Аннотация:Активация тромбоцитов, приводящая к их адгезии, агрегации и формированию прокоагулянтной поверхности, играет ключевую роль в процессах тромбоза и гемостаза. В последние годы особый интерес исследователей привлекло явление гетерогенности популяций активированных тромбоцитов: изначально одинаковые клетки различным образом реагируют на один и тот же активационный стимул. Клетка может остаться слабоактивированной, получить способность к адгезии и агрегации, выделить внутриклеточные гранулы или, в случае достаточно сильной активации, выставить фосфатидилсерин на внешней стороне плазматической мембраны. Последнее явление называется «сверхактивацией» тромбоцитов. Для теоретического описания различных вариантов ответа одинаковых клеток на один и тот же стимул необходимо ввести в математическую модель случайный элемент. Внутриклеточная сигнализация в тромбоците с учетом вышеописанных явлений может быть описана математической моделью, в которой химические реакции рассматриваются как случайные процессы с известным распределением - стохастической моделью.
Создание и исследование поведения математических моделей, описывающих внутриклеточную сигнализацию в тромбоцитах, на сегодняшний день представляет большой интерес как с фундаментальной, так и с прикладной точки зрения. Компьютерная модель позволяет предсказывать возможные исходы экспериментов и делает возможным расчет количества реактивов, необходимых для восстановления того или иного процесса внутриклеточной сигнализации. Наконец, кинетическая модель позволяет выявить узкие места в сигнальном каскаде. Это может дать возможность разработчикам лекарственных препаратов создавать более четко нацеленные вещества, способные мягко модулировать активацию тромбоцитов, не вмешиваясь в процессы, идущие в прочих клетках.
В настоящей работе методами компьютерного моделирования исследуется образование субпопуляции сверхактиваированных тромбоцитов при активации через PAR1 рецептор, при этом особое внимание уделяется существованию в сигнальном каскаде положительной и отрицательной обратных связей через фосфолипазу C и инозитолтрифосфат-киназу соответственно. Для стохастического интегрирования была разработана программа, в которой реализован модифицированный алгоритм Гиллеспи. Также для модификации модели, варьирования параметров и значительной части вычислений (при помощи гибридного алгоритма SSA/tau-leap) использовалась среда COPASI. В настоящей работе показано, что при увеличении начальной концентрации вещества-активатора происходит рост общей доли активированных клеток и повышение вероятности образования сверхактивированных клеток.