемая мышцей, пропорциональна количеству прикрепленных мостиков, находящихся в силогенерирующем состоянии. В этом случае сила F, развиваемая мышцей, выражается через количество силогенерирующих мостиков P1+N1 и максимальную силу сокращения Fmax:

F= ( N 1 + P1 ) Fmax.

2. Другой вариант описания кинетики мостиков выбран в модели, используемой нами при разработке виртуального дуплета, с которой можно ознакомиться в третьей главе [26] работы. На основе экспериментальных данных (полученных на скелетных мышцах) были найдены выражения для силы мышцы в зависимости от постоянной скорости укорочения в условиях полной активации (т.е. в условиях, когда количество открытых активных центров на тонкой нити максимально). При тех же условиях была определена зависимость для доли присоединенных мостиков от скорости укорочения. Среднюю силу мостиков в зависимости скорости укорочения можно выразить через отношение силы мышцы и доли присоединенных мостиков. Полученная зависимость средней силы мостика от скорости движения нитей являлась важной функцией модели. Считая, что средняя сила мостиков зависит только от скорости укорочения мышцы, можно использовать полученную зависимость для условий отличных от состояния полной активации. 3. Сила, развиваемая мышцей в изометрическом сокращении, выражается через длину мышцы. Затем зависимость силы мышцы от ее скорости укорочения выражается через силу изометрических сокращений и скорость сокращения. Этот вариант реализован в модели [29]. Экспериментально показано, что изометрическая сила мышцы в состоянии полной активации линейно зависит от длины мышцы. На основании этого можно записать T0 = Tref ( 1 + 0 ( 1 )), (2-6) где T0 – напряжение на мышцу, Tref - максимальное изометрическое напряжение, - отношение длины мышцы к длине, при которой достигается максимальное изометрическое напряжение. В отсутствии полной активации в это уравнение добавляется множитель z – доля открытых активных центров на тонкой нити:

T0 = Tref ( 1 + 0 ( 1 ))z.

(2-7) Соотношения справедливы (2-6), только (2-7) для изометрических условий сокращения. Чтобы получить зависимость силы мышцы T от динамически изменяющейся длины, авторы работы воспользовались следующими экспериментальРис. 1. Ступенчатое изменение длины препарата (Hunter et all 1998).

ными наблюдениями. Небольшое по величине изме нение длины (менее чем на %1 от длины препарата) за короткий промежуток времени приводит к резкому падению силы. После падения следует фаза быстрого восстановления силы к первоначальному уровню с осцилляциями в конце, завершающимися фазой медленного восстановления (Рис. 1). Для описания этих наблюдений была использована модель с «затухающей памятью» (fading memory model), основанная на каскадной модели. В ней неизвестная функция напряжений Q( T,T0 ) записывается как линейная суперпозиция динамических изменений длины:

t & Q( T,T0 ) = ( t )( )d, (2-8) где неизвестная весовая функция. Далее предполагая, что более поздние изменения длины в большей степени влияют на текущее напряжение, чем более ранние, был выбран следующий вид функция :

( t ) = Ai e it, i = N (2-9) где Ai, i параметры модели. Экспериментальные наблюдения позволяют предположить, что существует три различных физических процесса: начальное быстрое восстановление с небольшими осцилляциями – процесс второго порядка, фаза медленного восстановления – процесс первого порядка. Поэтому N можно ограничить до трех. Для получения функции Q, было использовано уравнение Хилла. Игнорируя два последних члена суммы, отвечающих за начальный переходный процесс, и считая, что укорочение идет с постоянной скоростью V, из (2-8), (2-9):

Q( T,T0 ) = A1V.

(2-10) Чтобы получить уравнение Хилла необходимо принять Q( T,T0 ) = T / T0 1, T / T0 + a (2-11) где a – параметр из уравнения Хилла. Подставив (2-9) и (2-11) в (2-8), можно найти напряжение мышцы T в момент времени t. Здесь мы не станем останавливаться на том, как находятся коэффициенты данной модели.

2.2.

Кинетика Ca2+ и TnC Как уже упоминалось ранее, присоединение мостиков к тонкой нити происходит благодаря соединению Ca c TnC и конформации молекулы тропомиозина. Практически во всех моделях образование Ca-TnC комплексов описывается при помощи стандартных уравнений химической кинетики:

2+ d T k on [ Ca ] i = dt TCa k on [ Ca 2 + ] i k off k off T TCa, (2-12) где T – концентрация тропонина не связанного с кальцием, TCa – концентрация Ca-TnC комплексов. Коэффициенты в уравнениях (2-15) могут быть константами. Однако, если в модели учитываются кооперативные эффекты образования Ca-TnC комплексов, то коэффициенты могут быть и функциями, зависящими, например, от количества поперечных мостиков, находящихся в сильно связанном состоянии. Об этом подробно будет рассказано далее.

Кинетика Сa в сердечной клетке. Едва ли не главной переменной в регуляции мышечного сокращения является [Ca2+]. Поэтому описанию кинетики кальция уделяется специальное внимание. Некоторые модели [19] задают [Ca2+] как функцию, аппроксимирующей прямые регистрации, полученные в эксперименте. В других моделях более подробно описывают кинетику кальция в клетке. Кинетику кальция в клетке схематично можно описать следующим образом. Деполяризация мембраны клетки приводит к току в клетку ионов Ca2+ через ее мембрану. Ca2+ в клетке вызывает высвобождение кальция из саркаплазматического ретикулума (СР). В результате повышения концентрации кальция в цитоплазме происходит сокращение мышцы. В клетке Ca2+ связывается с TnC, поглощается насосом Ca2+-АТФазы в СР, присоединяется к буферным лигандам. Постепенно в процессе сокращения кальций почти полностью поглощается насосом Ca2+-АТФазы, в результате происходит расслабление мышцы. Кальций также участвует в ряде других химических реакций, о которых в данной работе не упоминается. Описание большинства вышеперечисленных процессов основывается на стандартных уравнениях, полученных с использованием закона действия масс и ферментативной кинетики. К примеру, для описания потока кальция через мембрану СР при помощи насоса Ca2+-АТФазы используются уравнения ферментативной кинетики. При построении этих уравнений предполагается, что фермент (Ca2+-АТФаза) может присоединять n молекул субстрата, и предполагается, что присоединение молекулы к ферменту существенно ускоряется, если к нему уже присоединены молекулы субстрата. В результате присоединения субстрата (Сa2+) происходит конформация комплекса, обеспечивающая продвижение кальция с внешней стороны мембраны на внутреннюю. Проведя анализ системы, можно показать, что скорость изменения концентрации субстрат-ферментного комплекса намного выше скорости изменения концентрации субстрата, т.е. кинетика фермент-субстратной системы описывается системой с сингулярным разложением [37]. Поэтому можно считать, что при относительно медленном изменении концентрации субстрата, концентрация субстрат-ферментного комплекса практически мгновенно принимает стационарные значения, соответствующие текущему значению концентрации субстрата. Поэтому решение полной системы стандартно заменяется квазистационарным решением, благодаря которому скорость процесса зависит только от концентрации субстрата. С учетом асимптотических рассуждений о том, что каждая присоединенная молекула субстрата бесконечно увеличивает скорость присоединения последующих молекул, в предельном случае получается классическое для ферментативной кинетики уравнение Хилла [38]: V = V max s n K n + sn, где V - скорость реакции, s - концентра ция субстрата, Vmax - максимальная скорость реакции, K - некоторый параметр, определяющийся на основании экспериментальных данных. Обычной практикой является использование уравнения Хилла для описания процесса, в котором детально не известны его промежуточные стадии, однако предполагается, что эти стадии протекают с высокой степенью кооперативности. Таким образом, можно воспользоваться уравнением Хилла, в котором на основании экспериментальных данных берется n 2, как было сделано в работах [39-41]:

J pump = V max [ Ca 2 + ] c 2 ( K m + [ Ca 2 + ] c2 ), (2-13) где J pump - скорость работы насоса, Km – константа диссоциации, [ Ca 2 + ] c концентрация кальция в цитоплазме, Vmax – максимальная скорость работы насоса. Связывание кальция буферными лигандами (в том числе и с кальсеквестрином в СР) описывается стандартными уравнениями на основе закона действия масс. Различные модели, как правило, отличаются лишь количеством учитываемых буферов. Поэтому мы не будем специально уделять этому внимание.

Кальцием вызванное высвобождение кальция из СР. Изменение концентрации цитозольного Са2+ на порядок величин (от 10-7 M в диастолу до 10-6 M в систолу), необходимое для обеспечения сократительной активности клетки в течение сердечного цикла, происходит в результате сложного процесса, называемого кальцием вызванное высвобождение кальция (КВВК) [42]. Особенность этого явления заключается в триггерном характере высвобождения большого количества Са2+ из внутриклеточных накопителей (СР) вследствие малого возмущения системы, вызванного поступлением в клетку относительно небольшого количества Са2+ из внеклеточной среды в ответ на деполяризацию клеточной мембраны в течение потенциала действия. Цитозольный Са2+ связывается с TnC, что инициирует последовательность актинмиозиновых взаимодействий, приводящих к сокращению. Таким образом, КВВК является одним из важнейших процессов, обеспечивающих сократительную функцию сердечной клетки. Молекулярные механизмы регуляции КВВК до сих пор не вполне ясны и интенсивно изучаются и экспериментально, и при помощи математического моделирования. Многие исследователи описывают процесс КВВК в рамках так называемой «теории общего пула», т.е. с точки зрения усредненных концентраций Са2+ и в саркоплазме, и в субклеточных подпространствах. Имеется целый ряд математических моделей кальциевой регуляции в сердечных клетках, опирающиеся на представления этой теории (например, [41, 43]). Значимость этих моделей состоит в реализации попытки описать динамику концентрации Са2+ в саркоплазме в течение сократительного цикла, так называемый Са2+ переход, опираясь на кинетические характеристики процессов накопления и высвобождения Са2+ во внутриклеточных компонентах и буферах. Эти модели воспроизводили поведение внутриклеточной концентрации Са2+ в определенных условиях экспериментов. В нашей работе не требовалось тонкого описания высвобождения Ca2+, поэтому мы использовали модель, где поток кальция из СР J release был представлен в виде J release = J max N ( Ca SR Ca SS ), (2-14) где Jmax – максимальный поток, N – доля открытых каналов, CaSR – концентрация кальция в СР, CaSS – концентрация кальция в субпространстве. N=N(t) в этой модели задавалась в виде функции, зависящей от t.

Кооперативные эффекты связывания Ca c TnC. Связь между силой F, развиваемой мышцей и концентрацией свободного кальция в стационарном состоянии при постоянной концентрации кальция хорошо описывается уравнением Хилла F= Fmax 1 + ( K m /[ Ca 2 + ]) n, (2-15) где Km и n параметры зависящие как от внешних условий сокращения (температуры, длины мышцы), так и от самой мышцы (вид животного, тип мышцы). Эту зависимость нельзя объяснить, полагая, что константы скорости образования Ca-TnC комплексов являются постоянными как в системе (2-12) с постоянными коэффициентами. На основании экспериментальных данных было выдвинуто несколько гипотез для объяснения механизмов регуляции образования Ca-TnC комплексов и изменения конфигурации белка тропомиозина. Одна из гипотез предполагает, что присоединенные поперечные мостики увеличивают степень сродства кальция к TnC. Этот тип кооперативности подтверждается экспериментальными наблюдениями, в которых использование блокатора циклирования поперечных мостиков уменьшало сродство TnC к кальцию [44]. В пользу этой гипотезы также говорит тот факт, что механические условия сокращения, влияющие на циклирование мостиков, изменяют концентрацию свободного кальция, предположительно, изменяя связывание его со специфическим тропонином. Вторая гипотеза состоит в том, что присоединение поперечного мостика к актиновой нити увеличивает скорость присоединения соседних мостиков. В пользу этой гипотезы говорит тот факт, что поперечные мостики в ригорном состоянии могут активировать тропомиозин в отсутствии Ca2+ [45]. Третья гипотеза состоит в том, что, переходя в открытое состояние, тропомиозин влияет на своих соседей, облегчая их переход в открытое состояние. Так как состояние тропомиозина связано с концентрацией Ca-TnC комплексов, то доказательством этой гипотезы может служить факт, что частичное извлечение тропониновых комплексов приводит к уменьшению кооперативности, в результате чего наблюдается менее крутая связь сила-[Ca2+] [46]. Есть и другая трактовка этой гипотезы, когда утверждается, что Ca-TnC комплекс увеличивает степень сродства соседних Ca-TnC комплексов с присоединенным кальцием. Для проверки этих гипотез различными исследователями были разработаны модели, воспроизводящие связь сила-Ca2+ с учетом того или иного типа кооперативности: Гипотеза Гипотеза 1 Гипотеза 2 Гипотеза 3 Авторы Landesberg, Sideman [35] Zou, Phillips [47] Izakov et al. [19] Способы описания кооперативных эффектов в различных моделях настолько разнообразны, что сложно выделить их общие принципы. Наиболее распространенные способы заключаются в том, что скорости распада и образования Ca-TnC комплексов зависят от количества присоединенных мостиков (первая гипотеза), скорость распада Ca-TnC комплексов включает функцию убывающую с увеличением [Ca-TnC] (третья гипотеза). Большое количество способов описания кооперативных эффектов основывается на введении в модели множества состояний функциональных единиц, для которых константа скорости перехода из состояния в состояние увеличивается с увеличением количества присоединенных поперечных мостиков (как для модификации модели Ландсберга с 3-мя возможными присоединенными мос тиками из предыдущего пункта) или модели Зоу из вышеприведенной таблицы. Степень влияния того или иного типа кооперативности во многом зависит от типа мышц, в частности, от типа изоформы миозина. Нужно также отметить, что перечисленные гипотезы не являются достоверно установленными фактами.

