---
title: "Жизнь и медицина · Симуляции · Гипотеза симуляции"
url: https://simulation-hypothesis.com/ru/simulations/life-medicine
description: "Белки, клетки, органы, пациенты и эпидемии: биология от молекулярного масштаба до популяции. Часть таксономии симуляций, которые люди действительно запускают."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, Гипотеза симуляции (simulation-hypothesis.com)"
---

[Симуляции](https://simulation-hypothesis.com/ru/simulations)область 5 из 18

# Жизнь и медицина

Белки, клетки, органы, пациенты и эпидемии: биология от молекулярного масштаба до популяции.

Биология моделируется на каждом уровне организации: атомы в белке, реакции в клетке, клетки в ткани, органы в теле, тела в популяции. На каждом уровне свой метод. Связать уровни между собой пока остаётся открытой проблемой.

## Молекулы жизни

### Сворачивание и динамика белков

Белок как десятки тысяч атомов, которые трясутся, сворачиваются и меняют форму в воде.

Вопрос, на который отвечает: Как эта цепочка аминокислот сворачивается в рабочую трёхмерную структуру?

Не учитывает: Даже длинные расчёты охватывают в лучшем случае микросекунды, намного меньше многих настоящих времён сворачивания.

Работает на: около 10^16 FLOPS приблизительно кластер видеокарт, считающий микросекунды полноатомной динамики С: 1977 Первая симуляция динамики белка, McCammon, Gelin и Karplus В дереве симуляций: [Динамика белков](https://simulation-hypothesis.com/ru/trees/simulations?n=life-protein)

[Молекулярная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-molecular-dynamics)нижний уровень: Атомы

### Молекулярная стыковка и связывание лекарств

Молекулы-кандидаты в лекарства пробуются в кармане белка-мишени.

Вопрос, на который отвечает: Какая из миллиона молекул прилипнет к этой мишени?

Не учитывает: Оценки стыковки приблизительны; большинство предсказанных связывающихся молекул в лаборатории не работает.

Работает на: около 10^15 FLOPS приблизительно университетский кластер, проводящий докинг миллионов молекул-кандидатов С: 1982 DOCK, первая программа автоматической молекулярной стыковки, Kuntz и коллеги

[Молекулярная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-molecular-dynamics)[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)нижний уровень: Атомы

### Мембраны и ионные каналы

Жировая оболочка клетки и белковые ворота, пропускающие через неё ионы.

Вопрос, на который отвечает: Как нервная клетка открывает и закрывает свои каналы?

Не учитывает: Настоящие каналы открываются и закрываются за миллисекунды, намного дольше, чем достигает большинство симуляций.

Работает на: около 10^16 FLOPS приблизительно кластер видеокарт, моделирующий липидный бислой и его каналы С: 1982 Динамика липидного бислоя ван дер Плуга и Берендсена

[Молекулярная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-molecular-dynamics)нижний уровень: Атомы

### Целые вирусные частицы

Каждый атом оболочки вируса, иногда их сто миллионов, моделируется одновременно.

Вопрос, на который отвечает: Как вирус держится целым и как распадается внутри клетки?

Не учитывает: Расчёты охватывают от наносекунд до микросекунд, что намного короче настоящего цикла инфекции.

Работает на: около 10^17 FLOPS приблизительно национальный суперкомпьютер, моделирующий оболочку из ста миллионов атомов С: 2006 Симуляция сателлитного вируса табачной мозаики Фреддолино и Шультен

[Молекулярная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-molecular-dynamics)нижний уровень: Атомы

### Сворачивание и структура РНК

Цепь РНК как цепочка оснований, спаривающихся сама с собой: она сворачивается в определённую трёхмерную форму, а не в прямую двойную спираль ДНК.

Вопрос, на который отвечает: Как цепочка РНК принимает форму, которая позволяет ей быть катализатором или регуляторным переключателем?

Не учитывает: Предсказанные структуры часто нужно корректировать экспериментом, а функция не следует из формы сама собой.

Работает на: около 10^12 FLOPS приблизительно настольная рабочая станция с программой сворачивания по свободной энергии С: 1981 Алгоритм свёртывания РНК с минимальной свободной энергией Цукера и Штиглера

[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Молекулы

### Катализ ферментами

Активный центр фермента, его субстрат и окружающий белок: там, где рвутся связи, применяют квантовую механику, а на остальных участках классическую.

Вопрос, на который отвечает: Как этот фермент ускоряет реакцию в миллиард раз?

Не учитывает: Дорогой квантовой обработке подвергается лишь малая часть белка, а где провести эту границу, выбирают при построении модели.

Работает на: около 10^15 FLOPS приблизительно университетский кластер, запускающий совмещённые квантовые и классические расчёты С: 1976 Комбинированная квантовая и классическая модель ферментативной реакции Уоршела и Левитта

[Из первых принципов](https://simulation-hypothesis.com/ru/simulations/methods#m-first-principles)[Молекулярная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-molecular-dynamics)нижний уровень: Атомы

### Крупнозернистые модели ДНК и РНК

Каждый нуклеотид — твёрдое тело с несколькими местами взаимодействия, что позволяет симулировать сворачивание, гибридизацию и наноструктуры.

Вопрос, на который отвечает: Как нити образуют пары, сворачиваются и собираются в заданные структуры?

Не учитывает: Атомные детали и ионы заменяются эффективными взаимодействиями.

Работает на: около 10^14 FLOPS приблизительно Миллионы нуклеотидов на GPU С: 2011 oxDNA, a coarse-grained DNA model (2011) [источник](https://doi.org/10.1063/1.3552946)

[Молекулярная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-molecular-dynamics)нижний уровень: Молекулы

### Обученное предсказание структуры белков

Нейронная сеть, обученная на известных структурах и эволюционных данных, предсказывает свёрнутую форму белка по его последовательности.

Вопрос, на который отвечает: Какую трёхмерную форму принимает эта цепочка аминокислот?

Не учитывает: Она даёт статичную структуру, а не путь сворачивания или динамику.

Работает на: около 10^18 FLOPS приблизительно Обучение в больших масштабах; минуты на одно предсказание С: 2018 Improved protein structure prediction using potentials from deep learning (2020, CASP13 entry 2018) [источник](https://doi.org/10.1038/s41586-019-1923-7)

[Выученные эмуляторы](https://simulation-hypothesis.com/ru/simulations/methods#m-learned)нижний уровень: Молекулы

### Генеративные ансамбли белков

Генеративная модель, обученная на структурах и симуляциях, выдаёт много конформаций белка, а не одну форму.

Вопрос, на который отвечает: Какие альтернативные формы может принять белок?

Не учитывает: Популяции состояний хороши ровно настолько, насколько хороши обучающие симуляции.

Работает на: около 10^16 FLOPS приблизительно Обучение и дешёвая выборка С: 2024 AlphaFold meets flow matching for generating protein ensembles (2024) [источник](https://arxiv.org/abs/2402.04845)

[Выученные эмуляторы](https://simulation-hypothesis.com/ru/simulations/methods#m-learned)нижний уровень: Молекулы

### Молекулярная динамика на добровольных вычислениях

Тысячи независимых коротких траекторий одной молекулы запускают на добровольно предоставленных домашних компьютерах и объединяют, чтобы увидеть события сворачивания.

Вопрос, на который отвечает: Могут ли множество коротких расчётов вместе выявить медленный молекулярный процесс?

Не учитывает: Траектории короткие и независимые, поэтому статистику приходится сшивать.

