---
title: "生命与医学 · 模拟 · 模拟假说"
url: https://simulation-hypothesis.com/zh/simulations/life-medicine
description: "蛋白质、细胞、器官、患者和流行病：从分子尺度到人群的生物学。 这是人们实际运行的模拟分类体系的一部分。"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl，模拟假说（simulation-hypothesis.com）"
---

[模拟](https://simulation-hypothesis.com/zh/simulations)第 5 个领域，共 18 个

# 生命与医学

蛋白质、细胞、器官、患者和流行病：从分子尺度到人群的生物学。

生物学在每一个组织层次上都被模拟：蛋白质中的原子、细胞中的反应、组织中的细胞、身体中的器官、种群中的个体。每个层次用不同的方法。把这些层次耦合起来仍是一个未解决的问题。

## 生命的分子

### 蛋白质折叠与动力学

一个蛋白质，由数万个原子组成，在水中晃动、折叠、改变形状。

它回答的问题: 这条氨基酸链如何折叠成有功能的三维结构？

略去了： 即便是长时间的运行，最多也只覆盖微秒，远远短于许多真实的折叠时间。

运行于：约 10^16 FLOPS 粗略 GPU 集群，运行全原子动力学的微秒级过程 自： 1977 McCammon、Gelin 和 Karplus 的首次蛋白质动力学模拟 在模拟树中: [蛋白质动力学](https://simulation-hypothesis.com/zh/trees/simulations?n=life-protein)

[分子动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-molecular-dynamics)精度下限：原子

### 分子对接与药物结合

在靶蛋白的口袋里试验候选药物分子。

它回答的问题: 一百万个分子中，哪些会黏附在这个靶标上？

略去了： 对接得分是近似的；大多数预测的结合物在实验室里并不起作用。

运行于：约 10^15 FLOPS 粗略 大学集群，对接数百万个候选分子 自： 1982 Kuntz 及同事的 DOCK，第一个自动分子对接程序

[分子动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-molecular-dynamics)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：原子

### 膜与离子通道

细胞那层脂质外膜，以及让离子通过它的蛋白质通道。

它回答的问题: 神经细胞如何打开和关闭它的通道？

略去了： 真实的通道以毫秒为尺度开合，比大多数模拟所能达到的时间长得多。

运行于：约 10^16 FLOPS 粗略 GPU 集群，模拟脂质双层及其通道 自： 1982 van der Ploeg 和 Berendsen 对脂质双层动力学的研究

[分子动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-molecular-dynamics)精度下限：原子

### 完整的病毒颗粒

一个病毒外壳的每一个原子，有时多达一亿个，同时模拟。

它回答的问题: 病毒如何维持自身结构，又如何在细胞内解体？

略去了： 模拟涵盖纳秒到微秒，远短于真实的感染周期。

运行于：约 10^17 FLOPS 粗略 国家超级计算机，模拟一个含一亿个原子的壳层 自： 2006 Freddolino 和 Schulten 对卫星烟草花叶病毒的模拟

[分子动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-molecular-dynamics)精度下限：原子

### RNA 折叠与结构

一条 RNA 链是一串与自身配对的碱基，折叠成特定的三维形状，而不是 DNA 那样的笔直双螺旋。

它回答的问题: 一条 RNA 链如何折叠成能充当催化剂或调控开关的形状？

略去了： 预测的结构往往需要实验修正，而且功能并不会自动从形状推出来。

运行于：约 10^12 FLOPS 粗略 台式工作站运行自由能折叠软件 自： 1981 Zuker 和 Stiegler 的最小自由能 RNA 折叠算法

[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：分子

### 酶催化

酶的活性位点、它的底物和周围的蛋白质，在键断裂的地方用量子力学建模，其余地方用经典力学。

它回答的问题: 这种酶如何把反应加速十亿倍？

略去了： 蛋白质只有一小部分接受昂贵的量子处理，这条线划在哪里，是一种建模选择。

运行于：约 10^15 FLOPS 粗略 大学集群，运行量子与经典相结合的计算 自： 1976 Warshel 和 Levitt 的酶反应量子与经典组合模型

[第一性原理](https://simulation-hypothesis.com/zh/simulations/methods#m-first-principles)[分子动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-molecular-dynamics)精度下限：原子