3. Модель мышечного сокращения, используемая для виртуального и гибридного дуплета Ниже мы приводим описание модели сокращения одиночного волокна сердечной мышцы, разрабатываемой сотрудниками ИИФ УрО РАН под руководством членкорреспондента РАН Мархасина В.С. Эта модель опубликована [2, 19, 26] и верифицирована по отношению к многочисленным экспериментальным данным. Поэтому именно она послужила основой разработанного в данной работе виртуального дуплета. Модель осРис. 2. Реологическая схема модели. На рисунке изображена трехкомпонентная реологическая схема модели. Контрактильный элемент – CE, последовательный нелинейно–упругий элемент - SE, параллельный нелинейно– упругий элемент - PE.

нована на стандартной трехкомпонентной модели Хилла [20]. Она состоит из активного контрактильного элемента (CE) (саркомера) и двух пассивных нелинейно-упругих элементов (PE и SE) (рис. 2). Параллельный элемент (PE) определяет упругие свойства невозбужденной сердечной мышцы. Модель состоит из двух взаимосвязанных блоков: механический блок и блок описания рециркуляция кальция. В дальнейшем мы будем пользоваться следующими обозначениями: Lr - длина покоя контрактильного элемента, LPE – длина параллельного элемента, l1 - отклонение длины контрактильного элемента от длины покоя в процессе сокращения, l2 =LPE-Lr. Далее приводится подробное описание уравнений модели. Анализ работы модели приводится в работе [2].

3.1.

Постулаты, лежащие в основе модели мышечного сокращения В основе математической модели мышечного сокращения лежат следующие постулаты: 1. Реологическое поведение мышцы может быть описано трехкомпонентной моделью, включающей пассивные последовательный и параллельный нелинейно-упругие элементы и активный контрактильный элемент. Таким образом, сила, развиваемая мышцей P, в любой момент времени равна сумме сил параллельного PPE и контрактильного PCE элементов: P=PCE+PPE или, учитывая, что PCE= PSE, где PSE – сила последовательного элемента, P=PSE+PPE. Длина мышцы равна сумме длин контрактильного и последовательного элемента и равна длине параллельного элемента: LM=LCE+LSE=LPE. Напряжение в параллельном элементе описывается формулой:

PPE = 2 ( e 2l2 1 ) ;

а в последовательном элементе:

(3-1) PSE = 1 ( e1 ( l2 l1 ) 1 ) ;

(3-2) Мы рассматривали два режима работы модели: изометрический (постоянная длина мышцы) и изотонический (постоянная нагрузка на мышцу). В первом случае dl2 = 0, а во втором уравнение относительно l2 получается из уравнеdt ния dPPE dPSE + = 0 при подстановке в это уравнение (3-1) и (3-2), откуда поdt dt dl2 dl и 1. dt dt лучается уравнение связи между 2. Усилие, развиваемое поперечными мостиками, зависит только от скорости укорочения саркомера. 3. Усилие, развиваемое саркомером, пропорционально произведению количества миозиновых поперечных мостиков, присоединенных к нити актина, на среднюю силу, развиваемую одиночным мостиком:

PCE = p( v ) N ( t ).

(3-3) Здесь – коэффициент пропорциональности, p(v) – средняя сила мостиков, N(t) - доля мостиков, находящихся в сильно связанном состоянии. 4. Число прикрепленных мостиков определяется количеством комплексов Са со специфическим тропониномС (TnC) в зоне перекрытия толстых и тонких нитей и средней вероятностью прикрепления одного мостика к дерепрессированному актину. Таким образом, N ( t ) = ns( l1 ) Aµ (3-4) Здесь n – средняя вероятность обнаружить мостик в сильно связанном состоянии, s(l1) – доля мостиков, находящихся в зоне перекрытия, A – доля CaTnC комплексов, µ –параметр модели. В рассматриваемом диапазоне длин, исходя из геометрии перекрытия, можно записать, что величина зоны перекрытия s линейно связана с l1:

s(l1) = l1+s (3-5) 5. При связывании кальцием двух соседних молекул TnC дерепрессируется большее число мономеров актина на тонкой нити, чем двумя изолированными Ca-TnC комплексами в сумме. Поэтому переменная, описывающая [Ca-TnC], входит в формулу для расчета количества присоединенных мостов в степени µ (см. предыдущий постулат). 6. Процесс ассоциации - диссоциации Ca-TnC комплексов следующим образом регулируется двумя типами кооперативности сократительных белков (см. подробно пункт 2.2). А именно, распад Ca-TnC комплекса замедляется:

- при увеличении концентрации поперечных мостиков, прикрепленных к актиновой нити около данного комплекса (кооперативность первого типа);

- при увеличении концентрации других Ca-TnC комплексов вблизи данного комплекса (кооперативность второго типа). Запишем уравнение, описывающее изменение [Ca-TnC]:

dA = aon Cac ( 1 A ) aoff A dt (3-6) Здесь Cac - концентрация Ca2+ в саркоплазме, aon, aoff - соответственно скорость образования и распада Ca-TnC комплексов. Учитывая первый тип кооперативности, скорость распада Ca-TnC комплексов зависит от количества присоединенных мостиков в окрестности Ca-TnC комплекса, поэтому скорость распада Ca-TnC комплексов можно представить в виде:

a off = a off ( n ), где n – средняя вероятность соединения мостика со свободным активным центром, которая в точности совпадает с долей присоединенных мостиков в мышце. С увеличением количества присоединенных мостиков скорость распада Ca-TnC комплексов уменьшается, поэтому зависимость ( n ) была выбрана следующим образом:

0,75 n 1 min, ( n ) = ( min )2 n 0,5, 0,25 n < 0,75 1, n 0, ( min - параметр модели). Наконец, в связи с кооперативностью второго типа скорость распада Ca-TnC комплекса зависит от числа аналогичных комплексов вблизи него. В модели скорости распада экспоненциально убывает с увеличением [Ca-TnC]: a off = a off e k A A.

7. По мере роста концентрации кальция в продольном саркоплазматическом ретикулуме (СР) возрастает ингибирование кальциевого насоса, приводящее к замедлению поглощения кальция. Мы уже говорили, что кальциевый насос в продольном СР можно описать формулой (2-13). В используемом варианте модели был выбран коэффициент Хилла равный единице, а также на основе вышеизложенного постулата в формуле появляется дополнительный множитель. Итак, поток кальция из саркоплазмы в продольный ретикулум (ПР) описыF SRpump вается в виде модифицированного насоса:

F =k SRpump pump K Ca C INH + Ca Ca C (3-7) - kpump — параметр, определяющий максимальную скорость поглощения кальция насосами СР. Его значение зависит от удельной плотности насосов в расчете на объем саркоплазмы. Можно полагать, что kpump пропорционален отношению площади поглощающей поверхности ПР (SLRpump) к объему саркоплазмы (Vc);

- KCa — параметр модели, определяющий чувствительность насоса;

- множитель INH = INH (СаLR) – убывающая с ростом [CaLR] внутри ПР. При помощи этой функции в модели учитывается влияние механизма обратного ингибирования (частичного ингибирования насосов СР) на скорость поглощения кальция в СР. Она выбрана следующим образом:

INH = exp ( k ing Ca LR ), где king— параметр модели.

(3-8) 3.2.

Механический блок модели Механический блок модели мышечного сокращения включает в себя описание вероятностных характеристик присоединения миозиновых поперечных мостиков к активным центрам на актиновой нити, а также средней силы, развиваемой миозиновыми поперечными мостиками в зависимости от скорости изменения длины контрактильного элемента. Определим вероятность n в формуле (3-3). Средняя вероятность нахождения поперечного мостика в связанном состоянии со свободным активным центром на нити актина n равна произведению вероятности нахождения мостиком активного центра (n1) и вероятности присоединения к найденному активному центру (n2). В настоящей модели связанное состояние рассматривается как силогенерирующее. Из геометрических соображений ясно, что вероятность того, что мостик найдет активный центр, т.е. что головка мостика будет находиться в пределах досягаемости ближайшего активного центра, пропорциональна длине того участка тонкой нити, который находится в пределах досягаемости мостика. Длина этого участка тем больше, чем меньше расстояние между толстыми и тонкими нитями. Известно, что в интактной мышце объем саркомера остается неизменным при его укорочении, поэтому расстояние между нитями тем больше, чем меньше длина мышцы (саркомера). Таким образом, вероятность нахождения мостиком активного центра является возрастающей функцией, зависящей от длины контрактильного элемента n1=n1(l1):

0, w( l1 ) < 0, n1 (l1 ) = w( l1 ),0 w( l1 ) < 1, 1, w( l1 ) 1.

(3-9) где w( l1 ) = g 1 l1 + g 2 ;

g 1, g 2 - параметры модели. Перед обсуждением описания вероятности n2 рассмотрим жесткость мышцы, находящейся в состоянии полной активации и сокращающейся с постоянной скоростью укорочения в диапазоне длин мышцы, при которых максимальная сила практически не меняется (чему соответствует практически постоянная зона перекрытия). Известно, что жесткость мышцы при таких условиях становится постоянной после некоторого переходного процесса и зависит только от скорости изменения длины саркомера. Введем обозначение G(v) для жесткости мышцы в указанных стационарных условиях и G*(v)=G(v)/G(0) – для той же жесткости, нормированной на свое значение в условиях абсолютной изометрии. При фиксированных значениях v (v<0), т.е. для случая укорочения мышцы, соответствующая стационарная жесткость мышцы в нормированном виде аппроксимируется линейной функцией [48]:

G*(v) =1+0.6v/vmax (3-10), где vmax – максимальная скорость укорочения из известного уравнения Хилла. Сложнее задать связь жесткость-скорость для процессов удлинения мышцы. В отсутствии точной информации было предположено, что жесткость до некоторой скорости удлинения v1 возрастает линейно, а затем убывает до 0:

0.6 v / vmax + 1 µ v0 v G G* ( v ) = ( 0.6 v1 / vmax + 1) v0 v1 Здесь v0, v1,µG - параметры модели;

, vmax v v1, v1 >, v1 v v0, µG > 0 v > v (3, Вернемся к рассмотрению вероятности n2. Так как жесткость мышцы пропорциональна числу прикрепленных мостиков, то при укорочении мышцы в состоянии полной активации после переходного процесса устанавливается постоянная величина n2. Этот процесс можно описать формулой:

dn2 dt = k+(v)(1 n2) k(v) n2, где v – данная постоянная скорость.

(3-12) Пусть n2 - вероятность n2, устанавливающаяся в стационарном процессе, а за n 20 - стационарную вероятность, полученную в условиях абсолютной изометрии при v=0. Поскольку жесткость мышцы в указанных условиях стационарного укорочения пропорциональна числу прикрепленных мостиков, то n2 ( v ) = G*(v). o n (3-13) Эта формула позволяет для определения вероятности воспользоваться известными экспериментальными данными о связи между стационарной жесткостью и скоростью изменения длины мышцы. Учитывая, что для стационарного n 2 правая часть (3-12) обращается в 0, получим следующее уравнение:

dn2 dt =( k+(v)+ k(v)) n 2 ( k+(v)+ k(v)) n2, которое с учетом (3-13) можно записать в виде:

(3-14) dn2 dt = qn(v)( n o G*(v) n2 ), где qn(v) = k+(v) +k(v).