Работает на: около 10^17 FLOPS приблизительно Совокупность машин добровольцев С: 2000 Screen savers of the world unite! (2000), проект распределённого сворачивания [источник](https://doi.org/10.1126/science.290.5498.1903)

[Молекулярная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-molecular-dynamics)нижний уровень: Молекулы

## Клетки

### Стохастическая биохимия

Реакции внутри клетки запускаются по одной случайным образом, потому что молекул слишком мало, чтобы усреднять.

Вопрос, на который отвечает: Почему генетически одинаковые клетки ведут себя по-разному?

Не учитывает: Обычно предполагает, что внутри клетки всё хорошо перемешано, а это часто не так.

Работает на: около 10^12 FLOPS приблизительно настольная рабочая станция, запускающая стохастическую симуляцию реакций С: 1977 Точный стохастический алгоритм симуляции Гиллеспи для химической кинетики

[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Молекулы

### Генные регуляторные сети

Гены включают и выключают друг друга как сеть взаимодействий.

Вопрос, на который отвечает: Как клетка решает, какой клеткой ей стать?

Не учитывает: Большинство настоящих регуляторных сетей известны лишь частично, поэтому связи часто выводятся.

Работает на: около 10^12 FLOPS приблизительно настольная рабочая станция, моделирующая динамику генной сети С: 1969 Случайные булевы сети генной регуляции Кауфмана

[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Молекулы

### Метаболические сети

Каждая химическая реакция, которой клетка превращает пищу в энергию и детали, сбалансирована как сеть потоков.

Вопрос, на который отвечает: Какой ген отключить, чтобы этот микроб вырабатывал больше полезного соединения?

Не учитывает: Предполагает стационарное состояние и оптимальную цель, которой настоящая клетка может и не следовать.

Работает на: около 10^12 FLOPS приблизительно настольная рабочая станция, решающая модель баланса потоков в масштабе генома С: 1986 первый анализ баланса потоков метаболической сети клетки

[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)нижний уровень: Молекулы

### Модели целой клетки

Каждый ген и каждый класс молекул в одной бактерии прослеживаются через один полный цикл деления.

Вопрос, на который отвечает: Можем ли мы предсказать живую клетку по списку её частей?

Не учитывает: Только одна простая бактерия когда-либо была смоделирована так полно.

Работает на: около 10^14 FLOPS приблизительно университетский кластер, считающий один цикл деления бактерии С: 2012 Модель целой клетки Mycoplasma genitalium, Karr и коллеги

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Молекулы

### Образование узоров

Химические вещества диффундируют и реагируют в растущей ткани; этот механизм Алан Тьюринг предложил для полос и пятен.

Вопрос, на который отвечает: Как реакционно-диффузионные механизмы объясняют узоры на шкурах животных и образование пальцев на конечности?

Не учитывает: Настоящие ткани используют механические силы и больше сигналов, чем модель из двух химических веществ.

Работает на: около 10^12 FLOPS приблизительно настольная рабочая станция, решающая уравнения реакции-диффузии на сетке С: 1952 Расчёты реакции-диффузии Тьюринга для «The Chemical Basis of Morphogenesis» В дереве симуляций: [Реакция-диффузия Тьюринга](https://simulation-hypothesis.com/ru/trees/simulations?n=life-turing)

[Запустить интерактивную модель](https://simulation-hypothesis.com/ru/simulations/run#toy-patterns)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)нижний уровень: Клетки

### Рост тканей и опухолей

Отдельные клетки делятся, двигаются, соперничают за кислород и умирают.

Вопрос, на который отвечает: Как растёт опухоль и как график лечения может её остановить?

Не учитывает: Скорость деления и гибели клеток внутри настоящей опухоли трудно измерить напрямую.

Работает на: около 10^13 FLOPS приблизительно университетский кластер, отслеживающий тысячи отдельных делящихся клеток С: 1993 первые модели клеточных автоматов роста солидных опухолей

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Клеточные автоматы](https://simulation-hypothesis.com/ru/simulations/methods#m-cellular-automata)нижний уровень: Клетки

### Модели отклика клеток на воздействие

Модель, обученная на данных об отдельных клетках, предсказывает, как изменится экспрессия генов клетки после лекарства или правки гена, с которыми её не измеряли.

Вопрос, на который отвечает: Что сделает клетка после вмешательства, которое ещё никто не пробовал?

Не учитывает: Корреляционная модель; плохо экстраполируется на типы клеток или лекарства, далёкие от обучающих данных.

Работает на: около 10^16 FLOPS приблизительно Большие обучающие наборы данных по отдельным клеткам С: 2019 scGen predicts single-cell perturbation responses (2019) [источник](https://doi.org/10.1038/s41592-019-0494-8)

[Выученные эмуляторы](https://simulation-hypothesis.com/ru/simulations/methods#m-learned)нижний уровень: Клетки

### Агентные модели эволюции опухолей

Отдельные раковые клетки на сетке делятся, мутируют и конкурируют в меняющейся микросреде из кислорода и кислоты.

Вопрос, на который отвечает: Как форма опухоли и агрессивные признаки возникают из давления отбора?

Не учитывает: Правила упрощены, а кровоснабжение и иммунные клетки часто отсутствуют.

Работает на: около 10^11 FLOPS приблизительно Миллионы клеток на одном узле С: 2006 Tumor morphology and phenotypic evolution driven by selective pressure from the microenvironment (2006) [источник](https://doi.org/10.1016/j.cell.2006.09.042)

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Клеточные автоматы](https://simulation-hypothesis.com/ru/simulations/methods#m-cellular-automata)нижний уровень: Клетки

### Метаболические модели микробных сообществ

Метаболические сети нескольких видов в масштабе генома соединены так, что отходы одного становятся пищей для другого.

Вопрос, на который отвечает: Как кишечные или почвенные микробы делят питательные вещества и приходят к устойчивому равновесию?

Не учитывает: Предполагает стационарное состояние и оптимальный рост, игнорируя регуляцию и пространство.

Работает на: около 10^11 FLOPS приблизительно Линейное программирование по многим видам С: 2007 Metabolic modeling of a mutualistic microbial community (2007) [источник](https://doi.org/10.1038/msb4100131)

[Системная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-system-dynamics)[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)нижний уровень: Клетки

### Рост опухоли и ответ на лечение

Солидная опухоль рассматривается как масса, питаемая диффундирующим кислородом и питательными веществами, с растущим пролиферирующим краем и голодающим некротическим ядром, а затем её подвергают облучению или лекарствам.

Вопрос, на который отвечает: Как быстро растёт опухоль и насколько уменьшает её данная доза?

Не учитывает: Настоящие опухоли различаются у разных пациентов и внутри себя. Модель использует усреднённые параметры и упрощённую геометрию.

Работает на: около 10^12 FLOPS приблизительно трёхмерная модель реакции-диффузии с графиками лечения на недели смоделированного времени. С: 1972 Greenspan, модели роста солидной опухоли за счёт диффузии. [источник](https://doi.org/10.1002/sapm1972514317)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Клетки

### Эволюция микроокружения опухоли

Отдельные раковые клетки на сетке соперничают за кислород и место, а градиенты кислотности отбирают новые фенотипы, поэтому опухоль эволюционирует по мере роста.

Вопрос, на который отвечает: Подталкивает ли окружающая ткань опухоль к более инвазивным клеткам?

Не учитывает: Правила клеток упрощены, а параметры трудно измерить в живых опухолях.