### 粗粒化 DNA 和 RNA 模型

每个核苷酸是一个带有少数几个相互作用位点的刚体，可以模拟折叠、杂交和纳米结构。

它回答的问题: 链如何配对、折叠，并组装成设计好的结构？

略去了： 原子细节和离子被有效相互作用所取代。

运行于：约 10^14 FLOPS 粗略 GPU 上数百万个核苷酸 自： 2011 oxDNA, a coarse-grained DNA model (2011) [来源](https://doi.org/10.1063/1.3552946)

[分子动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-molecular-dynamics)精度下限：分子

### 学习型蛋白质结构预测

在已知结构和演化数据上训练的神经网络，根据序列预测蛋白质折叠后的形状。

它回答的问题: 这条氨基酸链会折叠成什么三维形状？

略去了： 它给出的是静态结构，而不是折叠路径或动力学。

运行于：约 10^18 FLOPS 粗略 大规模训练；每次预测需要几分钟 自： 2018 Improved protein structure prediction using potentials from deep learning (2020, CASP13 entry 2018) [来源](https://doi.org/10.1038/s41586-019-1923-7)

[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：分子

### 生成式蛋白质系综

一个用结构和模拟训练的生成模型，产生蛋白质的许多种构象，而不是单一形状。

它回答的问题: 蛋白质还能采取哪些别的形状？

略去了： 状态群体的好坏，取决于训练用的模拟。

运行于：约 10^16 FLOPS 粗略 训练加低成本采样 自： 2024 AlphaFold meets flow matching for generating protein ensembles (2024) [来源](https://arxiv.org/abs/2402.04845)

[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：分子

### 志愿者计算的分子动力学

一个分子的数千条相互独立的短轨迹在志愿者捐出的家用电脑上运行，再合并起来观察折叠事件。

它回答的问题: 许多短时间的运行合起来，能否揭示一个缓慢的分子过程？

略去了： 轨迹短而相互独立，所以统计结果必须拼接起来。

运行于：约 10^17 FLOPS 粗略 志愿者机器的集合 自： 2000 Screen savers of the world unite! (2000), the distributed folding project [来源](https://doi.org/10.1126/science.290.5498.1903)

[分子动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-molecular-dynamics)精度下限：分子

## 细胞

### 随机生物化学

细胞内的反应一次随机发生一个，因为分子太少，无法取平均。

它回答的问题: 为什么基因完全相同的细胞会表现不同？

略去了： 通常假定细胞内部混合均匀，而这往往并不成立。

运行于：约 10^12 FLOPS 粗略 台式工作站运行随机反应模拟 自： 1977 Gillespie 用于化学动力学的精确随机模拟算法

[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：分子

### 基因调控网络

基因相互开启和关闭，构成一个相互作用的网络。

它回答的问题: 细胞如何决定自己要变成哪一种细胞？

略去了： 大多数真实的调控网络只了解一部分，所以连接常常是推断出来的。

运行于：约 10^12 FLOPS 粗略 台式工作站模拟基因网络的动力学 自： 1969 Kauffman 的基因调控随机布尔网络

[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：分子

### 代谢网络

一个细胞用来把食物变成能量和零件的每一个化学反应，平衡成一个通量网络。

它回答的问题: 应该关掉哪个基因，才能让这种微生物多生产一种有用的化合物？

略去了： 假定处于稳态，并有一个最优目标，而真实的细胞未必追求它。

运行于：约 10^12 FLOPS 粗略 台式工作站求解一个基因组规模的通量平衡模型 自： 1986 早期对细胞代谢网络的通量平衡分析

[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：分子

### 全细胞模型

单个细菌里的每一个基因和每一类分子，跟踪一个完整的分裂周期。

它回答的问题: 我们能否根据零件清单预测一个活细胞？

略去了： 迄今只有一种简单的细菌被如此完整地建模。

运行于：约 10^14 FLOPS 粗略 大学集群，运行一个细菌的一个分裂周期 自： 2012 Karr 及同事的生殖支原体全细胞模型

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：分子

### 图案形成

化学物质在生长的组织中扩散并反应，这是阿兰·图灵为条纹和斑点提出的机制。

它回答的问题: 反应扩散机制如何解释动物的皮毛花纹和肢体中手指（脚趾）的形成？

略去了： 真实的组织用到力学作用和比双化学物质模型更多的信号。

运行于：约 10^12 FLOPS 粗略 台式工作站在网格上求解反应扩散方程 自： 1952 图灵为《形态发生的化学基础》所做的反应扩散计算 在模拟树中: [图灵的反应–扩散](https://simulation-hypothesis.com/zh/trees/simulations?n=life-turing)