(3-15) Имеющиеся экспериментальные данные [48] позволяют предложить, что с ростом скорости укорочения qn(v) возрастает линейно, а при удлинении остается постоянной: q1 q2 (v/ vmax), v 0 q (v) = n q, v >0 (3-16) С другой стороны, любое изменение длины мышцы можно аппроксимировать серией кратковременных укорочений с постоянной скоростью, в каждом из которых имеется переходный процесс к своему стационарному состоянию. Поэтому полученное уравнение (3-15) можно использовать и для процессов с переменной скоростью изменения длины контрактильного элемента. Сила мышцы для стационарного укорочения саркомера задается известным уравнением Хилла (2-1) и, следовательно, имеет гиперболический вид, при этом нормированная сила равна:

P v) a(1+v / vmax) ( * P (v) = = P 0) av / vmax ( (3-17) В отсутствии точной информации о связи сила-скорость при удлинении саркомера было предположено, что, как и жесткость мышцы, нормированная сила возрастает до некоторой скорости удлинения v1, затем на промежутке [v1,v0 ] она плавно падает до 0:

a ( 1 + v / vmax ) a v / v max *( v ) = (0.6 v / v + 1) G* ( v ) P max 1 (v v)µ P 2 0 0 vmax v,,,, 0 v v1 v1 v v0 v > v (3-18) Здесь v0, v1,µG, µp, 1 –параметры модели, константа 2 выбирается на основании непрерывности функции. Средняя сила мостиков из формулы (3-3) через введенные выше функции определяется следующим образом:

P* ( v ) p( v ) = *. G (v) (3-19) Функция p( v ) при v < 0 возрастает и близка к гиперболической. С ростом скорости удлинения саркомера v ( v > 0 ) p( v ) вначале возрастает, затем на некотором промежутке скоростей она относительно постоянна и при v v0 p( v ) +.

Эта зависимость является основной входной функцией при определении силы, развиваемой саркомером, в зависимости от скорости изменения его длины. Она является монотонно возрастающей, что позволяет найти функцию обратную ей, выразив скорость укорочения саркомера через среднюю силу мостиков. Учитывая, что v = dl1, PCE= PSE, из (3-3) получим уравнение: dt dl PSE, p( 1 ) = N( t ) dt или, принимая во внимание (3-2), (3-4) и (3-5):

(3-20) dl 1 ( e1 ( l2 l1 ) 1 ) 1 )=. p( µ n n (l )(l + s ) dt A 2 11 (3-21) Уравнение для dl 2, учитывая сказанное в пункте 3.1, имеет вид: dt изометрический режим изотонический режим, (3-22) 0 dl dl 2 = 1 e1 ( l2 l1 ) 1 1 dt dt 2 l2 + e1 ( l2 l1 ) 2 2 e Зная концентрацию кальция в саркоплазме и используя систему уравнений из (3-1), (3-2), (3-6), (3-9), (3-15), (3-21), (3-22) при изометрическом режиме сокращения мышцы можно найти ее силу P=PSE+PPE, а при изотоническом режиме изменение ее длины.

3.3.

Описание активации В соответствии с описанной ранее (см. пункт 2.2) схемой (рис. 3) циркуляции кальция в сердечных клетках после электрического возбуждения мышцы, изменение [Ca2+] в саркоплазме (СаC) в модели описывается уравнением: следующим FSRpump aoff aon Fin Fout Рис. 3. Схема рециркуляции Ca.

on FSRrel boff dCa dA d[B ] C = F F +F F i in out SRrel SRpump dt dt dt (3-23) - Fin - поток Ca2+ из внеклеточной среды в саркоплазму, инициирующий высвобождение кальция из СР;

- FSRrel - поток Ca2+, высвобождающегося из терминальных цистерн (ТЦ) СР, обеспечивающий основное количество кальция, необходимое для активации сократительных белков;

- FSRpump - поток поглощаемого СР Ca2+, обеспечивающий выведение кальция из саркоплазмы и, как следствие, расслабление;

- Fout - поток кальция выводимого наружу из клетки;

- сумма d[C] d[Bi ] + - определяет связывание/распад комплексов dt dt кальция с внутриклеточными Са-буферными структурами: A - концентрация Ca-TnC комплексов, В1 и В2 - концентрации комплексов кальция суммарно с другими буферными лигандами. Опишем теперь более подробно, как в модели формируется каждое слагаемое в уравнении (3-23). При возбуждении мышцы в клетку вместе с трансмембранным током поступает внешний кальций. Поток внешнего кальция (Fin), попадающего в саркоплазму с трансмембранным током (J) вычисляется по формуле:

J Ca F= in z F 0.5 V cell (3-24) где z — валентность кальция, F — число Фарадея, VC — объем сар коплазмы, J — ток, регистрируемый в эксперименте. В модели J аппроксимируется функцией заданного вида. Поступивший в клетку кальций запускает процесс высвобождения кальция из ТЦ. Напомним, что об этом говорилось в пункте 2.2, и приводилась уравнение, описывающее высвобождение кальция (2-14). Скорость высвобождения (FSRrel) в модели полагается пропорциональной разности концентраций свободного кальция в ТЦ (CaTC) и саркоплазме (Сас).

FSR rel = k rel ([CaTC ] - [CaC ]) (3-25) где k rel = k rel Q(t) :

- k rel - параметр модели, определяющий максимальную константу скорости высвобождения. Он пропорционален отношению площади высвобождающей поверхности ТЦ (STCrel) к объему саркоплазмы (Vc);

- Q(t) - функция, зависящая от времени. Q(t) отлична от нуля только на некотором относительно коротком промежутке времени [0, trel] вслед за началом цикла:

t/t1 Q(t) = t rel t t rel t1 0 t < t1 t1 t t rel, (3-26) где t1 – параметр модели. Экстремальная зависимость Q(t) была обусловлена определенными требованиями к Са-переходу и потоку FSRrel. При кусочно-постоянной на промежутке [0, trel] функции Q(t) можно было бы получить в рамках формулы (3-25) лишь убывающий поток кальция из СР, поскольку разность концентраций кальция в ТЦ и саркоплазме была бы наибольшей в начальный момент цикла, а затем разве лишь убывала. В этом случае при оцененных характеристиках Са-буферной системы нарастающая фаза Са-перехода в модели завершалась бы гораздо быстрее, чем это наблюдается в экспериментах. Поэтому была подобрана Q(t) экстремально зависящая от времени в течение промежутка [0, trel], что дало возможность имитировать и положительный поток из СР с фазами нарастания и спада, и реалистичные значения времени достижения максимума [Ca2+]. Итак, krel в модели также сначала возрастает в течение высвобождения, а затем падает до нуля. Изменение “константы” скорости krel в процессе высвобождения кальция согласуется с физиологическими данными о том, что в начале цикла происходит постепенная активация высвобождающих каналов, что обеспечивает нарастание скорости высвобождения из СР, а через некоторое время каналы переходят в инактивированное состояние, и высвобождение практически прекращается. Поступивший в саркоплазму кальций взаимодействует с лигандами кальций-буферной системы кардиомиоцита (рис. 2, пулы А, В1+B2). Одним из существенных функциональных элементов модели является описание изменения [Ca-TnC] комплексов (А) на тонких нитях миофибрилл. В модели активное напряжение мышцы функционально связано с А (см. раздел описания механического блока модели). Поэтому лиганд TnC рассматривается обособленно от других буферных лигандов. Лиганд TnC взаимодействует с кальцием наряду с другими лигандами: кальмодулином, кальций-связывающими местами на мембранах сарколеммы и СР и другими. Поэтому временной ход образования Ca-TnC комплексов зависит и от свойств буферной системы в целом. Свойства и характеристики лигандов Са-буферной системы различны, поэтому было невозможно получить одно уравнение для удовлетворительного суммарного описания всех лигандов. Используемый в модели “обобщенный буфер” описывается двумя уравнениями:

dB 1 = b ( B B ) Ca b B 1on 1tot 1 C 1off 1 dt dB 2 =b (B B ) Ca b B 2on 2tot 2 C 2off 2 dt (3-27) - B1 и B2 - концентрации комплексов кальция с быстрым и медленным компонентами обобщенного буфера соответственно;

- B1tot, B2tot, b1on, b1оff, b2on, b2оff — параметры модели. Кальций, освобождающийся при распаде комплексов с лигандами Сабуферной системы, выводится из саркоплазмы, что обеспечивает расслабление мышцы. Выведение кальция из саркоплазмы осуществляется несколькими механизмами (рис. 3). Часть кальция выводится из клетки (Fout), причем в стационарном режиме при стимуляции мышцы с постоянной частотой количество поступившего и выводимого кальция должно быть одинаково, чтобы обеспечить устойчивость системы. Основная часть свободного кальция поглощается насосами СР и поступает в ПР (см. уравнение (3-7)).

Как показано на схеме (рис. 3), в модели присутствует описание кинетики кальция внутри СР. При этом СР функционально разделен на два пула: высвобождающий отсек СР – ТЦ, и поглощающий отсек - ПР;

кинетика кальция в этих пулах рассматривается отдельно. Кальций, поступивший в ПР, перетекает в ТЦ. Поток кальция из ПР в ТЦ в модели пропорционален разности соответствующих концентраций кальция:, =k Ca Ca F SRflow flow LR TC ( ) (3-28) где kflow — параметр модели, он зависит от характерного времени диффузии и соотношения объемов ПР (VLR) и ТЦ (VTC). В ТЦ присутствует специфический Ca-связывающий белок кальсеквестрин (CaS), который имеет высокое сродство к кальцию и большую емкость. Известно, что значительно большая доля кальция внутри СР находится в связанном с CaS состоянии. Скорость изменения концентрации кальций-кальсеквестриновых комплексов (С) в модели описана кинетическим уравнением:

dC = c C C Ca c C on tot TC off dt ( ) (3-29) где Ctot — общее количество мест связывания кальция с молекулами CaS, сon, сoff — константы скоростей связывания и распада Са-CaS комплексов. Таким образом, кинетика [Са2+] в СР описывается в модели уравнениями:

dC TC = k F +F TC/C SRrel SRfolw dt dt dCa LR = k F k F C/LR SRpump LR/TC SRflow dt dCa (3-30) где kTC/c=VTC/Vc, kc/LR= Vc/VLR, kLR/TC= VLR/VTC — коэффициенты учета объемных соотношений при пересчете концентраций кальция при переходах из саркоплазмы в СР (kC/LR) и обратно (kTC/C), а также между отделами СР (kLR/TC). 3.4. Полная система уравнений модели Объединив уравнения для механических переменных и уравнения описанного выше Са-блока модели с учетом всех взаимных связей между блоками, получим полную систему уравнений. В ней имеются две группы уравнений, семь - для химических и три - для механических переменных: • • CaC,, CaTC,, CaLR, A, B1, B2, C - “химические” переменные (описаl1, l2,n2 – “механические” переменные.

ны в разделе 3.3);

Параметры модели можно найти в работе [2]. Полная система уравнений РМ имеет вид:

dCa dA dB1 dB 2 C = F F +F F in out SRrel SRpump dt dt dt dt dCa dC TC = k F +F TC / C SRrel SRflow dt dt dCa LR = k F k F C / LR SRpump LR / TC SRflow dt dA = a (A A) Ca a off exp (-k A A) (n) A on tot C dt dB 1= b ( B B ) Ca b B 1on 1tot 1 C 1off 1 dt dB 2= b ( B B ) Ca - b B 2on 2tot 2 C 2off 2 dt dC = c ( C C ) Ca c C on tot TC off dt [ exp( ( l - l )) - 1 ] 1 )= 1 121 p( dt Aµ n n ( l ) [ l + S ] 2 11 1 dl 0 dl dl 2 = 1 e1 ( l2 l1 ) 1 1 dt dt 2 l2 + e1 ( l2 l1 ) 2 2 e 11 dn dl dl 2 = q ( 1 ) G( 1 ) ( n 0 n ) 2 n dt 2 dt dt изометрический режим изотонический режим J =k,F Q( t ) (Ca -Ca ), F= TC C SR rel rel in z F 0.5 V c Ca C F ), =k exp( k Ca SRpump pump K + Ca ing LR m C F, =k Ca Ca SRflow flow LR TC V V V. k = TC, k = C,k = LR LR / TC V C / LR V TC / C V TC LR C ( ) 3.5.