Работает на: около 10^12 FLOPS приблизительно гибридные расчёты агентов и континуума на смоделированные месяцы на рабочей станции или небольшом кластере. С: 2006 Андерсон с коллегами: гибридная дискретно-непрерывная модель фенотипической эволюции под действием микроокружения. [источник](https://doi.org/10.1016/j.cell.2006.09.042)

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Клеточные автоматы](https://simulation-hypothesis.com/ru/simulations/methods#m-cellular-automata)[Эволюционные](https://simulation-hypothesis.com/ru/simulations/methods#m-evolutionary)нижний уровень: Клетки

### Рост кровеносных сосудов, вызванный опухолью

Клетки эндотелия прорастают и движутся вверх по химическому градиенту, который выделяет опухоль, и образуют ветвящуюся сеть сосудов, питающую её.

Вопрос, на который отвечает: Как опухоль привлекает кровоснабжение и что будет, если сигнал заблокировать?

Не учитывает: Течение в сосудах, перестройка и настоящая химия сигналов сильно упрощены.

Работает на: около 10^11 FLOPS приблизительно двух- или трёхмерные прогоны ветвления на рабочей станции. С: 1998 Андерсон и Чаплейн: непрерывные и дискретные модели ангиогенеза, вызванного опухолью. [источник](https://doi.org/10.1006/bulm.1998.0042)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Клетки

### Динамика отклика на препараты и устойчивости при раке

Популяции нормальных, чувствительных и устойчивых раковых клеток меняются под лекарственной терапией, поэтому пациенту сначала становится лучше, а затем может наступить рецидив.

Вопрос, на который отвечает: Как долго лекарство будет сдерживать болезнь, пока не появится устойчивость?

Не учитывает: Моделируются только отсеки, которые можно измерить, а поведение стволовых клеток выводится.

Работает на: около 10^8 FLOPS приблизительно обыкновенные дифференциальные уравнения, подогнанные под измерения крови пациентов. С: 2005 Michor и коллеги, динамика хронического миелоидного лейкоза. [источник](https://doi.org/10.1038/nature03669)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Клетки

### Динамика образования клеток крови

Стволовые клетки, клетки-предшественники и зрелые клетки крови связаны обратной связью с задержками, и при сбое регуляции получаются устойчивые числа или колебания.

Вопрос, на который отвечает: Почему некоторые болезни крови идут циклами и что восстанавливает нормальное кроветворение?

Не учитывает: У настоящего костного мозга есть пространственная структура и много типов клеток, которые объединены.

Работает на: около 10^6 FLOPS приблизительно дифференциальные уравнения с запаздыванием на ноутбуке. С: 1978 Mackey, единая гипотеза для апластической анемии и периодического кроветворения. [источник](https://doi.org/10.1182/blood.v51.5.941.941)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Клетки

### Рост бактериальных колоний и биоплёнок

Каждая бактериальная клетка моделируется как особь со своим размером, ростом и положением, питающаяся диффундирующим питательным веществом внутри колонии или биоплёнки.

Вопрос, на который отвечает: Как колонии принимают форму и как выживают клетки внутри?

Не учитывает: Поведение клеток упрощено, а химия настоящего матрикса биоплёнки не учитывается.

Работает на: около 10^11 FLOPS приблизительно индивидуально-ориентированный рост миллионов клеток на кластере. С: 1998 Kreft, Booth и Wimpenny, BacSim, симулятор индивидуально-ориентированного моделирования роста бактериальных колоний. [источник](https://doi.org/10.1099/00221287-144-12-3275)

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)нижний уровень: Клетки

## Тела

### Сердце

Электрические волны по сердечной мышце и вызываемые ими сокращение и кровоток.

Вопрос, на который отвечает: Ухудшит ли это лекарство или это устройство нерегулярное сердцебиение?

Не учитывает: Различия между настоящими сердцами у разных людей всё ещё трудно уместить в одну модель.

Работает на: около 10^16 FLOPS приблизительно университетский кластер, считающий один удар электромеханики всего сердца С: 1960 Компьютерная модель потенциала действия одной клетки волокна Пуркинье, Noble. Модели целого сердца появились позже [источник](https://www.nature.com/articles/188495b0) В дереве симуляций: [Модель клетки сердца](https://simulation-hypothesis.com/ru/trees/simulations?n=life-noble)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Поля

### Кровоток

Кровь движется по артериям, венам и устройствам вроде стентов и клапанов.

Вопрос, на который отвечает: Где эта артерия, вероятно, ослабнет или засорится?

Не учитывает: Стенки сосудов часто считают жёсткими, из-за чего теряется настоящая упругость.

Работает на: около 10^15 FLOPS приблизительно университетский кластер, запускающий симуляцию течения в артерии конкретного пациента С: 1989 Конечно-элементная модель течения в сонной артерии, Perktold и коллеги

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)нижний уровень: Поля

### Дыхание и дыхательные пути

Воздух движется по ветвящимся дыхательным путям и несёт частицы.

Вопрос, на который отвечает: Куда попадают вдыхаемые лекарства или загрязнения?

Не учитывает: Большинство моделей использует одно идеализированное дерево дыхательных путей, а не дерево конкретного человека.

Работает на: около 10^14 FLOPS приблизительно университетский кластер, моделирующий течение воздуха в ветвящемся дереве дыхательных путей С: 1993 первые модели гидродинамики течения воздуха в бронхиальном дереве

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)нижний уровень: Поля

### Биомеханика опорно-двигательного аппарата

Кости, суставы и мышцы как связанная механическая система: ходьба, подъём и падение.

Вопрос, на который отвечает: Какие мышцы принимают нагрузку и какую форму придать этому имплантату?

Не учитывает: Силы внутри настоящей конечности оцениваются косвенно, а не измеряются.

Работает на: около 10^12 FLOPS приблизительно настольная рабочая станция, решающая опорно-двигательную модель одного движения С: 1990 Компьютерные модели опорно-двигательного движения Делпа с коллегами

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Иммунный ответ

Иммунные клетки и патогены встречаются, размножаются и обмениваются сигналами внутри организма.

Вопрос, на который отвечает: Почему одни инфекции проходят, а другие становятся хроническими?

Не учитывает: Настоящая иммунная сигнализация намного сложнее, чем любая модель отслеживает полностью.

Работает на: около 10^13 FLOPS приблизительно университетский кластер, запускающий агентную симуляцию иммунной системы С: 1992 Модель иммунного ответа на клеточном автомате Челады и Сейдена

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Клетки

### Фармакокинетика

Лекарство всасывается, распределяется по отсекам тела, расщепляется и выводится.

Вопрос, на который отвечает: Какую дозу и как часто давать человеку такого возраста и веса?

Не учитывает: Модель, усреднённая по популяции, может не заметить, как конкретный пациент усваивает лекарство.

Работает на: около 10^10 FLOPS приблизительно настольная рабочая станция, решающая камерную модель лекарства С: 1937 Двухкамерная модель распределения лекарств Теорелла

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Популяции

### Клинические испытания in silico

Популяции виртуальных пациентов с реалистичной вариацией получают лечение до настоящего испытания или вместе с ним.

Вопрос, на который отвечает: Кому это лечение, вероятно, поможет, а кому может навредить?

Не учитывает: Регуляторы по-прежнему требуют и настоящих испытаний. Виртуальные пациенты не могут полностью их заменить.

Работает на: около 10^14 FLOPS приблизительно университетский кластер, прогоняющий тысячи виртуальных пациентов С: 2011 к 2011 году: первые испытания in silico, поданные вместе с доказательствами для устройства

[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Цифровые двойники сердца

Модели сердца, подогнанные под снимки и сигналы одного пациента, чтобы предсказать, как это сердце ответит на терапию.