[运行交互式模型](https://simulation-hypothesis.com/zh/simulations/run#toy-patterns)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：细胞

### 组织与肿瘤生长

单个细胞分裂、移动、争夺氧气，然后死亡。

它回答的问题: 肿瘤如何生长，治疗方案的安排又怎样才能阻止它？

略去了： 真实肿瘤内部的分裂率和死亡率很难直接测量。

运行于：约 10^13 FLOPS 粗略 大学集群，追踪数千个正在分裂的单个细胞 自： 1993 早期实体肿瘤生长的元胞自动机模型

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[元胞自动机](https://simulation-hypothesis.com/zh/simulations/methods#m-cellular-automata)精度下限：细胞

### 细胞扰动响应模型

在单细胞数据上训练的模型，预测一个细胞在经过未测量过的药物或基因编辑后，基因表达会如何变化。

它回答的问题: 一个细胞在还没人试过的干预之后会做什么？

略去了： 只是相关性的；对于远离训练数据的细胞类型或药物，外推效果很差。

运行于：约 10^16 FLOPS 粗略 大型单细胞训练集 自： 2019 scGen predicts single-cell perturbation responses (2019) [来源](https://doi.org/10.1038/s41592-019-0494-8)

[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：细胞

### 肿瘤演化的基于智能体的模型

网格上的单个癌细胞在氧气和酸度不断变化的微环境中分裂、突变和竞争。

它回答的问题: 肿瘤的形状和侵袭性特征如何从选择压力中产生？

略去了： 规则被简化了，血液供应和免疫细胞往往也不存在。

运行于：约 10^11 FLOPS 粗略 单个节点上数百万个细胞 自： 2006 Tumor morphology and phenotypic evolution driven by selective pressure from the microenvironment (2006) [来源](https://doi.org/10.1016/j.cell.2006.09.042)

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[元胞自动机](https://simulation-hypothesis.com/zh/simulations/methods#m-cellular-automata)精度下限：细胞

### 微生物群落代谢模型

把几个物种的基因组规模代谢网络连接起来，使一个物种的废物成为另一个物种的食物。

它回答的问题: 肠道或土壤中的微生物如何共享养分并共同趋于稳定？

略去了： 假定处于稳态且增长最优，忽略了调控和空间。

运行于：约 10^11 FLOPS 粗略 跨越众多物种的线性规划 自： 2007 Metabolic modeling of a mutualistic microbial community (2007) [来源](https://doi.org/10.1038/msb4100131)

[系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：细胞

### 肿瘤生长与治疗反应

把实体肿瘤当作一团由扩散的氧气和养分供养的团块，有一圈不断增殖的边缘和一个饥饿的坏死核心，再让它受到辐射或药物作用。

它回答的问题: 肿瘤长得有多快，给定剂量能让它缩小多少？

略去了： 真实的肿瘤在患者之间、在自身内部都有差异。模型使用平均化的参数和简化的几何形状。

运行于：约 10^12 FLOPS 粗略 一个三维反应扩散模型，带有治疗方案，模拟时间长达数周。 自： 1972 Greenspan，通过扩散实现的实体肿瘤生长模型。 [来源](https://doi.org/10.1002/sapm1972514317)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：细胞

### 肿瘤微环境演化

网格上的单个癌细胞争夺氧气和空间，酸度梯度选择出新的表型，于是肿瘤在生长中不断演化。

它回答的问题: 周围的组织是否会把肿瘤推向侵袭性更强的细胞？

略去了： 细胞规则被简化了，参数在活体肿瘤中又很难测量。

运行于：约 10^12 FLOPS 粗略 混合的主体-连续体模拟，在工作站或小型集群上运行数个模拟月。 自： 2006 Anderson and colleagues, hybrid discrete-continuum model of microenvironment-driven phenotypic evolution. [来源](https://doi.org/10.1016/j.cell.2006.09.042)