Численная реализация модели Модель мышечного сокращения представляет собой систему обыкновенных дифференциальных уравнений (ОДУ). Начальные условия задачи Коши для системы находились на основании данных, полученных в ходе экспериментов, а также на основании стационарных состояний некоторых фазовых переменных в отсутствии поступления внешнего кальция в клетку. Для выбора численного метода решения задачи Коши системы ОДУ был проведен анализ жесткости системы. На сегодняшний день не существует установившегося определения жесткой системы. Мы воспользовались одним из определений, взятым из [49]. Рассмотрим систему уравнений:

y = Ay, (3-31) где А - матрица с действительными элементами. Пусть p собственные числа матрицы A, X – отрезок интегрирования. Такая система относится к классу жестких, если 1. величина (max Re p) X не является большим положительным числом 2. величина (max p ) X >> 1 3. величина (max Im p ) X не является большим положительным числом. Нелинейная система y = f ( x, y ) относится к классу жестких, если при всех x из некоторого отрезка длины X >0, принадлежащего области интегрирования, система уравнений y = f y ( x, y( x )) y, (3-32), где y( x ) – решение нелинейной системы, относится к классу жестких систем в смысле приведенного выше определения. Для нашей системы уравнений в каждой точке сетки численного интегрирования находились Максимальная действительная часть собственных значений собственные значения матрицы f y ( x, y( x )) следующим способом. Вначале с помощью алгоритма Левелье находились коэффициенты характеристического ней многочлена. Для нахождения корхарактеристического уравнения использовался метод парабол, который позволяет вычислять комплексные корни алгебраических уравнений. Для контроля полученные собственные значения подставлялись в соответствующую матрицу и вычислялось значение ее определителя. На рисунке 4 изображены зависимости max Re p (A), max p (B) и max Im p A 0 0 Максимальное по модулю собственное значение Время (мс) Б 240 0 5. Максимум модуля мнимой части собственных значений Время (мс) В 0 Время (мс) Рис. 4. Характеристика жесткости системы модели мышечного сокращения.

(С) от времени. Видно, что величина максимума модулей собственных значений отличается на порядок от величины максимума действительной части собственных значений и величины максимума модуля мнимой части собственных значений. Очевидно, что можно подобрать такой отрезок X, что все условия вышеприведенного определения жестких систем будут выполняться. Далее был проведен анализ собственных векторов, соответствующих собственным значениям, в которых действительная часть является сравнительно большим отрицательным числом. Численный эксперимент показал, что мнимая часть как собственных значений, так и элементов собственных векторов либо отсутствует, либо мала по сравнению с действительной частью. Кроме того, все элементы собственных векторов, за исключением тех, что стоят в строках соответствующих фазовым переменным CaLR, CaTC, C, достаточно малы. Приведенный анализ показывает, что система относится к классу жестких. Известно, что системы, относящиеся к классу жестких, можно решать либо явными методами с очень малым шагом интегрирования, либо при помощи неявных методов интегрирования. В некоторых экспериментах, в частности экспериментах на гибридном дуплете, было необходимо, чтобы шаг расчета модели был постоянным, поэтому для численного решения системы мы воспользовались неявным методом Эйлера. При этом неявным методом Эйлера рассчитывались приращения только для некоторых фазовых переменных блока рециркуляции кальция (CaLR, CaTC, С), для остальных переменных использовался явный метод Эйлера. Приведенные выше исследования помогли упростить реализацию модели и позволили достичь необходимой скорости ее расчета. Сравнение результатов численного интегрирования модельной системы методом РунгеКутта четвертого порядка с адаптивным шагом и комбинированным явнонеявным методом с различными постоянными шагами, показало, что результаты качественно не различаются при шаге интегрирования h 1 мс. 4. Виртуальный дуплет – математическая модель мышечного дуплета Виртуальный дуплет (рис. 5) является математической моделью мышечного дуплета – пары живых мышц, соединенных параллельно или последовательно. В качестве элементов виртуального дуплета мы использовали модель мышечного сокращения, описанную в главе 3. При параллельном соединении мышц должны выполняться уравнения связи: 1. Укорочения мышц равны, и равны укорочению дуплета L1 = L2 = Lдуп ;

2. Сумма сил мышц равна силе дуплета F1 + F2 = Fдуп. При последовательном соединении мышц справделиво: 1. Сумма укорочений мышц равна укорочению дуплета L1 + L2 = Lдуп ;

2. Силы мышц равны, и равны силе дуплета F1 = F2 = Fдуп.

Мы рассматривали три режима сокращения дуплета: изометрический (постоянная длина дуплета), изотонический (постоянная сила дуплета) и их комбинацию – постнагрузочный режим. Постнагрузочный режим имитирует поднятие мышцей Рис. 5. Схема параллельного и последовательного виртуальных дуплетов.

какого-либо груза. В нем происходит чередование: изометриче ская фаза - изотоническая фаза - изометрическая фаза.

Изолированная мышца. Пусть известна траектория изменения длины l 2 (t) виртуальной мышцы дуплета. Обозначив y = l 2, получим выражение для нахождения силы мышцы P :

P = P( y, X ), (4-1) где X – решение системы:

dX = f ( X, y, ), dt (4-2) - вектор параметров модели. В нашей модели, с учетом (3-1), (3-2) P( y, X ) = PSE + PPE = 1 ( e 1 ( y l1 ) 1 ) + 2 ( e 2 y 1 ).

В мышце, сокращающейся в изоляции, уравнение относительно y можно записать в виде алгебраического уравнения:

при изометрическом сокращении y = const,, P( y, X ) = const, при изотоническом сокращении (4-3) Либо, продифференцировав левую и правую часть (4-3) по времени, получить систему дифференциальную уравнений (см. пункт 3.4). Таким образом, поведение изолированной мышцы определяется уравнением (4-3) и стандартной системой ОДУ.

Последовательный виртуальный дуплет. В виртуальном ду плете количество фазовых переменных системы удваивается, и состояние системы описывается парой ( X i, y i ), i=1,2, где dX i = f ( X i, y i, i ), dt (4-4) а условия механического соединения элементов в дуплете накладывают дополнительные связи. В последовательном дуплете в изотоническую фазу сокращения его элементы сокращаются независимо друг от друга, а взаимодействие имеет место только в изометрическую фазу. В изотоническом режиме для каждой из мышц выполняются уравнения P( y i, X i ) = const, (4-5) дополняющие систему (4-4). В изометрическом режиме с учетом уравнений связи дуплета имеем P1( y1, X 1 ) = P 2 ( y 2, X 2 ), (4-6) (4-7) y 1 + y 2 = y =const.

Эти два алгебраических уравнения, выполняющихся при любом t, дополняют систему (4-4), так что получается полная система уравнений. Обозначив за y = y 1, из уравнений (4-6), (4-7) получим G( y, X 1, X 2 ) = 0, (4-8) где G( y, X 1, X 2 ) = P 1 ( y, X 1 ) P 2 ( y y, X 2 ).

(4-9) Таким образом, в изометрическом режиме состояние дуплета определяется системой уравнений:

dX 1 1 1 dt = f ( X, y, ) 2 dX = f ( X 2, y y, 2 ), dt G( y, X 1, X 2 ) = (4-10) Как и в случае изолированной мышцы, алгебраическое уравнение (4-8) в системе (4-10) можно заменить дифференциальным уравнением:

dG( y, X 1, X 2 ) dy dG( y, X 1, X 2 ) dX 1 dG( y, X 1, X 2 ) dX 2 + + =0. dy dt dX 1 dt dX 2 dt (4-11) 1 1 2 Пусть a1 = 1 11e1 ( y l1 ), a 2 = 12 12 e 1 ( y y l1 ), b1 = 2 21e 2 y, b2 = 2 22 e 2 ( y y ), тогда, подставив в (4-11) вместо G соответствующее выражение (4-9) и выразив dy, получим уравнение, которое заменит уравнение (4-8) в системе dt 1 (4-10):

dl dl a1 1 + a2 1 dy dt. dt = dt a1 + a2 + b1 + b (4-12) Параллельный виртуальный дуплет. При изометрических со кращениях параллельного дуплета его элементы сокращаются независимо друг от друга. В этом случае дуплет описывается системой (4-4) при y i = const. Взаимодействие между элементами параллельного дуплета происходит только в изотоническую фазу сокращения. В этом случае выполняются соотношения P 1 ( y 1, X 1 ) + P 2 ( y 2, X 2 ) = P = const, y1 = y2.

(4-13) (4-14) Обозначим y = y 1 = y 2, тогда функция G в (4-8) имеет вид G( y, X 1, X 2 ) = P P 1 ( y, X 1 ) P 2 ( y, X 2 ), (4-15) и система уравнений для параллельного дуплета имеет вид:

dX 1 1 1 dt = f ( X, y, ) 2 dX = f ( X 2, y, 2 ), dt G( y, X 1, X 2 ) = 1 1 2 2 1 (4-16) 1 11 2 Пусть c1 = 1 11e1 ( y l1 ), c2 = 12 12 e1 ( y l1 ), d 1 = 2 2 e 2 y, d 2 = 2 22 e 2 y. Ана логично случаю последовательного дуплета получим дифференциальное уравнение для y, заменяющее алгебраическое уравнение в системе (4-16):

1 dl dl c1 1 + c2 1 dy dt. dt = dt c1 + c2 + d 1 + d (4-17) 5. Гибридный дуплет Для изучения механически неоднородного миокарда, нами был разработан новый в физиологии прием: мы объединяли живую мышцу с ее виртуальным аналогом, т.е. математической моделью. Такой дуплет был назван нами гибридным [2]. В гибридном дуплете живая мышца взаимодействует со своим виртуальным партнером в реальном времени. Особенность разработанного нами метода гибридного дуплета заключается в том, что в реальном масштабе времени происходит взаимодействие между мышцей и ее математическим аналогом (виртуальной мышцей) путем обмена сигналами о текущем состоянии длины и силы элементов в ходе одиночного цикла сокращение-расслабление дуплета. Виртуальная мышца представлена хорошо верифицированной математической моделью, которая описана в главе 3. Метод гибридного дуплета позволяет наблюдать взаимную механическую реакцию биологического объекта на механическое поведение различных виртуальных партнеров и наоборот – одного виртуального партнера и различных мышц. Кроме того, при взаимодействии с биологическим партнером наряду с механической активностью виртуальной мышцы одновременно регистрируются «внутриклеточные» процессы в виртуальной мышце, определяющие ее механические ответы. Для реализации метода гибридного дуплета, требующего сопряжения аналоговой аппаратной части установки для исследования механической активности мышцы с компьютерным цифровым расчетом математической модели мышцы, нами разработан аппаратно-программный комплекс с дискретным временем управления. Вне зависимости от типа соединения элементов дуплета в каждом такте программы управления расчет модели, подача и регистрация сигналов происходят дискретно по сигналу прерывания. В начале каждого текущего такта управления значения сигналов силы (Fmus) и длины (Lmus) папиллярной мыш цы считываются и вместе с текущими значениями силы (Fmod) и длины (Lmod) виртуальной мышцы поступают в программу управления. По значениям этих сигналов через каждые 100 мкс рассчитывается последующий сигнал управления моторами по разработанному нами алгоритму. Дискретизация управления вызвана необходимостью численного расчета состояния виртуальной мышцы, в свою очередь зависящей от состояния реальной мышцы, что приводит к необходимости коррекции управляющих сигналов с учетом изменении длины и силы в живой мышце за время такта расчета модели.

5.1.

Описание микромеханографической установки Экспериментальная микромеханографическая установка (рис. 6) для экспериментов на гибридном дуплете включает в себя следующие устройства: термостатируемая ванна для размещения изолированного препарата миокарда;

линейный сервомотор груза для задания изометрического или изотонического режимов нагружения препарата миокарда;

линейный сервомотор длины для задания изометрического режима нагружения и исследования реологических характеристик препарата миокарда;

датчик силы;

электростимулятор и угольные неполяризующиеся электроды;

блок управления термостатом;

перфузионную систему;

систему визуального контроля;

Ванна для размещения изолированного препарата миокарда представляет собой сложной формы массивный куб из алюминия. Внутри куба размещены каналы для подведения физиологического раствора и электродов электростимулятора. По обе стороны металлической основы куба размещены элементы термостата: нагревающий транзистор и диод, в качестве датчика температуры. Полезный объем ванны составляет 3 мл. Линейный сервомотор груза сконструирован на основе промышленного электродинамического громкоговорителя и включает в себя датчик перемещения и катушку, прикрепленную к рычагу, ось которого зажата в часовые камни. Характеристики сервомотора груза приведены в табл. 5-1. Таблица 5-1. Технические характеристики сервомотора груза. Характеристики задатчика груза: Приведенная к концу масса рычага Максимальная сила Податливость рычага Верхняя частота Характеристики датчика длины: Шум в полосе частот 0 … 1000 Гц 2 мкм 2 мг 5г 50мкм/г 500 Гц Рис. 6. Экспериментальная установка для гибридного дуплета. 1-ванна, 2 - датчик силы, 3 – сервомотор длины, 4 – сервомотор силы с интегрированным датчиком длины, 5 – блок сопряжения с компьютером и калибровочное устройство, 6 – электростимулятор, 7- термостат, 8 - перистальтический насос, 9 – перфузионная камера, 10 – слив.