Вопрос, на который отвечает: Как сердце этого пациента ответит на конкретное лечение?

Не учитывает: Качество подгонки зависит от данных визуализации, а свойства тканей выводятся косвенно.

Работает на: около 10^15 FLOPS приблизительно Персонализированные электромеханические расчёты плюс подгонка С: 2020 The 'Digital Twin' to enable the vision of precision cardiology (2020) [источник](https://doi.org/10.1093/eurheartj/ehaa159)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Выученные эмуляторы](https://simulation-hypothesis.com/ru/simulations/methods#m-learned)нижний уровень: Тела

### Нейронные предсказательные модели сенсорных областей мозга

Нейронная сеть, обученная на записанных откликах, становится заменой области мозга, и исследователи проверяют in silico, какие стимулы сильнее всего возбуждают нейроны.

Вопрос, на который отвечает: Какой стимул сильнее всего возбуждает данный нейрон?

Не учитывает: Предсказания нужно проверять на настоящей ткани, и они охватывают только проверенных животных.

Работает на: около 10^16 FLOPS приблизительно Обучение на записях, затем неограниченные виртуальные испытания С: 2019 Inception loops discover what excites neurons most using deep predictive models (2019) [источник](https://doi.org/10.1038/s41593-019-0517-x)

[Выученные эмуляторы](https://simulation-hypothesis.com/ru/simulations/methods#m-learned)нижний уровень: Клетки

### Модели полей при стимуляции мозга

Конечно-элементные модели головы показывают, как ток от электродов или катушек распространяется по коже, черепу и ткани мозга.

Вопрос, на который отвечает: Куда в мозге попадает электрическое поле стимулятора?

Не учитывает: Проводимость тканей неопределённа, а реакция нервов не моделируется.

Работает на: около 10^12 FLOPS приблизительно Конечно-элементные расчёты на отдельных сетках голов С: 2009 Gyri-precise head model of transcranial direct current stimulation (2009) [источник](https://doi.org/10.1016/j.brs.2009.03.005)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Модели воздействия лекарств на виртуальную популяцию

Модели транспорта лекарств по всему телу прогоняют на синтетической популяции, различающейся по возрасту, генам и работе органов.

Вопрос, на который отвечает: Насколько будет различаться уровень лекарства у детей, пожилых и больных с поражением органов?

Не учитывает: Зависит от измеренных данных о ферментах и переносчиках.

Работает на: около 10^11 FLOPS приблизительно Тысячи виртуальных испытуемых на рабочей станции С: 2009 The Simcyp population-based ADME simulator (2009) [источник](https://doi.org/10.1517/17425250802691074)

[Системная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-system-dynamics)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Тела

### Модели сообществ кишечного микробиома

Десятки видов бактерий в кишечнике взаимодействуют через конкуренцию и взаимное питание, а их численность отслеживается во времени при смене диеты или нарушении антибиотиками.

Вопрос, на который отвечает: Какие виды остаются стабильными в кишечнике и какое возмущение может опрокинуть сообщество?

Не учитывает: Силы взаимодействия выводятся из зашумлённых данных и могут не выполняться за пределами исследованных условий.

Работает на: около 10^10 FLOPS приблизительно подгонка обобщённых уравнений Лотки — Вольтерры и симуляция метаболического сообщества на рабочей станции. С: 2013 Штейн с коллегами, экологическое моделирование по временным рядам микробиоты кишечника. [источник](https://doi.org/10.1371/journal.pcbi.1003388)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)нижний уровень: Клетки

### Планирование операций по моделям конкретного пациента

По снимку строят персональную анатомическую модель, виртуально применяют вариант операции и считают поток или напряжение, чтобы сравнить исходы до операции.

Вопрос, на который отвечает: Какой вариант операции даёт этому пациенту лучший результат?

Не учитывает: Свойства тканей принимаются по средним, а заживление после операции не моделируется.

Работает на: около 10^14 FLOPS приблизительно один расчёт потока или напряжений на каждый вариант плана, часы на кластере. С: 1999 Тейлор с коллегами, предиктивная медицина на вычислительных методах для принятия терапевтических решений. [источник](https://doi.org/10.1002/%28sici%291097-0150%281999%294:5<231::aid-igs1>3.0.co;2-z)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Взаимодействие жидкости и стенок в сердечных клапанах

Гибкая створка клапана и обтекающая её кровь считаются вместе: поток, которым створка управляет, сам её открывает и захлопывает.

Вопрос, на который отвечает: Как открывается и закрывается клапан и как заменённый клапан меняет поток?

Не учитывает: Свойства материала створок и движение окружающей мышцы упрощены.

Работает на: около 10^15 FLOPS приблизительно расчёты жидкости с движущейся границей на кластере. С: 1972 Peskin, картины течения вокруг сердечных клапанов, введение метода погружённой границы. [источник](https://doi.org/10.1016/0021-9991%2872%2990065-4)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Адаптация кости и ремоделирование вокруг имплантатов

Конечно-элементные модели кости, где ткань добавляется там, где напряжение велико, и убирается там, где мало, на месяцы и годы.

Вопрос, на который отвечает: Как будет меняться кость вокруг имплантата со временем?

Не учитывает: Правило перестройки — феноменологический закон, и он различается у разных пациентов.

Работает на: около 10^11 FLOPS приблизительно итеративные конечно-элементные расчёты на рабочей станции. С: 1987 Huiskes и коллеги, адаптивная теория перестройки кости, применённая к проектированию протезов. [источник](https://doi.org/10.1016/0021-9290%2887%2990030-3)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Модели опорно-двигательного аппарата для хирургии

Кости, суставы и мышечно-сухожильные приводы ноги или руки смоделированы так, что можно проверить влияние хирургического изменения, например пересадки сухожилия, на движение.

Вопрос, на который отвечает: Улучшит ли пересадка этого сухожилия походку пациента?

Не учитывает: Активация мышц оценивается, а не измеряется, а нервное управление не моделируется.

Работает на: около 10^9 FLOPS приблизительно обратная динамика и оптимизация мышц на ноутбуке. С: 1990 Делп с коллегами: интерактивная графическая модель нижней конечности для изучения ортопедической хирургии. [источник](https://doi.org/10.1109/10.102791)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Расчёт дозы в лучевой терапии

Фотоны или протоны прослеживают сквозь снимок пациента методом Монте-Карло, чтобы вычислить дозу излучения, получаемую опухолью и здоровыми тканями.

Вопрос, на который отвечает: Даёт ли запланированный пучок дозу опухоли, щадя соседние органы?

Не учитывает: Снимок — мгновенный кадр, поэтому движение пациента и изменения анатомии в ходе лечения приближённые.

Работает на: около 10^13 FLOPS приблизительно от миллионов до миллиардов историй на план на кластере или GPU. С: 1988 Mackie и коллеги, ядра осаждения энергии фотонов, полученные кодом Монте-Карло EGS. [источник](https://doi.org/10.1088/0031-9155/33/1/001)

[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)[Частицы и задача N тел](https://simulation-hypothesis.com/ru/simulations/methods#m-particles)нижний уровень: Тела

### Виртуальные анатомические фантомы для визуализации

Цифровые тела человека с подробными органами и движением сердца или дыхания служат объектом смоделированных сканирований, чтобы методы обработки изображений можно было проверять на заведомой истине.

