个性化乳腺癌治疗的一种可扩展随机混合细胞自动机模型的求解器
摘要：个性化癌症医学的一个有前景的方法是数学建模和仿真。然而，癌症的复杂性、异质性和多尺度性质给计算带来了重大挑战。使用混合细胞自动机将离散的细胞模型与连续模型耦合是一种强大的方法，可以模拟生物的复杂性，并描述不同尺度上的信息动态交换。然而，当考虑到临床相关的癌症部分时，这些模型变得计算代价非常高。虽然存在用于连续模型的高效并行化技术，但与离散模型（尤其是细胞自动机）的耦合需要更复杂的解决方案。在流行且强大的科学计算平台FEniCS的基础上，我们开发了并行算法，将随机细胞自动机与微分方程链接起来（https://bitbucket.org/HTasken/cansim）。该算法最小化了共享细胞自动机邻域值的进程之间的通信，并在随机更新过程中保持可重复性。我们在一个复杂的乳腺癌混合细胞自动机模型上展示了我们解决方案的潜力，该模型经过联合化疗处理。在单核处理器上，随着问题规模的增大，我们获得了近乎线性的规模化效果，而弱并行缩放相对于问题规模的增加显示出适度的解决时间增长。最后，我们将该算法应用于一个比之前工作大500倍的问题，从而能够在前所未有的尺度上运行基于磁共振成像数据估计的异质细胞密度和肿瘤灌注条件的个性化治疗模拟。
作者：Xiaoran Lai, H{aa}kon A. Task''en, Torgeir Mo, Simon W. Funke, Arnoldo Frigessi, Marie E. Rognes and Alvaro K"ohn-Luque
论文ID：2105.00448
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-11-23