Температурный дрейф Диапазон изменения длины Линейность в рабочем диапазоне 2 мкм/С ± 2 мм 5% В противоположный от препарата конец рычага мотора груза упирается шток сервомотора длины. Такая совместная конструкция позволяет задавать нагрузку на препарат без использования системы обратной связи и управлять длиной препарата, когда рычаг мотора груза прижат к рычагу мотора длины заданием большого груза. Характеристики линейного сервомотора длины приведены в табл. 5-2. Таблица 5-2. Технические характеристики линейного сервомотора и системы подвески. Характеристики линейного сервомотора длины: Полоса частот Шум в полосе частот 0…1000 Гц Время отработки ступенчатого воздействия при перемещении на 1 мм Температурный дрейф Диапазон изменения длины Линейность в рабочем диапазоне Податливость системы подвески:

- с обратной связью - без обратной связи 0.1 мкм/г 10 мкм/г менее 1 мкм/С0 0…500 Гц Менее 1 мкм не более 2 мс ± 1000 мкм не хуже 5% Датчик силы изготовлен на основе промышленного полупроводникового чувствительного элемента тензодатчика с напыленной на лейкосапфировую подложку кремниевой мостовой схемой (С-03). Ток питания измери тельного моста стабилизируется специально разработанной схемой усилителя постоянного тока. Это устройство позволяет проводить прецизионные измерения малых значений силы. Характеристики датчика силы приведены в таблице 5-3. Таблица 5-3. Технические характеристики датчика силы. Характеристики датчика силы: Диапазон измеряемых сил Шум в полосе частот 0…1000 Гц Резонансная частота Температурный дрейф Податливость штока ± 2000 мг менее 2 мг 1 кГц менее 3 мг/С0 2 мкм/г Электростимулятор обеспечивает возможность плавной регуляции амплитуды, длительности и периода задания раздражающего стимула. Раздражающий стимул подается на неполяризующиеся угольные электроды, размещенные в продольном к препарату направлении по краям ванны для одновременного возбуждения всех клеток препарата миокарда. Раздражающий стимул имеет прямоугольную форму. Максимальная амплитуда раздражающего стимула составляет 40 В;

в каждом эксперименте задавали амплитуду раздражающего стимула с превышением порога стимула на 20-30%. Максимальная длительность раздражающего стимула составляет 10 мсек. Также предусмотрена возможность дискретного изменения частоты стимуляции изолированного препарата миокарда в интервале от 0.3 до 10 сек с шагом 10 мсек. Термостат обеспечивает постоянство температуры физиологического раствора в ванне в течение эксперимента в диапазоне от 25 до 40° C с точностью 0.2° C. Перфузионная система обеспечивает циркуляцию физиологического раствора через ванну, в которой размещен изолированный препарат миокарда. Используются 2 отдельных перистальтических насоса для нагнетания в ванну и выведения из ванны физиологического раствора. Скорость протока раствора выбирали таковой, чтобы обеспечить, во-первых, равномерный прогрев раствора на входе в ванну, во-вторых, максимально ламинарное движение раствора вдоль препарата;

скорость протока составляла 5 - 8 мл/мин. Система циркуляции раствора обеспечивала проток свежего физиологического раствора для поддержания обмена веществ, протекающего в препарате миокарда, при постоянном уровне pH и уровне растворенного кислорода. Для этого перед входом в ванночку раствор насыщали кислородом. В системе визуального контроля использовали бинокулярный микроскоп МБС-10, размещенный на регулируемой подвижной штанге. Один из окуляров микроскопа снабжен масштабной сеткой, что позволяет измерять длину препарата с точностью ± 25 мкм. 5.2. Блок сопряжения с компьютером Управление в реальном времени моторами груза и длины, а также регистрация сигналов датчиков силы и длины осуществляли при помощи блока сопряжения с персональным компьютером. Блок сопряжения включает в себя 16-разрядный аналого-цифровой преобразователь (АЦП) и 12-разрядный цифро-аналоговый преобразователь (ЦАП) ACL-8316 (ADLink Technology Inc.). Характеристики АЦП/ЦАП приведены в таблице 5-4. Таблица 5-4. Характеристики АЦП/ЦАП. Характеристики АЦП/ЦАП: Аналоговый вход: Разрядность 16 бит Входной диапазон Время переключения между каналами Время преобразования Аналоговый выход: Разрядность Выходной диапазон Время успокоения сигнала Линейность ± 10 В, ± 5 В, ± 2.5 В, ± 1.25 В 4.5 мкс 8мкс 12 бит ± 10V, ± 5V, ± 2.5V, ± 1.25V 4.5 мкс ± bit LSB 6. Алгоритмы и программа организации взаимодействия элементов гибридного дуплета в физиологическом эксперименте 6.1. Алгоритмы организации взаимодействия элементов гибридного дуплета В рамках физиологического эксперимента изолированная мышца представляет собой объект, на вход которого подается некоторое воздействие и регистрируется выходной сигнал.

Рассмотрим два типа управления мышцей: 1. Управление длиной: Здесь в качестве входного сигнала задается некоторая функция l=l(t), задающая длину мышцы в момент времени t, а на выходе регистрируется сила f=f(t), развиваемая мышцей при заданной длине.

l=l(t) Мышца 2. Управление нагрузкой:

f=f(t) Здесь в качестве входного сигнала задается некоторая функция f=f(t), определяющая нагрузку мышцы в момент времени t, а на выходе регистрируется длина мышцы l=l(t).

f=f(t) Мышца l=l(t) В физиологическом эксперименте мышца может сокращаться в одном из двух заданных режимов. Изометрический, когда изменение напряжения на мышце происходит при постоянной длине. Изотонический, постоянной нагрузке. Будем называть идеальным последовательным дуплетом дуплет, в котором в каждый момент времени выполняются уравнения связи: силы элементов совпадают, а длина дуплета равна сумме длин его элементов: когда сокращение мышцы происходит при Lдуп = L1 + L2 Fдуп = F1 F (6-1) Как и изолированная мышца, последовательный дуплет может функционировать в двух режимах: изометрическом и изотоническом. В изотоническом режиме сокращения дуплета обе мышцы сокращаются при одинаковой постоянной нагрузке. При этом каждая из них укорачивается независимо от другой, а укорочение дуплета равно суммарному укорочению пары. В этом случае, для организации взаимодействия между элементами дуплета не требуется специально согласовывать работу мышц, а требуется лишь задать нагрузку и регистрировать индивидуальные укорочения (что стандартно делается и для одиночной изолированной мышцы и для модели), а также суммировать их. В изометрическом длина пары, режиме поэтому сокращения сумма длин дуплета мышц фиксируется в процессе постоянная равны.

взаимодействия должна быть постоянна, а силы, развиваемые мышцами Lдуп = L1 + L2 const Fдуп = F1 F (6-2) Поскольку в гибридном дуплете биологический и виртуальный элементы физически не могут взаимодействовать, автоматически обеспечивая оба перечисленных условия, требуется специальный алгоритм организации динамического взаимодействия между обоими элементами, обеспечивающий виртуальное взаимодействие, имитирующее реальное. Поэтому в дальнейшем будем рассматривать между задачу организации гибридного динамического взаимодействия мышцами последовательного дуплета в изометрическом режиме его работы. Прежде всего, задача организации взаимодействия в гибридном последовательном дуплете предполагает разработку алгоритма, в той или иной мере обеспечивающего выполнение условий связи (6-2) для идеального последовательного дуплета. Естественно, алгоритм должен учитывать возможные помехи, возникающие при передаче входного сигнала на биологический объект и при регистрации выходного сигнала с живой мышцы. Вообще взаимодействия следующие: 1. нагрузкой. 2. длиной. Ниже будет показано, что в зависимости от сократительных характеристик пары один из указанных способов может быть более или менее предпочтительным. В настоящее время в физиологическом эксперименте живая мышца управляется длиной, поэтому мы рассмотрим первый вариант управления гибридным дуплетом, который реализован в математическом обеспечении функционирующей экспериментальной установки. 66 Живая мышца дуплета управляется нагрузкой, а виртуальная Живая мышца дуплета управляется длиной, а виртуальная говоря, между существуют мышцами различные гибридного варианты дуплета, организации например, Нами реализован следующий алгоритм организации взаимодействия элементов в последовательном гибридном дуплете (рис. 7). Обозначим tk – дискретное время управления дуплетом с шагом h=tk+1-tk. На каждом промежутке между tk и tk+1 происходят следующие события. В момент tk в программу организации взаимодействия элементов гибридного дуплета поступают выходные сигналы дуплета: сигнал силы реальной мышцы Fмыш(tk+0) в блок коррекции силы и сигнал длины реальной мышцы Lмыш(tk+0) в блок коррекции длины. с учетом сигнала силы мышцы корректируется нагрузка на виртуальную мышцу на промежутке [tk, tk+1] F*мод(tk+s), 0 s h, которая Рис. 7. Схема организации взаимодействия между элементами гибридного дуплета. Здесь - время необходимое для считывания сигналов длины и силы мышцы и расчета сигналов длины и силы модели, s – текущее время в течение такта, 0 s h.

поступает на вход блока расчета модели. по рассчитанному на предыдущем такте значению длины модели Lмод(tk-0) с учетом Lмыш(tk+0) формируется входной сигнал изменения длины живой мышцы L*мыш(tk+s), 0 s h который передается через мотор длины реальному объекту. K моменту tk+1 формируется выход системы - регистрируется при фиксированной длине мышцы новое значение силы Fмыш(tk+1+0) и длины Lмыш(tk+1+0) реальной мышцы и в блоке модели рассчитывается при фиксированном значении силы новое значение длины виртуальной мышцы Lмод(tk+1-0).

Так далее повторяется на каждом шаге управления. Далее мы опишем и приведем обоснование алгоритмам, заложенным в блоках коррекции силы и длины, которые формируют сигналы L*мыш для мышцы и F*мод для модели, обеспечивающие малость (в некотором смысле) невязки в уравнениях связи (6-1) для идеального дуплета.

6.1.1. Организация взаимодействия между элементами в первой упрощенной модели гибридного дуплета Рассмотрим упрощенную задачу. Будем пренебрегать тем, что механический ответ мышцы зависит не только от текущей нагрузки или длины мышцы, но и от предыстории сокращения. Модель гибридного дуплета с такими мышцами назовем примитивной моделью дуплета. Пусть y (t) – функция изменения силы каждого элемента идеального последовательного дуплета при зафиксированной длине дуплета (Lдуп=const). Будем считать, что укорочение виртуальной мышцы в момент времени t зависит только от текущей приложенной к ней нагрузки y (y = Fмод) и времени t. Пусть Lмод = l(y,t) – длина виртуальной мышцы в момент времени t при нагрузке y. Аналогично, будем считать, что сила, развиваемая живой мышцей в момент времени t, также зависит только от t и текущей длины мышцы x (x=Lмыш). Обозначим Fмыш = f(x,t) силу мышцы в момент времени t при заданной длине мышцы x. Очевидно, что благодаря выполнению условий сопряжения элементов идеального дуплета (6-2) возникает система уравнений Fмод = Fмыш = f(Lмод,t) Lмыш = Lдуп – Lмод = Lдуп - l(Fмод,t), которая подстановкой сводится к одному из уравнений (6-3) Fмод = f(Lдуп - l(Fмод,t),t), или Lмыш = Lдуп - l(f(Lдуп-Lмыш,t),t).

Очевидно, что для идеального дуплета справедливы тождества:

y (t) ( y (t),t), где (y, t)= f(Lдуп - l(y,t),t), и (6-4) x (t) ( x (t),t), (6-5) где x - длина одной из мышц идеального дуплета (например, длина живой мышцы), (x,t)= Lдуп - l(f(Lдуп-x,t),t). Построим рекуррентный алгоритм отыскания приближения для неявной функции y = y (t), заданной уравнением y = ( y,t ).

Рассмотрим следующую рекуррентную процедуру:

(6-6) yk+1= (yк, tk+1), (6-7) где y0 – начальное приближение для y (0), tk=h*k, h – длина интервала между тактами управления.

Утверждение 1. Пусть y (t) – единственная неявная функция, задаваемая уравнением (6-6) на отрезке [0, T], и (y,t) - сжимающая относительно y функция на R 2 с константой Липшица K<1. Кроме того, предположим существование и ограниченность производной y( t ) M.