Вопрос, на который отвечает: Сможет ли этот сканер с алгоритмом обнаружить заранее известную аномалию?

Не учитывает: Фантом — модель формы, подогнанная под нескольких испытуемых, и не охватывает весь диапазон анатомии.

Работает на: около 10^11 FLOPS приблизительно трассировка лучей или симуляция переноса на каждый снимок на рабочей станции. С: 2010 Segars и коллеги, 4D-фантом XCAT для исследований мультимодальной визуализации. [источник](https://doi.org/10.1118/1.3480985)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)нижний уровень: Тела

### Симуляция изображений магнитно-резонансной томографии

Физику ядерных спинов в магнитном поле моделируют через последовательность импульсов, чтобы получать синтетические снимки виртуального тела.

Вопрос, на который отвечает: Какое изображение даст эта последовательность для этой ткани?

Не учитывает: Значения релаксации тканей средние, а движение и несовершенства оборудования моделируются лишь отчасти.

Работает на: около 10^12 FLOPS приблизительно Симуляция уравнений Блоха для целого объёма на видеокарте. С: 2005 Бенуа-Каттен с коллегами: интерактивный симулятор МРТ SIMRI. [источник](https://doi.org/10.1016/j.jmr.2004.09.027)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)нижний уровень: Тела

### Симуляция заживления переломов

Механическая деформация в щели заживающей сломанной кости решает, образуется ли ткань как хрящ, новая кость или рубец.

Вопрос, на который отвечает: Позволит ли эта фиксация перелома кости срастись?

Не учитывает: Правило дифференцировки тканей эмпирическое, а кровоснабжение упрощено.

Работает на: около 10^10 FLOPS приблизительно конечно-элементные расчёты на недели смоделированного времени на рабочей станции. С: 1999 Клаес и Хайгеле: локальные напряжение и деформация вдоль костных поверхностей предсказывают ход и тип заживления перелома. [источник](https://doi.org/10.1016/s0021-9290%2898%2900153-5)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Динамика вируса внутри хозяина

Свободный вирус, заражённые клетки и клетки-мишени в одном пациенте отслеживаются, и их изменение после начала лечения показывает, как быстро вирус производится и выводится.

Вопрос, на который отвечает: Как быстро вирус размножается внутри человека и что меняет лечение?

Не учитывает: Структура тканей и очаги инфекции, кроме крови, не представлены.

Работает на: около 10^7 FLOPS приблизительно несколько связанных дифференциальных уравнений, подогнанных под временной ряд данных пациента. С: 1996 Perelson и коллеги, динамика ВИЧ-1 in vivo. [источник](https://doi.org/10.1126/science.271.5255.1582)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Клетки

### Резерв коронарного кровотока по снимкам

Кровоток через коронарные артерии считают по снимку сердца, чтобы оценить, ограничивает ли сужение поток настолько, что нужен стент.

Вопрос, на который отвечает: Достаточно ли это сужение, чтобы лишить сердечную мышцу крови?

Не учитывает: Граничные условия на мелких сосудах оценивают по пациенту, а не измеряют.

Работает на: около 10^14 FLOPS приблизительно один расчёт потока для конкретного пациента на каждый снимок на кластере. С: 2013 Тейлор с коллегами, вычислительная гидродинамика на данных КТ сердца для неинвазивного определения фракционного резерва кровотока. [источник](https://doi.org/10.1016/j.jacc.2012.11.083)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Механика улитки

Звуковые волны в жидкости внутреннего уха связаны с колеблющейся мембраной внутри улитки и порождают бегущую волну, которая сортирует высоты звука.

Вопрос, на который отвечает: Как ухо превращает звук в сигнал, закодированный местом?

Не учитывает: Активное усиление волосковыми клетками представлено приближённой обратной связью.

Работает на: около 10^10 FLOPS приблизительно конечно-разностные решения для жидкости в улитке на рабочей станции. С: 1981 Neely, конечно-разностное решение двумерной модели улитки. [источник](https://doi.org/10.1121/1.385820)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Интегративная физиология всего организма

Артериальное давление, почки, водный баланс и гормоны связаны в одну модель кровообращения и его регуляции.

Вопрос, на который отвечает: Как организм регулирует кровяное давление и что происходит, когда отказывает один орган?

Не учитывает: Каждый орган — сосредоточенный отсек, а клеточных деталей нет.

Работает на: около 10^6 FLOPS приблизительно сотни дифференциальных уравнений на ноутбуке. С: 1972 Guyton, Coleman и Granger, кровообращение: общая регуляция. [источник](https://doi.org/10.1146/annurev.ph.34.030172.000305)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Системная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-system-dynamics)нижний уровень: Тела

### Биотеплоперенос и гипертермия

Теплопроводность в ткани, где кровоток уносит тепло. Нужна, чтобы предсказать температуру при лихорадке, тепловом стрессе или тепловом лечении рака.

Вопрос, на который отвечает: Насколько нагревается ткань и как глубоко проникает тепло?

Не учитывает: Перфузия крови рассматривается как однородный сток тепла.

Работает на: около 10^9 FLOPS приблизительно конечно-элементные тепловые расчёты на рабочей станции. С: 1948 Pennes, анализ температур тканей и артериальной крови в покоящемся предплечье человека. [источник](https://doi.org/10.1152/jappl.1948.1.2.93)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Модели транспорта в нефроне почки

Вода, соль и мочевина движутся по петлям и канальцам почки; их решают как связанные потоки, чтобы показать, как моча становится концентрированной.

Вопрос, на который отвечает: Как противоточное устройство канальцев позволяет почке концентрировать мочу?

Не учитывает: Свойства канальцев и их трёхмерная раскладка измерены у немногих видов, поэтому параметры экстраполируют с животных.

Работает на: около 10^9 FLOPS приблизительно от минут до часов на рабочей станции. С: 1966 Анализ концентрирования в почечных противоточных системах Стивенсона. [источник](https://doi.org/10.1016/s0006-3495%2866%2986676-6)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Модели голосовых складок и голосообразования

Голосовые складки как массы на пружинах, приводимые воздухом из лёгких и связанные с формой горла и рта, чтобы получить звонкий звук.

Вопрос, на который отвечает: Какие физические настройки складок дают чистый, с придыханием или хриплый голос?

Не учитывает: Складки сведены к нескольким массам, поэтому слои ткани и полный трёхмерный поток воздуха не передаются.

Работает на: около 10^8 FLOPS приблизительно от секунд до минут на предложение озвученного звука. С: 1972 Двухмассовая модель голосовых связок Ishizaka и Flanagan для синтеза звонких звуков. [источник](https://doi.org/10.1002/j.1538-7305.1972.tb02651.x)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)нижний уровень: Тела

### Модели циркадных часов

Связанные осцилляторы, изображающие внутренние часы тела, реагируют на свет и время отдыха и предсказывают, как сдвигаются сон и бодрствование при смене графика или поездках.

Вопрос, на который отвечает: Сколько времени нужно биологическим часам, чтобы перестроиться после перелёта или смены?

Не учитывает: Несколько осцилляторов заменяют целую сеть нейронов, а люди сильно различаются по периоду внутренних часов и чувствительности к свету.

Работает на: около 10^5 FLOPS приблизительно секунды на ноутбуке. С: 1982 Математическая модель циркадной системы человека с двумя взаимодействующими осцилляторами, Kronauer и коллеги. [источник](https://doi.org/10.1152/ajpregu.1982.242.1.r3)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Тела

## Общественное здравоохранение

### Камерные эпидемические модели

Население разделено на восприимчивых, заражённых и выздоровевших, а между ними текут потоки с заданной скоростью.

