Нейтрофилы

• MedicReferat
• Нейтрофилы

Страница: 3/9

У тяжелых больных средние скорости нейтрофилов распределены в диапазоне от 0 до 6 мкм/мин. Такой широкий диапазон средних скоростей из-за того, что больные подвергаются интенсивному лечению (операции, антибиотикотерапия). У больных средней тяжести, скорости распределены в области от 4.5-9 мкм/мин. Ухудшение состояния больного происходит из-за уменьшения клеток в популяции. При тяжелом состоянии средняя скорость в популяции ниже 3 мкм/мин, а скорость 5-6 мкм/сек говорит о том, что состояние средней тяжести.

Нарушение подвижности нейтрофилов было обнаружено у ожоговых больных и больных с острой пищевой токсикоинфекцией. В каждой группе было исследовано по 5 больных. В группу ожоговых больных входили тяжелые больные с площадью ожогов 50% поверхности тела. Группу с острой пищевой токсикоинфекцией составляли больные с тяжелой сальмонеллезной эндотоксимией. У этих больных интоксикация приводит к сильному угнетению подвижности нейтрофилов.

Табл. 2 Скорость движения и процентный состав неподвижных, медленных и быстрых нейтрофилов у ожоговых больных и больных с острой пищевой токсикоинфекцией.

Бактерии способны выделять хемоаттрактанты, которые притягивают нейтрофилы в зону инвазии (способность возбудителей проникать и распространяться в организме). Бактериальные хемоаттрактанты типа формил – пептида при больших концентрациях проявляют эффект «западни» угнетая движение нейтрофилов.

Алгоритм работы модели клетки

В поле зрения микроскопа клетка движется по случайной траектории. Из начального положения клетка может перемещаться на случайное расстояние в отрезке от 0 до rmax, под случайным углом от 0 до ±1800.

Случайный шаг характеризуется распределением:

рис. 3 Распределение (частота встречаемости) шагов, на которые клетка перемещается за выбранный промежуток времени (1 минута).

Клетка во время движения может менять как шаги, так и углы поворотов, от 0 до 1800. Углы меняются по отношению к предыдущему направлению клетки.

Случайные углы поворота нейтрофилов характеризуются распределением:

рис. 4 Распределение углов поворотов при случайном движении. Углы распределены от 0 до 1800, знак угла считается равновероятным.

Из распределения углов поворота видно, что нулевой угол встречается чаще, следовательно, он наиболее вероятен, а угол 1800 наименее вероятен. Из этого следует, что клетка при движении сохраняет свое направление. Углы поворотов распределены от 0 до 1800, при этом знак угла считается равновероятным (вправо или влево). В соответствии с такой гипотезой строится алгоритм модели движения клетки.

Нейтрофилы разделены на три типа: быстрые, средние и медленные. Три типа клеток различаются между собой по максимально возможному шагу в единичном акте движения. Для медленных клеток эта величина составляет 3 мкм (величина меньше размера клетки). Для средних клеток – 10 мкм (величина, немного превышающая размер клетки). Для быстрых клеток составляет 30 мкм.

Вычисление координат клетки

Координаты каждой последующей клетки вычисляются из предыдущего. Программа генерирует три случайных числа в соответствии с заданными распределениями (для каждого вида нейтрофилов своё распределение)

ri - случайный шаг.

ji - угол поворота.

signi - направление поворота.

Вычисляем угол по отношению к оси 0X.

Fi = Fi-1 + signi ´ ji

xi = xi-1 + ri cos Fi

yi = yi-1 + ri sin Fi

рис. 5 Движение нейтрофила по случайной траектории.

Во время работы модели вычисляется на каждом шаге пройденный клеткой путь и строится график зависимости пройденного пути от времени.

Генерация случайных чисел с заданным распределением (Монте-Карло)

Пусть величина y принимает значения y1,y2,…,yn, с вероятностями p1,p2,…,pn. Сумма вероятностей p1+p2+…+pn=1. Разобьем отрезок [0,1] на отрезки p1,p2,…,pn.

Алгоритмические языки программирования имеют генератор равномерно распределенных псевдослучайных чисел. Если псевдослучайное число xi, равномерно распределенное на отрезке [0,1] мы будем «бросать» на отрезок, то он будет попадать в интервалы p1,p2,…,pn, с частотой, пропорциональной длине этих интервалов. Из этого следует, что числа y1,y2,…,yn будут появляться в соответствии с вероятностями p1,p2,…,pn.

Язык Pascal генерирует целые положительные псевдослучайные числа, распределённые в заданном интервале x:=random(100). Такая процедура будет генерировать числа, равномерно распределенные в интервале [0,100].

В данной программе вероятность измерялась в процентах. Все вероятности измерялись в целых числах, что превышало точность измерений. Таким образом были построены генераторы случайных шагов, углов поворота, случайных изменений площади, случайных коэффициентов адгезии (прилипания). Единственное исключение составляло явление поворота. Если генерируемая величина была меньше 50, угол поворота положителен, и если величина больше, либо равняется 50, то угол поворота отрицателен. Для каждой вычисляемой величины, генерировалась отдельная случайная величина y, поскольку величины riji считаются независимыми.

Алгоритм реализации конкретного распределения. На рис. 5 показана гистограмма (дифференциальное распределение) частоты встречаемости шагов клетки за выбранный интервал (интервал времени между измерениями).

рис. 6 Дифференциальное распределение.

Всё время работы алгоритма подсчитывается частота встречаемости каждого шага по всей популяции, за все время конкретного расчета (120 шагов по 1ой минуте). Полученные результаты выводились в виде гистограмм минутных сдвигов. При построении гистограмм, все теоретические клетки «смешивались в кучу», хотя в программе заведомо заданно, что клетки относятся к разным типам.

Исходя из дифференциального распределения, строим другую гистограмму.

рис. 7 Куммулятивная гистограмма.

Полученная гистограмма называется куммулятивной гистограммой (интегральное распределение). Генерируемая процедура паскаля равномерно распределенное случайное число y обязательно попадает в один из интервалов от p1 до p5. При его попадании в интервал pi, выбираем шаг ri, который и будет использоваться в вычислении следующего положения клетки. Очевидно, что при длительной работе алгоритма, доля шагов ri будет пропорциональна вероятности pi. Аналогичным образом вычисляется на каждом шаге все остальные параметры движения клеток.

Программная реализация алгоритма

В программе для случайной величины предусмотрена следующая таблица:

Табл. 3

Реферат опубликован: 23/05/2005 (31478 прочтено)