Тогда при y0 y(0 ) метод (6-7) сходится, т.е. при h 0 для k справедливо y k y( t k ) 0. Оценим погрешность метода (6-7). Обозначим zk= y (tk). Тогда справедливо:

y k + 1 z k + 1 = ( y k,t k + 1 ) ( z k + 1,t k + 1 ) K y k z k + 1 K y k z k + K z k + 1 z k = = K y k z k + K y ( ) h K y k z k + KMh Расписав аналогично | y k z k | и далее, получим оценку:

| y k +1 z k +1 | K k +1 | y0 z0 | + M h 1 K (6-8) Таким образом, y k z k при y0 z0 и при h 0. Кроме того, при k составляющая погрешности, связанная с неточностью начальных данных (первое слагаемое в оценке (6-8)), будет стремиться к нулю при любом начальном приближении y0. Другими словами, приближенное решение (6-7) будет асимптотически сходиться к решению задачи (6-6) с точностью O(h). Заметим, что требование ограниченности производной искомого решения выполняется при выполнении условий о непрерывной дифференцируемости функции (y,t) и существование, неявной функции. 70 единственность и y ( y, t ) 1, обеспечивающих непрерывную дифференцируемость Понятно, что метод (6-7) только в некоторых случаях позволяет получить близкие к решению приближения. Проиллюстрируем предлагаемый примере упрощенным силогенерации элементах. Пусть сила, развиваемая каждым из элементов дуплета в момент времени t при длине 25 100 0 t 200 А на с его F алгоритм дуплета в описанием L, описывается заданной Для L Б 20 15 функцией зависимость F=f(L,t).

примера мы выбрали простую f(L, t) = f 0 где параметры. приведены t (t - 2 * t peak ) t tpeak, На 2 peak Lk, 6- 5 0 0 110 100 Первый элемент 0 Дуплет F fo, рис. от k t 200 Второй элемент графики зависимости качественно временной F t, ход напоминающие Рис. 8. Временной ход сил элементов дуплета в изоляции и дуплета (A) и укорочения элементов в дуплете (Б).

изометрических сокращений сердечной мышцы. Параметр tpeak определяет время достижения максимума силы (ВДМ), которое является важной сократительной характеристикой мышцы. В дальнейшем мы будем рассматривать дуплет c элементами, имеющими различные ВДМ. При этом силы, развиваемые элементами описываются функциями Fj=f(L,t;

tpeak(j)), tpeak(1) tpeak( 2). Заметим, что амплитуды сил при одинаковых значениях L в обоих элементах равны. Заметим также, что на промежутке 0< t

tpeak(j)). Рассмотрим дуплет на указанном промежутке времени. Используя уравнения связи (6-2), можно найти точные значения силы y (t) и длин элементов дуплета Lj=l( y (t),t;

tpeak(j)) (рис. 8) при некоторой фиксированной длине дуплета Lдуп. случае, когда tpeak(1) < tpeak(2) и наоборот, 0

Выпишем значение Рис. 9. Отношение производных функций сил по длине в зависимости от времени при различных порядках соединения.

производной y ( y( t ), t ) = [ f ( Ld l( y( t ), t ;

t peak ( 1 ) ), t ;

t peak ( 2 ) )]y = ( F2 )L ( L1 )F = ( F2 )L ( F1 )L Можно явно показать, что при tpeak(1) < tpeak( 2) полученная дробь < 1 на промежутке 0

y(t)=(1-)y(t)+(y(t),t), 0<< Тогда метод итераций запишется в следующем виде:

(6-9) (6-10) yk+1=(1-) yк + (yк,tk+1) ~ Для того чтобы обеспечить условие сжимаемости функции (t)=(1-)y + (y,t) относительно y, найдем такое, при котором ее производная по модулю меньше единицы. Производная функции равна ~ = 1 - ( 1 y ( y, t )). Пусть в рассматриваемой окрестности решения y y (t) задач (6-4) и (6-7) справедливо: m ( y,t ) M. Если ( 1 y ( y,t )) >0, y 2. 1 m ~ то < 1, когда выполняется следующее неравенство 0 < < y Приведем рассуждения, показывающие, что для реального дуплета должно быть отрицательным, и поэтому всегда можно подобрать y подходящий регуляризирующий параметр для задачи (6-7). Действительно, если вместо зарегистрированного сигнала с датчика силы живой мышцы на вход модели подать не равную ей, а большую силу, то длина виртуальной мышцы увеличится по сравнению с контрольной длиной (т.к. при большей нагрузке произойдет либо меньшее укорочение, либо большее растяжение), а значит, длину живой мышцы надо будет уменьшить по сравнению с контрольной (т.к. Lмыш = Lдуп – Lмод). А в ответ на уменьшение длины и сила, генерируемая живой мышцей, уменьшится. Отсюда можно сделать вывод, что производная функции (y, t) по y отрицательна и можно применить вышеприведенные рассуждения. В приведенных выше примерах <0 в обоих случаях (и когда tpeak(1) < y tpeak(2), и в противоположном случае), поэтому можно проводить регуляризацию предложенным способом. Поскольку никакие априорные оценки для y в реальности не известны, то в эксперименте переопределяется методом половинного деления на каждом последующем сократительном цикле до тех пор, пока не находится достаточно большое (обычно близкое к 1/2), при котором достаточно точно выполняются оба условия сопряжения (и по длине, и по силе) элементов дуплета. Естественно, что в реальном эксперименте и сила, регистрируемая в живом объекте, и задаваемая длина содержат неустранимые аппаратные ошибки, также как и численные решения модельной системы содержат и вычислительные погрешности, и погрешности метода решения, причем последние не могут быть уменьшены как правило, (6-7) за счет уменьшения шага интегрирования в силу ограничений на реальное время расчета. Заметим, что погрешности вычислений. Рассмотрим поведение метода при выполнении условий утверждения 1 и при наличии помех. аппаратуры, превосходят погрешности yk+1= (yк, tk+1, к+1) + к+1, При условии сжимаемости функции по y ошибка, связанная с аддитивными помехами k, ограничена для любого k величиной /(1-K) при k. Не детализируя вид зависимости от помехи k, вошедшей в функцию, заметим, что, вообще говоря, вклад этой помехи может нарастать при увеличении k. Однако за счет выбора регуляризующего параметра можно обеспечить ограниченность этой ошибки на конечном более промежутке внимательно взаимодействия элементов дуплета.

Модификация метода 6-7.

Рассмотрим описанный выше алгоритм организации взаимодействия между элементами дуплета (6-7):

yk+1= (yк, tk+1)= f(Lдуп - l(yk,tk+1), tk+1).

Естественно, это соотношение можно переписать в эквивалентном виде:

xk+1 = Lдуп - l(yk,tk+1) yk+1 = f(xk+1,tk+1).

Нетрудно заметить, что выписанная процедура является аналогом метода Зейделя для нахождения функций y (t) и x (t), неявно задаваемых системой (6-3), где yk = Fmod(tk), xk = Lmus(tk). В реальном эксперименте, этот метод не может быть реализован практически, поскольку он предполагает мгновенный расчет длины виртуальной мышцы при новом значении нагрузки. Но можно записать и метод простой итерации для системы (6-3):

xk+1 = Lдуп - l(yk,tk+1) yk+1 = f(xk,tk+1).

(6-11) Этот метод представляет собой следующую процедуру организации взаимодействия элементов гибридного дуплета в соответствии со схемой на рисунке 7. На каждом промежутке между k-м и (k+1)-м тактами управления: в момент tk задается нагрузка на виртуальную мышцу, равная текущей силе, регистрируемой в живой мышце и, исходя из условия сопряжения длин элементов, задается длина мышцы: F*мод(tk+s) = Fмыш(tk+0), L*мыш(tk+s) =Lдуп – Lмод(tk-0);

при фиксированном значении нагрузки рассчитывается новое значение длины виртуальной мышцы и при фиксированной длине мышцы регистрируется новое значение ее силы в момент tk+1: Lмод(tk+1-0) = l(Fмод(tk-0), tk+1);

Fмыш(tk+1+0) = f(Lмод(tk-0), tk+1);

и так далее на каждом шаге управления. Можно показать, что метод (6-11) сходится при тех же условиях, что и метод (6-7). В противном случае сходимость достигается при помощи регуляризации метода (аналогично переходу к задаче (6-9)-(6-10)):

xk+1 = (1-1) xк +1 (Lдуп - l(yk,tk+1)) yk+1 = (1-2) yк +2 f(xk,tk+1)).

(6-12) С учетом регуляризации сигналы F*мод, L*мыш на схеме 6-1 принимают вид: F*мод(tk+s)= (1-1) Fмод(tk-0) +1 Fмыш(tk+0) L*мыш(tk+s)= (1-2) Lмыш(tk+0) +2 (Lдуп-Lмод(tk-0)) (6-13) Численные эксперименты на рассмотренных выше примерах показали хорошее качество приближенного решения в случае, когда мышца, управляемая длиной, является более «медленной» и наоборот. И в том, и другом случаях задача успешно регуляризуется при =0.5. Еще раз повторимся, что все вышеприведенные рассуждения справедливы в случае, если в фиксированный момент времени сила мышцы, управляемой изменением длины зависит только от текущей длины. Аналогично длина мышцы, управляемой нагрузкой, должна зависеть только от текущей приложенной нагрузки. В действительности, значение силы мышцы, управляемой длиной, зависит не только от текущей длины, но также от траектории изменения длины, по которой укорачивалась мышца до текущего момента.

6.1.3. Вторая упрощенная модель гибридного дуплета Как уже было рассмотрено в главе 4, силу одной из мышц F можно представить в виде функции от текущей длины e(t) и фазовых переменных системы дифференциальных уравнений относительно, где длина мышцы входит в правую часть системы, т.е. F = F ( e( t ), ( t )), где = ( t ) - решение системы связана с d = f 1 (,e( t ), t ). Аналогично, длина L другой мышцы также dt решением динамической системы:

L = L( p( t ), ( t )), d = f 2 (, p( t ),t ), где p( t ) - приложенная нагрузка к мышце. dt Учитывая уравнения связи, т.е. приравняв e( t ) = Lдуп L( p( t ), ( t )) и p( t ) = F ( e( t ), ( t )), получим p( t ) = F ( Lдуп L( p( t ), ( t )), ( t )).

Подставив выражение для e(t) в уравнение относительно, получим систему дифференциальных уравнений относительно и с дополнительным алгебраическим уравнением относительно p. Обозначив за x вектор фазовых переменных, за y величину, которая изменяется для обеспечения взаимодействию мышц, получим следующую задачу для x, y:

dx = f ( x, y,t ) dt y = G( y, x ) С начальным условием x( 0 ) = x 0.

(6-14) (6-15) Аналогично можно получить систему с алгебраическим уравнением относительно e. Рассмотрим случай, когда x является n – мерным вектором и известно, что решение задачи (6-14)-(6-15) x( t ) и y( t ) существует и единственно на промежутке T = [ 0, T ]. При определенных ограничениях, накладываемых на правую часть алгебраического уравнения системы, можно получить систему дифференциальных уравнений, дифференцируя левую и правую части алгебраического уравнения по t, что фактически и было сделано при разработке уравнений для виртуального дуплета. В случае гибридного дуплета приходится использовать другой метод нахождения x, y. Определим множества A и B. Вектор x A t T : x( t ) x A, аналогично y B t T : y( t ) y B, где x( t ) и y( t ) решения задачи (6-12) –(6-13), A и B некоторые константы. Здесь и далее в качестве нормы выбрано значение максимального по модулю элемента вектора. Рассмотрим следующую рекуррентную процедуру нахождения приближенного значения x( t ), y( t ) на промежутке T. Разобьем отрезок T на равные промежутки с шагом h. Пусть xk ( t ) на промежутке времени [t k, t k +1 ] является решением дифференциального уравнения dxk = f ( xk, y k,t ) dt где y k находятся рекуррентно:

(6-16) y k +1 = G( y k, xk ( t k )) (6-17) с начальными условиями xk ( t k ) = xk 1 ( t k ) для k > 0, x0 ( 0 ) = x 0, y0 = y 0, где y 0 = G( y 0, x 0 ).

Заметим, что именно такая рекуррентная процедура имитирует работу с реальным объектом в физиологическом эксперименте. В самом деле, живую и виртуальную мышцу можно считать объектами, поведение которых описывается системой дифференциальных уравнений. Мы можем влиять на поведение этой системы при помощи некоторого входного воздействия, например, длины живой мышцы (ее роль играет y k ), которая задается постоянной на каждом такте управления.