Вопрос, на который отвечает: Насколько велика будет эта вспышка и когда она достигнет пика?

Не учитывает: Предполагает однородное перемешивание, когда каждый человек встречает каждого другого с одинаковой частотой; настоящие контакты так не устроены.

Работает на: около 10^9 FLOPS приблизительно ноутбук, решающий несколько связанных уравнений эпидемии С: 1927 Уравнения Кермака и Маккендрика для закрытой эпидемии

[Запустить интерактивную модель](https://simulation-hypothesis.com/ru/simulations/run#toy-epidemic)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Популяции

### Агентные эпидемии

Синтетическое население целого города или страны, где у каждого человека есть семья, школа или место работы и контакты, по которым распространяется болезнь.

Вопрос, на который отвечает: Какие меры сильнее всего замедляют распространение при наименьших затратах?

Не учитывает: Требует подробных данных о домохозяйствах, школах и местах работы, которых во многих странах нет.

Работает на: около 10^16 FLOPS приблизительно университетский кластер, моделирующий синтетическое население масштаба страны С: 2005 Агентные модели пандемии гриппа Longini, Ferguson и коллег

[Запустить интерактивную модель](https://simulation-hypothesis.com/ru/simulations/run#toy-epidemic)

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)нижний уровень: Тела

### Эволюция патогенов

Мутации появляются и распространяются в вирусе или бактерии, пока они переходят от хозяина к хозяину.

Вопрос, на который отвечает: Как быстро может развиться устойчивость к этому лекарству?

Не учитывает: Настоящие мутации и ландшафты приспособленности намного сложнее нескольких локусов.

Работает на: около 10^12 FLOPS приблизительно настольная рабочая станция, моделирующая эволюцию лекарственной устойчивости С: 1990 первые стохастические модели эволюции лекарственной устойчивости у ВИЧ

[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)[Эволюционные](https://simulation-hypothesis.com/ru/simulations/methods#m-evolutionary)нижний уровень: Популяции

### Моделирование бремени болезней и экономики здравоохранения

Болезнь и её лечение прослеживаются как вероятности заболевания, инвалидности, затрат и смерти. По ним сравнивают, какие меры в здравоохранении приносят больше всего пользы на каждый потраченный фунт.

Вопрос, на который отвечает: Какое лечение или программа даёт больше всего здоровых лет жизни за потраченные деньги?

Не учитывает: Присвоить году жизни или страдания числовое значение — это оценочное суждение, поданное как арифметика.

Работает на: около 10^11 FLOPS приблизительно настольная рабочая станция, запускающая когортную модель экономической эффективности С: 1993 глобальное исследование бремени болезней в годах жизни с поправкой на инвалидность Всемирного банка

[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Популяции

### Геномная эпидемиология вспышек

Геномы патогенов, взятые во время вспышки, используют, чтобы построить родословное дерево заражений и вывести, кто вероятнее всего кого заразил и как быстро растёт вспышка.

Вопрос, на который отвечает: Как на самом деле распространяется эта вспышка, за пределами того, что видно по одному лишь отслеживанию контактов?

Не учитывает: В дерево попадают только секвенированные случаи, поэтому скудная или смещённая выборка может ввести в заблуждение.

Работает на: около 10^13 FLOPS приблизительно университетский кластер, строящий деревья по тысячам геномов С: 2013 геномное отслеживание вспышки Эболы в Западной Африке в реальном времени

[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)нижний уровень: Популяции

### Оценка рисков воздействия окружающей среды и химических веществ

Как воздействие загрязнителя, заражённых продуктов или дозы радиации на население превращается в вероятность вреда. Расчёт идёт по всему диапазону неопределённости данных.

Вопрос, на который отвечает: Какое количество этого химического вещества безопасно для всего населения?

Не учитывает: Экстраполяция с высоких доз в опытах на животных на низкие дозы у людей — постоянный вопрос субъективной оценки.

Работает на: около 10^11 FLOPS приблизительно настольная рабочая станция, запускающая модель «доза — эффект» методом Монте-Карло С: 1983 методология оценки химических рисков Национального исследовательского совета США

[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Популяции

### Эпидемические модели на сетях мобильности

Распространение болезни смоделировано по глобальной сети городов, связанных данными о поездках на работу и авиаперелётах.

Вопрос, на который отвечает: Как быстро вспышка дойдёт до других регионов и стран?

Не учитывает: Перемешивание внутри каждого города упрощено, а изменение поведения не моделируется.

Работает на: около 10^12 FLOPS приблизительно Стохастические прогоны по тысячам субпопуляций С: 2009 Multiscale mobility networks and the spatial spreading of infectious diseases (2009) [источник](https://doi.org/10.1073/pnas.0906910106)

[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)нижний уровень: Популяции

### Индивидуально-ориентированные модели малярии

Смоделированные люди, комары и паразиты проходят инфекцию внутри хозяина и передачу, чтобы проверить стратегии борьбы.

Вопрос, на который отвечает: Какое сочетание противомоскитных сеток, лекарств и вакцин сократило бы передачу малярии?

Не учитывает: Экология комаров и местные системы здравоохранения моделируются грубо.

Работает на: около 10^13 FLOPS приблизительно Много стохастических прогонов смоделированной деревни С: 2008 Towards a comprehensive simulation model of malaria epidemiology and control (2008) [источник](https://doi.org/10.1017/S0031182008000371)

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Популяции

### Центры сценарного моделирования

Несколько команд моделирования проводят расчёты с одними и теми же допущениями «что, если» о вакцинах или вариантах, а прогнозы объединяют в один ансамбль.

Вопрос, на который отвечает: Какой диапазон вариантов будущего следует из каждого допущения о политике или варианте?

Не учитывает: Сценарии условны, а не прогнозы того, что случится.

Работает на: около 10^12 FLOPS приблизительно Ансамбль эпидемических моделей из многих команд С: 2020 Хаб сценарного моделирования COVID-19 в США, с декабря 2020 года [источник](https://doi.org/10.1016/j.epidem.2023.100738)

[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Системная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-system-dynamics)нижний уровень: Популяции

### Цифровые модели отслеживания контактов

Модели передачи с шагом отслеживания через приложение оценивают, как быстро нужно отслеживать и изолировать, чтобы остановить распространение.

Вопрос, на который отвечает: Как быстро нужно отслеживать контакты, чтобы взять эпидемию под контроль?

Не учитывает: Охват и соблюдение предписаний принимаются как заданные величины.

Работает на: около 10^9 FLOPS приблизительно Запуски процессов ветвления или агентов С: 2020 Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing (2020) [источник](https://doi.org/10.1126/science.abb6936)

[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)нижний уровень: Популяции

### Распространение устойчивости к антимикробным препаратам

Восприимчивые и устойчивые бактерии конкурируют внутри пациентов и распространяются между ними при разных стратегиях применения антибиотиков, например при чередовании, смешивании или комбинированном лечении.

Вопрос, на который отвечает: Какая политика лечения замедляет рост устойчивых инфекций?

Не учитывает: Издержки устойчивости и скорости передачи измерены плохо, а результаты от них зависят.