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[元胞自动机](https://simulation-hypothesis.com/zh/simulations/methods#m-cellular-automata)[演化](https://simulation-hypothesis.com/zh/simulations/methods#m-evolutionary)精度下限：细胞

### 肿瘤诱导的血管生长

内皮细胞沿着肿瘤释放的化学梯度萌发并迁移，形成为它供养的分支血管网络。

它回答的问题: 肿瘤如何招募血液供应，如果信号被阻断会怎样？

略去了： 血管流动、重塑和信号传导的真实化学都被大幅简化。

运行于：约 10^11 FLOPS 粗略 在工作站上进行二维或三维的萌发运行。 自： 1998 Anderson and Chaplain, continuous and discrete models of tumour-induced angiogenesis. [来源](https://doi.org/10.1006/bulm.1998.0042)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：细胞

### 癌症药物反应与耐药的动力学

正常、敏感和耐药的癌细胞群体在药物治疗下发生变化，所以患者先是好转，之后可能复发。

它回答的问题: 在出现耐药性之前，药物能控制病情多久？

略去了： 只对能测量的区室建模，干细胞的行为是推断出来的。

运行于：约 10^8 FLOPS 粗略 用患者血液测量值拟合的常微分方程。 自： 2005 Michor 及同事，慢性髓系白血病的动力学。 [来源](https://doi.org/10.1038/nature03669)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：细胞

### 血细胞生成的动力学

干细胞、祖细胞和成熟血细胞通过带延迟的反馈相连，调控失效时会产生稳定的计数或振荡。

它回答的问题: 为什么有些血液疾病会周期性发作，又是什么恢复了正常的造血？

略去了： 真实的骨髓有空间结构和许多种细胞，而这里被归并了。

运行于：约 10^6 FLOPS 粗略 在笔记本电脑上求解延迟微分方程。 自： 1978 Mackey，再生障碍性贫血与周期性造血的统一假说。 [来源](https://doi.org/10.1182/blood.v51.5.941.941)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：细胞

### 细菌菌落的生长与生物膜

每个细菌细胞被模拟成一个个体，有自己的大小、生长和位置，在菌落或生物膜内摄取扩散的养分。

它回答的问题: 菌落如何形成自己的形状，内部的细胞又如何存活？

略去了： 细胞行为被简化了，真实生物膜基质的化学也没有被捕捉到。

运行于：约 10^11 FLOPS 粗略 在集群上对数百万个细胞做基于个体的生长模拟。 自： 1998 Kreft、Booth 和 Wimpenny，BacSim，一个用于细菌菌落生长个体建模的模拟器。 [来源](https://doi.org/10.1099/00221287-144-12-3275)

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)精度下限：细胞

## 身体

### 心脏

电波传过心肌，以及它们驱动的收缩和血流。

它回答的问题: 这种药物或这种装置会让不规则的心跳变得更糟吗？

略去了： 真实心脏之间的个体差异，仍然很难用一个模型来捕捉。

运行于：约 10^16 FLOPS 粗略 大学集群，运行全心脏机电耦合的一次心跳 自： 1960 Noble 的单个浦肯野纤维细胞动作电位计算机模型；整颗心脏的模型是后来才有的 [来源](https://www.nature.com/articles/188495b0) 在模拟树中: [心肌细胞模型](https://simulation-hypothesis.com/zh/trees/simulations?n=life-noble)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：场