Утверждение 2. Пусть 1. функция f непрерывно дифференцируема по x, y на A B T, 2. G( y, x ) непрерывно дифференцируема по x, y на B A, 3. На B A выполняется | G( y1, x ) G( y 2, x ) | K | y1 y 2 |, где K < 1. Тогда рекуррентная процедура (6-16)-(6-17)сходится к решению задачи (6-14)-(6-15) при h 0. Доказательство:

Из условий утверждения следует, что на A B T, B A n ( f i )x K fx, f K f, f y K fy, n G x K Gx, yt K yt.

Заметим, что непрерывная дифференцируемость y(t) следует из 2-го и 3-го условий утверждения. Предположим, что для k, t [t k,t k +1 ] x k ( t ) A и y k B. Тогда для t [t k,t k +1 ] : x k +1 ( t ) x( t ) x k ( t k ) x( t k ) + + tk + tk f ( x k ( ), y k, ) f ( x( ), y k, ) + f ( x( ), y k, ) f ( x( ), y( ), ) d xk ( t k ) x( t k ) + K fx xk ( t k ) x( t k ) h + 2 K fx K f h 2 + K fy | y( t k ) y k | h + K fy K yt h xk 1 x1 2 2 x x Здесь мы воспользовались тем, что если x( ) = и xk ( ) = k,.... n xn xk то | f i ( xk ( ), y k, ) f i ( x( ), y k, ) | xk 1 x1 x1 x1 xk 2 xk 2 xk 2 x2 fi (, y k, ) f i (, y k, ) + f i (, y k, ).. + f i (, y k, )........ n xn x n x n k k xk 1 2 | ( f i )x 1 ( 1, y k, ) || ( x k x 1 ) | + | ( f i )x 2 ( 2, y k, ) || ( x k x 2 ) | +.. n..+ | ( f i )x n ( n, y k, ) || ( x k x n ) | 1 2 ( f i )x ( 1, y k, ) | ( x k x 1 ) | + ( f i )x ( 2, y k, ) | ( x k x 2 ) | +.. n.. + ( f i )x ( n, y k, ) | ( x k x n ) | n K fx xk ( ) xk ( t k ) + xk ( t k ) x( t k ) + x( t k ) x( ) K fx ( xk ( t k ) x( t k ) + xk ( ) xk ( t k ) + x( t k ) x( ) ) K fx xk ( t k ) x( t k ) + 2 K fx K f h 1 Элементы вектора j = (xk K fx n max1 j n (| ( xk x j ) |) K fx xk ( ) x( ) j... xkj ~j x x j +... x n ) представляют собой T x комбинацию элементов векторов xk, x и значений ~ j xkj, x j, лежащих между значениями элементов этих векторов, поэтому j A и вышеприведенные неравенства справедливы. Мы используем также аналогичные рассуждения о принадлежности аргументов прочих производных к рассматриваемым областям. Оценим погрешность | y k +1 y( t k +1 ) | :

[ ] | y k +1 y( t k +1 ) || G( y k, xk ( t k )) G( y( t k ), xk ( t k )) + G( y( t k ), xk ( t k )) G( y( t k ), x( t k )) + y( t k ) y( t k +1 ) | K | y k y( t k ) | + K Gx xk ( t k ) x( t k ) + K yt h ak = xk ( t k ) x( t k ), bk =| y k y( t k ) |, Обозначим C = max{ K fx + K fy, K yt, K yt K fx + 2 K fz K f, K Gx }, получим систему неравенств ak +1 ak + Cha k + Chbk + Ch 2 bk +1 Kbk + Ca k + Ch Подставив аналогичное неравенство в правую часть для bk +1, получим:

bk +1 K ( Kbk 1 + Ca k 1 + Ch ) + Ca k + Ch, и далее, поступая так, в итоге получим следующую оценку bk + k Ch + C K k i ai. Подставим неравенство для 1 K i = bk a k + в правую часть неравенства для a k +1 :

k 1 ( Ch ) 2 a k + Cha k + + C 2 h K k i a i + Ch 2 1 K i = Пусть a = max0 i k a i, тогда a k +1 вую константу C = C + ( Ch ) 2 C 2 h a a + Ch a + + + Ch 2. Введя но1 K 1 K C2, получим ak +1 a + Ch a + Ch 2. 1 K Подставляя вместо a соответствующее ai и т.д. получим ak +1 Ch 2 ( 1 + Ch )i Ch 2 e CT T e CT Ch = O( h ), i =1 i = k k отсюда для t [t k,t k +1 ] xk +1 ( t ) x( t ) O( h ). Используя неравенство bk +1 Kbk + Dh, где D = CTe CT C + C, получаем bk + Dh = O( h ). 1 K При выводе оценки для ak +1 и bk +1 мы исходили из предположения, что k, t [t k,t k +1 ] x k ( t ) A и y k B. Покажем, что это действительно так при соответствующем выборе шага h. Возьмем такой шаг, что Te CT Ch < A, Dh A. Доказательство проведем индукцией по k. A и h< 1 K 8K f 1) Докажем, что x0 ( t ) x 0 < A, где t [0, h]. Доказательство проведем от противного. Пусть x0 ( t ) x 0 > A. Из непрерывности x0 ( t ) следует, что существует множество t, при которых x0 ( t ) x0 = A. Обозначим за * t* t* наименьшее из таких t.

Но x0 ( t ) x0 f ( x0 ( ), y0, ) d t * K f hK f A. Получили противо речие. В соответствии с выбором y0 = y 0 B. Отсюда для k = 0 предположение верно. 2) Пусть для i k t [ti,ti +1 ] :

xi ( t ) A и yi B. Докажем, что A, t [t k +1,t k + 2 ] : xk +1 ( t ) A и y k +1 B. Из неравенств Te CT Ch < Dh A A следует, что xk +1 ( t k +1 ) x( t k +1 ) и y k +1 B. Докажем, что 1 K 2 xk +1 ( t ) x( t ) A для t [t k +1, t k + 2 ]. Предположим, что это не так. Из xk +1 ( t k +1 ) x( t k +1 ) A следует, что xk +1 ( t k +1 ) A, поэтому существуют t, при которых xk +1 ( t ) x( t ) = A. Обозначим за t * наименьшее из таких * * t, t* тогда xk +1 ( t ) x( t ) xk +1 ( t k + 2 ) x( t k + 2 ) + + t* tk + f ( xk +1 ( ), y k +1, ) d + tk + f ( x( ), y( ), ) d A 3A + 2 hK f 2 Получили противоречие. Утверждение доказано. Замечание. Условие 3 мы используем в качестве аналога условию сходимости в утверждении 1. С учетом 2-го условия оно равносильно тому, что производная функции G(y, x) по y по модулю меньше 1. Заметим, что все выводы, сделанные для первой упрощенной модели гибридного дуплета, справедливы и для второй упрощенной модели гибридного дуплета.

6.2.

Пакет программ управления экспериментальной уста новкой для гибридного дуплета Пакет программ для управления экспериментальной установкой для гибридного дуплета выполняет следующие функции: 1. обмен сигналами между компьютером и аппаратной частью установки;

2. расчет математической модели мышечного сокращения;

3. организация динамического взаимодействия между элементами гибридного дуплета (препаратом миокарда и виртуальной мышцей);

4. интерфейс пользователя для управления экспериментальной установкой. Для обеспечения динамического взаимодействия между элементами гибридного дуплета было необходимо, чтобы программа расчета модели, обмена сигналами между компьютером и аппаратной частью, организации динамического взаимодействия элементов дуплета исполнялась в реальном времени. Термин «реальное время» довольно размытое понятие и его смысл зависит от области его применения. В контексте нашей задачи реальное время означает, что в процессе сокращения препарата миокарда через строго определенные интервалы времени происходит передача сигналов с датчиков программе управления установкой, расчет математической модели мышечного сокращения, формирование выходного сигнала на сервомотор установки. Такую задачу по некоторым причинам невозможно решить, используя так называемую операционную систему общего назначения, например, MS Windows или Linux. Поэтому для подобных задач применяются либо модифицированные версии этих операционных систем, либо специализированные операционные системы реального времени, например, QNX или VxWorks. 6.2.1. Реальное время Краткое определение системы реального времени можно сформулировать следующим образом. Система называется системой реального времени, если правильность ее функционирования зависит не только от логической корректности вычислений, но и от времени, за которое эти вычисления производятся. Т.е. для событий, происходящих в такой системе, в какие времена происходят события также важно, как и логическая корректность самих событий. Кроме того, система работает в реальном времени, если ее быстродействие адекватно скорости протекания физических процессов на объекте контроля и управления. Т.е. система управления должна собрать данные, произвести их обработку в соответствии с заданным алгоритмом и выдать управляющее воздействие за такой промежуток времени, который обеспечивает успешное решение поставленных перед системой задач. Система организации динамического взаимодействия между элементами гибридного дуплета должна удовлетворять определению системы реального времени. Во-первых, взаимодействие элементов дуплета должно быть построено таким образом, чтобы в любой момент времени выполнялись уравнения связи между элементами дуплета с заранее определенной малой погрешностью. Во-вторых, расчет модели мышечного сокращения должен быть синхронизирован с сокращением препарата, так чтобы в любой момент времени при расчете математической модели использовались выходные сигналы с аппаратуры, соответствующие времени расчета модели, и аналогично на аппаратную часть подавался сигнал, сформированный на основе соответствующего по времени расчета модели. Очевидно, второе требование эквивалентно адекватности быстродействию работы системы скорости протекания физического процесса. Первое требование связано с понятием жесткости системы реального времени. Говорят, что система является системой «жесткого» реального времени, если неспособность обеспечить реакцию на какиелибо события в заданное время ведет к невозможности решения поставленной задачи. Теоретически время реакции в жестких системах может составлять и секунды, и часы, и недели. Но на практике время реакции в системах жесткого реального времени должно быть минимально. В главе об алгоритмах организации взаимодействия элементов гибридного дуплета было показано, что минимизация времени ответа на изменение силы, развиваемое живым препаратом, т.е. расчета соответствующего состояния математической модели, уменьшает погрешность выполнения уравнений связи для гибридного дуплета. Итак, задача организации взаимодействия элементов гибридного дуплета требует разработки системы реального времени. Эта задачу можно разделить на две части: аппаратную и программную. Здесь мы обсудим только программную часть: операционные системы реального времени (ОС РВ) и создание для них приложений.

6.2.2. Операционные системы реального времени Операционная система реального времени должны удовлетворять минимальному набору требований [50]: 1. ОС РВ должна быть многозадачной;

2. в ОС РВ реализован механизм приоритетов задач;

3. существует предсказуемый механизм синхронизации выполняемых задач;

4. доступен механизм наследования приоритетов;

5. поведение ОС РВ должно быть известно и предсказуемо (латентность прерываний, латентность переключения между зада чами и т.д.), что означает известность максимального времени ответа при любой нагрузке системы. Всем этим требованиям удовлетворяет ОС QNX. В этой ОС процесс может включать несколько потоков с различными приоритетами выполнения. Отдельно позиционируются потоки с приоритетами реального времени. Кроме того, непосредственно в приложении существует возможность привязки какой-либо процедуры к аппаратному или системному прерыванию. ОС семейства Windows NT без модификаций системы нельзя использовать как ОС РВ по одной существенной причине. Для того, чтобы минимизировать время, которое тратится на процедуру обслуживания прерывания, Windows NT основана на концепции отложенных процедурных вызовов (ОПВ). Приоритет выполнения этих ОПВ выше, чем приоритеты пользовательских или системных процессов, но все ОПВ выполняются с одинаковым приоритетом. Все ОПВ формируют FIFO очередь, и ОПВ для прерывания с большим приоритетом выполняется только после того, как ОПВ, стоящие перед ним закончат выполнение. Это приводит к переменному и непредсказуемому времени ответа, что противоречит 5-му требованию. Можно было бы смириться с этим недостатком для задачи гибридного дуплета, используя систему с минимальным набором служб и задач, которые выполняются по системным вызовам. Но есть еще одна причина, по которой ОС семейства Windows нельзя использовать конкретно для задачи гибридного дуплета. В информационной статье Microsoft под номером Q126547 говорится, что операции с плавающей точкой не поддерживаются (и такая поддержка не планируется) в драйверах, исполняющихся в режиме ядра ОС. Это ограничение не позволяет выполнять расчет математической модели мышечного сокращения в драйвере системы. Кстати, по той же причине нельзя использовать ОС семейства Linux, в которой выполнение операций с плавающей точкой в модуле ядра ОС приводит к непредсказуемым последст виям, благодаря отсутствию синхронизации таких операций с сохранением контекста математического сопроцессора планировщиком задач системы.