Работает на: около 10^9 FLOPS приблизительно камерные и индивидуальные модели больниц на ноутбуке. С: 1997 Бонхёффер, Липсич и Левин: оценка протоколов лечения для предотвращения устойчивости к антибиотикам. [источник](https://doi.org/10.1073/pnas.94.22.12106)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Системная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-system-dynamics)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Популяции

### Модели передачи малярии и мер борьбы с ней

Укусы комаров, развитие паразита, иммунитет человека и меры вроде сеток или вакцин симулируются вместе в деревне или стране.

Вопрос, на который отвечает: Какое сочетание мер может сократить или искоренить малярию?

Не учитывает: Экология комаров и местное поведение людей плохо измерены.

Работает на: около 10^11 FLOPS приблизительно индивидуально-ориентированная симуляция страны на десятилетия на кластере. С: 2008 Смит с коллегами, к созданию всеобъемлющей имитационной модели эпидемиологии и контроля малярии. [источник](https://doi.org/10.1017/s0031182008000371)

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Популяции

### Симуляция воздушно-капельной передачи в помещении

Дыхание, кашель и речь выбрасывают в комнату капли и аэрозоли, а гидродинамика отслеживает, куда они попадают и сколько вдыхает второй человек.

Вопрос, на который отвечает: Как далеко летит выдохнутый вирус и насколько маски или вентиляция снижают риск заражения?

Не учитывает: Инфицирующая доза и настоящие условия в помещении различаются шире, чем предполагает любая настройка симуляции.

Работает на: около 10^14 FLOPS приблизительно моделирование крупных вихрей в комнате с отслеживанием частиц на кластере. С: 2020 Mittal, Ni и Seo, физика течений при COVID-19, обзор вычислительных исследований дыхательных потоков. [источник](https://doi.org/10.1017/jfm.2020.330)

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Частицы и задача N тел](https://simulation-hypothesis.com/ru/simulations/methods#m-particles)нижний уровень: Поля

### Моделирование политики борьбы с табаком

Начало и прекращение курения и смерти в стране прогнозируют при налогах, запретах и кампаниях и получают изменение распространённости и число спасённых жизней.

Вопрос, на который отвечает: Сколько жизней спасёт налог или запрет на курение?

Не учитывает: Эффекты политики берут из прошлых данных, и они могут не переноситься на новые условия.

Работает на: около 10^6 FLOPS приблизительно модель прогноза численности населения на ноутбуке. С: 2000 Levy, Cummings и Hyland, симуляция влияния политики по начальному приобщению молодёжи на общее потребление сигарет. [источник](https://doi.org/10.2105/ajph.90.8.1311)

[Системная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-system-dynamics)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Популяции

### Оптимизация распределения вакцин

Эпидемическую модель сочетают с оптимизатором, который выбирает, какие возрастные группы или группы риска получат ограниченную вакцину первыми.

Вопрос, на который отвечает: Кого вакцинировать первым, чтобы спасти больше всего жизней?

Не учитывает: Картины контактов и эффективность вакцины неопределённы, а лучшая группа зависит от цели.

Работает на: около 10^8 FLOPS приблизительно оптимизация по многим эпидемическим прогонам на рабочей станции. С: 2009 Medlock и Galvani, оптимизация распределения вакцины от гриппа. [источник](https://doi.org/10.1126/science.1175570)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Популяции

### Виртуальные испытания визуализации

Смоделированных пациентов, сканеры и врачей, оценивающих снимки, используют, чтобы сравнивать технологии визуализации без привлечения настоящих людей.

Вопрос, на который отвечает: Находит ли новое устройство визуализации рак так же хорошо, как нынешнее?

Не учитывает: Виртуальные очаги поражения и виртуальные рентгенологи, читающие снимки, — модели, которые могут упускать настоящее клиническое разнообразие.

Работает на: около 10^13 FLOPS приблизительно тысячи смоделированных изображений на кластере. С: 2018 Бадано с коллегами: виртуальное визуализационное испытание цифрового томосинтеза молочной железы против полнокадровой маммографии. [источник](https://doi.org/10.1001/jamanetworkopen.2018.5474)

[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Тела

### Эпидемии на сетях контактов

Болезнь распространяется между узлами сети, у которой распределение степеней может быть очень неравномерным, и результат зависит от хабов.

Вопрос, на который отвечает: При какой заразности эпидемия разгоняется в сети с узлами-хабами?

Не учитывает: Настоящие сети контактов меняются со временем и наблюдаются лишь частично.

Работает на: около 10^7 FLOPS приблизительно Распространение Монте-Карло на сетях в миллион узлов на рабочей станции. С: 2001 Pastor-Satorras и Vespignani, распространение эпидемий в безмасштабных сетях. [источник](https://doi.org/10.1103/physrevlett.86.3200)

[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Популяции

### Динамика популяций комаров

Яйца, личинки, куколки и взрослые особи комара-переносчика болезней развиваются в ёмкостях при местной температуре и осадках, и получается число укусов.

Вопрос, на который отвечает: Сколько будет комаров в следующем сезоне и что даст устранение мест размножения?

Не учитывает: Места размножения трудно сосчитать, и они меняются от улицы к улице.

Работает на: около 10^7 FLOPS приблизительно симуляция таблиц смертности на ноутбуке. С: 1993 Фокс с коллегами: динамическая модель таблицы жизни для Aedes aegypti. [источник](https://doi.org/10.1093/jmedent/30.6.1003)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Популяции

### Микросимуляция скрининга рака

Жизненный путь отдельных людей с естественным течением рака симулируется со скринингом и без него, чтобы оценить число найденных случаев и предотвращённых смертей.

Вопрос, на который отвечает: Сколько смертей предотвращает программа скрининга и какой ценой в виде гипердиагностики?

Не учитывает: Ненаблюдаемое раннее течение рака приходится предполагать.

Работает на: около 10^9 FLOPS приблизительно миллионы смоделированных жизней на рабочей станции. С: 1985 Habbema и коллеги, программа симуляции MISCAN для оценки скрининга. [источник](https://doi.org/10.1016/0169-2607%2885%2990048-3)

[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)нижний уровень: Тела

### Агентные модели ожирения и питания

Агенты с весом, доходом и соседями едят и перемещаются, а разброс веса по населению смещается при изменении цен на еду или политики.

Вопрос, на который отвечает: Какие меры за десятилетия изменят вес населения?

Не учитывает: Поведение сведено к нескольким правилам, а долгосрочных свидетельств мало.

Работает на: около 10^8 FLOPS приблизительно агентная симуляция населения на рабочей станции. С: 2007 Hammond и Epstein, поиск механизмов эпидемии ожирения, не связанных с ценами. [источник](https://doi.org/10.2139/ssrn.1024287)

[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)[Системная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-system-dynamics)нижний уровень: Популяции

### Симуляция политики распределения органов

Пациентов в списке ожидания трансплантации, приходящие донорские органы и правила распределения симулируют, чтобы сравнить время ожидания и выживаемость.

Вопрос, на который отвечает: Какое правило распределения даёт больше всего лет жизни и самое справедливое ожидание?

Не учитывает: Качество органов и решения пациентов и центров упрощены.

Работает на: около 10^8 FLOPS приблизительно событийная симуляция лет очередей на ноутбуке. С: 2000 Динамическое распределение почек кандидатам из листа ожидания пересадки, Зениос, Чертов и Вейн. [источник](https://doi.org/10.1287/opre.48.4.549.12418)

[Дискретные события](https://simulation-hypothesis.com/ru/simulations/methods#m-discrete-event)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Популяции

### Модели размещения станций скорой помощи и пожарных частей

Экстренные вызовы приходят случайно, подразделения высылают, а модель очередей даёт время реагирования для каждого места и схемы районов.