### 血流

血液在动脉、静脉以及支架和瓣膜等装置中流动。

它回答的问题: 这条动脉在哪里可能变弱或堵塞？

略去了： 血管壁常被当作刚性的，这就漏掉了真实的弹性。

运行于：约 10^15 FLOPS 粗略 大学集群，运行针对患者个体的动脉血流模拟 自： 1989 Perktold 及同事的颈动脉血流有限元模型

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)精度下限：场

### 呼吸与气道

空气在分叉的气道中流动，以及其中携带的颗粒。

它回答的问题: 吸入的药物或污染物最终到了哪里？

略去了： 大多数模型使用一棵理想化的气道树，而不是某个具体的人的气道树。

运行于：约 10^14 FLOPS 粗略 大学集群，模拟气流通过分叉的气道树 自： 1993 早期支气管树中气流的流体动力学模型

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)精度下限：场

### 肌肉骨骼生物力学

骨骼、关节和肌肉作为一个相连的机械系统，行走、举重和跌倒。

它回答的问题: 哪些肌肉承受应变，这个植入物该做成什么形状？

略去了： 真实肢体内部的力是间接估计的，不是测量的。

运行于：约 10^12 FLOPS 粗略 台式工作站求解一个针对单个动作的肌肉骨骼模型 自： 1990 Delp 及其同事的肌肉骨骼运动计算机模型

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 免疫反应

免疫细胞和病原体在体内相遇、增殖并传递信号。

它回答的问题: 为什么有些感染会痊愈，另一些却变成慢性？

略去了： 真实的免疫信号传递，比任何模型能完整追踪的都要复杂得多。

运行于：约 10^13 FLOPS 粗略 大学集群，运行基于智能体的免疫模拟 自： 1992 Celada 和 Seiden 的免疫反应元胞自动机模型

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：细胞

### 药代动力学

药物被吸收，扩散到身体的各个房室，被分解并清除。

它回答的问题: 对于这个年龄和体重的人，剂量是多少，多久一次？

略去了： 群体平均模型可能漏掉某一位具体患者是如何处理药物的。

运行于：约 10^10 FLOPS 粗略 台式工作站求解一个房室药物模型 自： 1937 Teorell 的药物分布二室模型

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群

### 计算机模拟临床试验

具有真实差异的虚拟患者群体，在真实试验之前或同时接受治疗。

它回答的问题: 这种治疗可能帮到谁，又可能伤害谁？

略去了： 监管机构仍然要求同时做真实试验。虚拟患者不能完全取代它们。

运行于：约 10^14 FLOPS 粗略 大学集群，运行数千名虚拟患者 自： 2011 到 2011 年，早期的计算机模拟试验与某款器械的证据一并提交

[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 心脏数字孪生

根据某位患者的扫描和信号拟合的心脏模型，用来预测这颗心脏对某种治疗的反应。

它回答的问题: 这位患者的心脏会如何响应某种特定治疗？

略去了： 拟合质量取决于影像数据，组织特性是推断出来的。

运行于：约 10^15 FLOPS 粗略 个性化的机电模拟加拟合 自： 2020 The 'Digital Twin' to enable the vision of precision cardiology (2020) [来源](https://doi.org/10.1093/eurheartj/ehaa159)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：身体

### 感觉脑区的神经预测模型

在记录到的反应上训练的神经网络，成为某个脑区的替身，让研究者在计算机里测试哪些刺激最能激发神经元。

它回答的问题: 什么样的刺激最能驱动某个特定神经元？

略去了： 预测需要在真实组织上验证，而且只涵盖受过测试的动物。

运行于：约 10^16 FLOPS 粗略 在记录数据上训练，然后可无限次虚拟试验 自： 2019 Inception loops discover what excites neurons most using deep predictive models (2019) [来源](https://doi.org/10.1038/s41593-019-0517-x)

[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：细胞

### 脑刺激场模型

有限元头部模型追踪电极或线圈的电流如何在头皮、颅骨和脑组织中扩散。

它回答的问题: 刺激器产生的电场落在大脑的哪个位置？

略去了： 组织电导率不确定，也没有模拟神经反应。

运行于：约 10^12 FLOPS 粗略 对每个头部网格做有限元求解 自： 2009 Gyri-precise head model of transcranial direct current stimulation (2009) [来源](https://doi.org/10.1016/j.brs.2009.03.005)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 虚拟人群的药物暴露模型

全身药物转运模型，在一个年龄、基因和器官功能各不相同的合成人群上运行。

它回答的问题: 儿童、老人和患有器官疾病的患者，药物水平会有多大差异？

略去了： 取决于实测的酶和转运蛋白数据。

运行于：约 10^11 FLOPS 粗略 工作站上的数千个虚拟受试者 自： 2009 The Simcyp population-based ADME simulator (2009) [来源](https://doi.org/10.1517/17425250802691074)