6.2.3. Расширения реального времени для Windows NT Существует множество расширений реального времени для Windows NT. Наиболее известные: RTX, INTime, Hyperkernel. Использование Windows NT как системы реального времени можно достигнуть с помощью: 1. модификацией абстрактного аппаратного слоя ОС, 2. выполнения Windows NT как задачи поверх (главной) ОС РВ. Есть и другие способы сделать Windows NT ОС РВ, которые мы не будем обсуждать, поскольку эти решения могут сопрягаться с риском отказа от полнофункциональной работы ОС. Архитектура RTX базируется на ядре интегрированному в ядро ОС. Каждый процесс RTX выполняется как драйвер ядра Windows NT. Архитектура INTime базируется на аппаратном механизме выполнения задачи Intel процессора. В этом случае присутствуют два ядра выполняющихся на одном аппаратном обеспечении. Из-за того, что они используют одни и те же аппаратные ресурсы, был модифицирован абстрактноаппаратный слой ОС. В моей работе я воспользовался Hyperkernel. Hyperkernel реализована как дополнительная подсистема Windows. Она имеет свой планировщик задач, свой набор служб и свое собственное ядро. Hyperkernel и Windows NT выполняются поочередно через строго определенный промежуток времени, который может быть выбран между 25 – 250 мксек. Это предотвращает «зависание» ОС в случае неверной работы приложения Hyperkernel. Все приложения для Hyperkernel выполняются в режиме ядра. Возникает естественный вопрос: зачем использовать в качестве ОС РВ Windows NT с расширениями реального времени? Почему не использовать специализированную ОС РВ? Перечислим преимущества использования расширений РВ для Windows NT. 1. Интерфейс программирования приложений для Win32 становится стандартом для программистов. 2. Популярный графический интерфейс. 3. Огромное количество драйверов устройств от третьих фирм. 4. Множество интегрированных сред разработчика доступно, многие из них не имеют аналогов по своим возможностям. Особенно важны последние три пункта. К примеру, разработка графического интерфейса для приложения QNX с использованием библиотеки Photon усложнена благодаря отсутствию объектно-ориентированного подхода. Чего нельзя сказать о библиотеке MFC от Microsoft или VCL от Borland. Отсутствие драйверов устройств для ОС, в частности, для различных модифицированных ядер реального времени Linux, приводит к ограниченному выбору аппаратных устройств. И наконец, при разработке приложения крайне важно удобство среды разработчика. Так, в некоторых не Windowsориентированных интегрированных программных средах разработчика отладка программы происходит в командной строке. К недостаткам использования Windows NT можно отнести ориентированность только на Intel платформы и загрузке процессора службами, которые не требуются для задач реального времени. Другая проблема заключается в том, что изменения, вносимые в ОС Windows NT компанией Microsoft, могут привести к отказу работы расширения реального времени. Реальный пример возникновения такой проблемы – обнаружение уязвимости в защите ОС Windows NT, что повлекло за собой выпуск пакета обновления, несовместимого с Hyperkernel. 6.1.4. Программа управления установкой Обычное приложение для расширения реального времени Windows NT состоит из двух частей. Одна из них – это программа, которая работает в ядре расширения, а другая - обычное приложение Windows, которая использует кроме всего прочего программный интерфейс расширения реального времени. В задаче гибридного дуплета в первой программе происходил обмен сигналами с аппаратной частью установки, расчет математической модели мышечного сокращения и организация взаимодействия между элементами дуплета. Во второй программе был реализован интерфейс пользователя, вывод на экран и сохранение на диске полученных сигналов. Опишем подробнее каждую из программ. Программа ядра компилируется в среде Visual С++ с точкой входа hkMain (процедуры из библиотеки Hyperkernel) и имеет структуру обычного консольного приложения. В дополнительных настройках компиляции задается побайтовое выравнивание хранения данных в структурных переменных для того, чтобы унифицировать формат данных между программой ядра и программой интерфейса пользователя. В главной процедуре программы происходит инициализация областей в разделенной области памяти, инициализация таймера реального времени, настройка работы АЦП/ЦАП. После инициализации программа входит в цикл обработки сообщений от интерфейсной программы. Недостатком использования Hyperkernel является отсутствие взаимодействия между вышеописанными программами посредством механизма сообщений или процедурных вызовов. Эти программы связаны только посредством разделенной памяти, и возможностью создавать семафоры для синхронизации доступа к этой памяти. Поэтому и в программе ядра, и в интерфейсной программе в цикле постоянно опрашивались булевские переменные, за нимающие место в разделенной памяти, состояние истины у которых означало новое сообщение. Определить номер сообщения и наличие дополнительной информации можно было из предназначенной для этого структурной переменной. Дополнительная информация передавалась следующим образом. Программа интерфейса пользователя заполняла переменную, в которой хранилась информация о размере передаваемого буфера данных, и захватывала специально созданный семафор. Затем передавался сигнал о поступлении нового сообщения. Программа ядра получала сообщение, выделяла место для буфера данных в разделенной памяти и останавливала свое выполнение при попытке захвата того же семафора. Программа интерфейса пользователя постоянно опрашивала Hyperkernel, было ли выделено место для буфера, и при положительном ответе заполняла буфер и высвобождала семафор. Далее программа ядра продолжала свое выполнение, вызывая процедуру обработки сообщения. Для передачи сигналов длины и силы живого препарата и виртуальной мышцы из программы ядра в программу интерфейса пользователя был создан буфер данных, который заполнялся циклически. Другими словами, при достижении конца буфера данные вновь записывались в его начало. Состояние буфера, т.е. указатель на последние занесенные данные, хранилось в переменной, которую постоянно опрашивала программа интерфейса пользователя. Размер буфера был выбран таким образом, чтобы возможные задержки в выполнении пользовательской программы не приводили к потере данных. Чтобы обеспечить требования системы реального времени, в программе ядра по системному таймеру реального времени с периодом 100 мкс вызывалась процедура обмена данными с аппаратной частью установки и расчета математической модели. В ее задачи входили 1. регистрация сигнала стимуляции живой мышцы, 2. регистрация силы и длины живой мышцы, 3. формирование нагрузки на виртуальную мышцу с учетом уравнений связи гибридного дуплета, 4. очередной шаг расчета математической модели, 5. заполнение буфера для обмена данными с пользовательской программой, 6. формирование новой длины препарата, 7. передача сигналов на аппаратную часть установки. Стимуляция препарата миокарда происходила аппаратно. Сигнал о стимуляции поступал на цифровой канал АЦП. К этому сигналу было привязано несколько событий. Это расчет начальных условий для математической модели, передача пользовательской программе сообщения о стимуляции, инициализация переменных для различных режимов сокращения препарата. Поскольку некоторые события выполняются за определенный промежуток времени до момента стимуляции, в программе регистрировалась длительность промежутка времени между соседними аппаратными стимулами. Регистрация сигналов с аппаратной части установки происходило посредством АЦП. Существовало два способа получения данных с АЦП: через коммуникационные порты или посредством механизма DMA (Direct Memory Access) через FIFO буфер АЦП. Несмотря на то, что наличие FIFO буфера как такового для задачи гибридного не требовалось, оказалось предпочтительнее использовать второй способ, так как в этом случае доступ к плате АЦП осуществляется посредством механизма DMA.

Рис. 10.

Работа программы управления гибридным дуплетом.

Этот механизм позволяет получить данные намного быстрее, чем это можно было бы сделать посредством опроса коммуникационных портов. При расчете мышечного сокращения использовались уравнения связи для последовательного дуплета. Подробно об этом можно ознакомиться в главе об алгоритмах, используемых для организации взаимодействия мышц в гибридном дуплете. Расчет должен занимать минимально возможное время, поэтому был выбран численный метод решения на основе проведенного анализа системы уравнений модели, с которым вы могли ознакомиться ранее в пункте 5, главы 3. Программа интерфейса пользователя – это многопоточное приложение Windows NT, написанное с использованием Delphi 5 (рис. 10). В отдельные потоки были вынесены: обработка сообщений от программы ядра, рисование графиков силы и длины элементов дуплета, автоматизация действий пользователя. Нужно отметить, что при сохранении данные поступают с помощью технологии COM непосредственно в программу обработки экспериментальных данных, что позволяет координировать действия экспериментатора непосредственно во время эксперимента.

6.1.5. Программа обработки экспериментальных данных Большое количество экспериментальных данных потребовало создания программного обеспечения для их обработки. Была разработана программа, в рамках которой находились требуемые характеристики сокращения мышцы, фильтрация данных и построение графиков. Программа обработки – приложение Windows (рис. 11), основанное на многодокументной структуре. Иерархию объектов каждого документа можно представить в виде следующей схемы:

Серия представляет набор экспериментальных данных, полученных на одном мышечном сокращении. В нее теоретически может входить любое количество величин, таких, например, как сила, длина, концентрация кальция и т.д. Серии по некоторому признаку объединяются в коллекции. Например, для гибридного дуплета использовалось 3 коллекции: данные для виртуальной мышцы, для живой мышцы и для дуплета. В документе также хранятся набор макрокоманд и рисунки. Такая гибкая схема организации данных позволяет использовать программу для обработки не только экспериментальных данных, полученных на гибридном дуплете, но и для обработки результатов численных экспериментов на большом количестве математических моделей. Для расчета по экспериментальным данным характеристик сокращения дуплета и его мышц был разработан простой язык макрокоманд, который позволял находить требуемые характеристики мышечного сокращения. В Рис. 11. Программа обработки экспериментальных данных.

главах 7, 8, 9 и 10 данной работы все приведенные характеристики мышечного сокращения были найдены в рамках описываемой программы обработки с использованием макрокоманд. Для сложных по структуре вычислительных задач в программе была добавлена дополнительная возможность запуска макросов, написанных на языке JavaScript. Поскольку написание собственного интерпретатора и отладчика для языка JavaScript является трудоемкой задачей, мы интегрировали в программу объект обозревателя Internet Explorer. Для взаимодействия приложения и обозревателя был разработан и зарегистрирован в системе элемент ActiveX, который помещается на HTML страницу обозревателя. В случае ошибочного кода JavaScript программа обработки пе рехватывает и обрабатывает исключение, указывая пользователю, какая строка кода является ошибочной. По экспериментальным данным можно построить двухмерные графики. Графики можно разместить нужным образом на планшете для последующего редактирования, печати или передачи в приложение Excel пакета Microsoft Office. Существует также возможность построение трехмерных графиков, при рисовании которых используется библиотека OpenGL. При разработке была предусмотрена возможность расширения функциональности программы посредством подключения дополнительных модулей. Эта опция была включена для совместной модификации программы с другими разработчиками. В частности, при помощи подключаемых модулей реализуется считывание данных из файлов различных форматов, созданных программами других разработчиков, и заимствуются алгоритмы фильтрации экспериментальных данных. Каждый подключаемый модуль является динамической библиотекой, файл которой помещается в специальную папку программы и содержит заранее определенный набор функций и процедур, наличия которых ожидает программа обработки. Передача данных в программу обработки реализована через интерфейс встроенного COM-объекта. Это позволило передавать данные в программу напрямую без сохранения их на диске и использовать программу обработки вместе с другими программами, в частности, с программой расчета виртуального дуплета и одномерной модели мышечной ткани. Полученные данные и результаты можно сохранить в виде двоичного файла. В заголовке файла хранятся версия файла и краткая информация для предварительного просмотра содержимого файла при поиске нужной информации.

7. Результаты численных экспериментов на последовательном виртуальном дуплете 7.1. Характеристики сократительной функции сердечной мышцы Определим некоторые характеристики сердечной мышцы, которые будут использоваться далее:

L0 – длина пассивной мышцы в ненагруженном состоянии;

Lраб – рабочая длина мышцы в эксперименте, т.е. начальная длина мышцы в момент ее стимуляции;

Lкс (конечно-систолическая длина мышцы) - это минимальная длина мышцы в фазе изотонического укорочения;

Fкс или Pкс (конечно-систолическая сила) – это сила мышцы в момент достижения конечно систолической длины;

F0 или P0 – максимальная сила изометрического сокращения;

Lmax – длина мышцы, при которой P0 является максимальной;

ВДМ – время достижения максимума силы;

Vmax – максимальная скорость укорочения мышцы в ненагруженном состоянии;

t30 - характеристическое время изометрического расслабления, промежуток времени, который занимает расслабление мышцы от максимальной силы до 30% максимальной силы. Длина мышцы в экспериментах измерялась либо по отношению к Lmax или Lраб, либо указывалась длина в мкм ее саркомеров. Зависимость сила-скорость – зависимость максимальной скорости укорочения от приложенной к мышце нагрузки. Данная зависимость находится следующим образом. Проводится серия постнагрузочных сокращений.

Pages:     || 2 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.