Вопрос, на который отвечает: Где разместить станции и бригады, чтобы сократить время отклика?

Не учитывает: Время в пути и настоящий разброс спроса принимаются как допущения.

Работает на: около 10^7 FLOPS приблизительно теория очередей и Монте-Карло на ноутбуке. С: 1974 Larson, гиперкубовая модель очередей для размещения служб и перекройки районов городских экстренных служб. [источник](https://doi.org/10.1016/0305-0548%2874%2990076-8)

[Дискретные события](https://simulation-hypothesis.com/ru/simulations/methods#m-discrete-event)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Популяции

### Создание синтетических историй болезни

Искусственным людям дают болезни, лечение и встречи с врачами по опубликованным клиническим правилам, чтобы получить правдоподобные медицинские записи, в которых нет ни одного настоящего человека.

Вопрос, на который отвечает: Можно ли проверять программы и аналитику на реалистичных записях, не раскрывая ничьих данных?

Не учитывает: Записи несут только те закономерности, что вложены в генератор, поэтому редкие болезни и настоящие пути лечения представлены слабо.

Работает на: около 10^10 FLOPS приблизительно запуск на ноутбуке для миллиона пациентов. С: 2010 Основанный на данных подход Бучака с коллегами к созданию синтетических электронных медицинских записей. [источник](https://doi.org/10.1186/1472-6947-10-59)

[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)[Правила и состояния](https://simulation-hypothesis.com/ru/simulations/methods#m-rules)[Агентные](https://simulation-hypothesis.com/ru/simulations/methods#m-agent-based)нижний уровень: Популяции

## Поиск лекарств и фармакология

### Предсказательная токсикология

Структуру вещества-кандидата в лекарства сравнивают с базами известных токсичных молекул или прогоняют через модели, обученные на лабораторных данных и данных опытов на животных, ещё до того, как его синтезируют.

Вопрос, на который отвечает: Вероятно ли, что эта молекула повредит печень, сердце или гены, ещё до того, как мы её создадим?

Не учитывает: Предсказания надёжны ровно настолько, насколько надёжны прошлые токсичные молекулы, на которых обучалась модель, а биологические исключения продолжают появляться.

Работает на: около 10^13 FLOPS приблизительно университетский кластер, запускающий обученную модель предсказания токсичности С: 2000 первые модели «структура — активность», использованные для отсева лекарств по токсичности

[Выученные эмуляторы](https://simulation-hypothesis.com/ru/simulations/methods#m-learned)[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)нижний уровень: Молекулы

### Фармакодинамическое моделирование

Как концентрация лекарства в точке действия превращается в эффект для организма: от связывания с рецептором до измеренного симптома или биомаркера.

Вопрос, на который отвечает: Какой эффект на самом деле даст заданная доза и как надолго?

Не учитывает: Предполагает чёткую зависимость «концентрация — эффект», которую могут нарушить толерантность и развитие болезни.

Работает на: около 10^10 FLOPS приблизительно настольная рабочая станция, решающая несколько связанных уравнений эффекта С: 1968 первые модели занятости рецепторов, связывающие концентрацию лекарства с эффектом

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Популяции

### Симуляция планирования клинических испытаний

Тысячи гипотетических испытаний прогоняют при предполагаемом разбросе пациентов и действия препарата, чтобы выбрать размер и длительность испытания и правила его досрочной остановки.

Вопрос, на который отвечает: Сколько пациентов на самом деле нужно для этого испытания и когда его можно безопасно остановить?

Не учитывает: Смоделированное испытание реалистично лишь настолько, насколько реалистичны допущения о реакции пациентов, которые в него вводят.

Работает на: около 10^12 FLOPS приблизительно небольшой кластер, запускающий тысячи смоделированных повторов испытания С: 1994 первые симуляционные исследования для планирования адаптивных дизайнов клинических испытаний

[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)нижний уровень: Популяции

### Сетевые модели переориентации лекарств

Лекарства, гены, белки и болезни связаны в одну большую сеть, где ищут существующие лекарства, чьи известные связи наводят на неожиданное новое применение.

Вопрос, на который отвечает: Может ли лекарство, уже одобренное при одной болезни, лечить и другую?

Не учитывает: Связь в сети — это подсказка, а не доказательство; большинство предложенных новых применений лекарств при проверке всё равно не работают.

Работает на: около 10^12 FLOPS приблизительно настольная рабочая станция, ищущая в большой сети «лекарство — ген — болезнь» С: 2011 первые сетевые скрининги кандидатов на переориентацию лекарств

[Сетевые модели](https://simulation-hypothesis.com/ru/simulations/methods#m-network)нижний уровень: Молекулы

### Моделирование лекарственных форм и доставки лекарств

Растворяющаяся таблетка, пластырь, высвобождающий лекарство, или наночастица, несущая его по телу: процесс прослеживается как диффузия и реакция в течение от минут до дней.

Вопрос, на который отвечает: Как быстро и куда на самом деле это лекарство доходит до цели после приёма внутрь или укола?

Не учитывает: Лабораторные установки для растворения и настоящее пищеварение не всегда согласуются.

Работает на: около 10^11 FLOPS приблизительно настольная рабочая станция, решающая уравнения диффузии и высвобождения С: 1961 Математическая модель высвобождения лекарства из твёрдой матрицы Хигучи

[Непрерывные поля](https://simulation-hypothesis.com/ru/simulations/methods#m-continuum)[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)нижний уровень: Молекулы

### Проектирование антигенов вакцин

Поверхность белка патогена моделируют с атомной детальностью, чтобы найти или сконструировать формы, которые иммунная система лучше всего распознает и запомнит.

Вопрос, на который отвечает: Какой фрагмент этого патогена лучше всего подходит как мишень для вакцины?

Не учитывает: Форма, которая на экране выглядит хорошей мишенью, всё равно должна работать в настоящей иммунной системе.

Работает на: около 10^15 FLOPS приблизительно университетский кластер, запускающий атомные симуляции антигенов-кандидатов С: 2013 проектирование стабилизированного антигена респираторного вируса на основе структуры

[Молекулярная динамика](https://simulation-hypothesis.com/ru/simulations/methods#m-molecular-dynamics)[Монте-Карло](https://simulation-hypothesis.com/ru/simulations/methods#m-monte-carlo)нижний уровень: Атомы

### Замкнутый контур управления диабетом in silico

Популяция виртуальных людей с диабетом 1 типа, с едой и динамикой глюкозы и инсулина; на ней проверяют алгоритмы управления подачей до испытаний на людях.

Вопрос, на который отвечает: Сохранит ли этот алгоритм управления безопасный уровень глюкозы у множества разных людей?

Не учитывает: Настоящее поведение, например стресс, болезнь и неисправности датчиков, учтено лишь частично.

Работает на: около 10^9 FLOPS приблизительно долгие симуляции виртуальных суток сотен субъектов на ноутбуке. С: 2009 Kovatchev и коллеги, доклинические испытания in silico замкнутого управления диабетом 1 типа. [источник](https://doi.org/10.1177/193229680900300106)

[Дифференциальные уравнения](https://simulation-hypothesis.com/ru/simulations/methods#m-equations)[Стохастические процессы](https://simulation-hypothesis.com/ru/simulations/methods#m-stochastic)нижний уровень: Тела

[◂ Химия и материалы](https://simulation-hypothesis.com/ru/simulations/chemistry-materials)[Экология, эволюция и поведение животных ▸](https://simulation-hypothesis.com/ru/simulations/ecology-behaviour)