[系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：身体

### 肠道微生物群落模型

肠道中的数十种细菌通过竞争和交叉喂养相互作用，追踪它们的丰度在饮食或抗生素扰动下随时间的变化。

它回答的问题: 哪些物种能在肠道中保持稳定，什么样的扰动会让群落倾覆？

略去了： 相互作用强度是从有噪声的数据中推断出来的，在取样条件之外可能不成立。

运行于：约 10^10 FLOPS 粗略 在工作站上做广义洛特卡-沃尔泰拉拟合和代谢群落模拟。 自： 2013 Stein 等人，根据时间序列推断肠道微生物群的生态建模。 [来源](https://doi.org/10.1371/journal.pcbi.1003388)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：细胞

### 基于患者个体模型的手术规划

把一次扫描变成个人的解剖模型，对它虚拟地施行一种手术方案，并计算血流或应力，在动手术之前比较各种结局。

它回答的问题: 哪种手术方案对这位患者的效果最好？

略去了： 组织性质是按平均值假定的，手术后的愈合也没有建模。

运行于：约 10^14 FLOPS 粗略 每个候选方案一次流动或应力求解，在集群上数小时。 自： 1999 Taylor 等人，用计算技术做治疗决策的预测医学。 [来源](https://doi.org/10.1002/%28sici%291097-0150%281999%294:5<231::aid-igs1>3.0.co;2-z)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 心脏瓣膜流固耦合

一片柔性瓣膜和绕它流动的血液被一起计算，瓣膜被它所控制的血流推开，又被血流猛地关上。

它回答的问题: 瓣膜如何开合，置换的瓣膜又如何改变血流？

略去了： 瓣叶的材料属性和周围的肌肉运动都被简化了。

运行于：约 10^15 FLOPS 粗略 在集群上求解移动边界流体。 自： 1972 Peskin，心脏瓣膜周围的流动模式，提出了浸没边界法。 [来源](https://doi.org/10.1016/0021-9991%2872%2990065-4)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 骨适应与植入物重塑

骨骼的有限元模型，在应力高的地方增加组织，在应力低的地方去除，历时数月到数年。

它回答的问题: 植入物周围的骨骼会随时间发生怎样的变化？

略去了： 重塑规则是一条唯象定律，因人而异。

运行于：约 10^11 FLOPS 粗略 在工作站上做迭代有限元求解。 自： 1987 Huiskes 及同事，应用于假体设计的自适应骨重建理论。 [来源](https://doi.org/10.1016/0021-9290%2887%2990030-3)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 用于手术的肌肉骨骼模型

对腿或手臂的骨骼、关节和肌腱驱动器建模，使手术上的改变（比如肌腱转移）对运动的影响可以先行测试。

它回答的问题: 移植这条肌腱能改善患者的步态吗？

略去了： 肌肉激活是估计出来的，而不是测量的，也没有为神经控制建模。

运行于：约 10^9 FLOPS 粗略 在笔记本电脑上做逆动力学和肌肉优化。 自： 1990 Delp and colleagues, an interactive graphics-based model of the lower extremity to study orthopaedic surgery. [来源](https://doi.org/10.1109/10.102791)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 放射治疗剂量计算

用蒙特卡罗输运追踪光子或质子穿过患者扫描图像，计算肿瘤和健康组织接受的辐射剂量。

它回答的问题: 计划的射束能否把剂量送到肿瘤上，同时避开附近的器官？

略去了： 扫描只是一张快照，所以治疗期间患者的移动和解剖结构的变化都是近似处理的。

运行于：约 10^13 FLOPS 粗略 在集群或 GPU 上，每个方案数百万到数十亿条历史。 自： 1988 Mackie 及同事，用 EGS 蒙特卡罗程序生成的光子能量沉积核。 [来源](https://doi.org/10.1088/0031-9155/33/1/001)

[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[粒子与 N 体](https://simulation-hypothesis.com/zh/simulations/methods#m-particles)精度下限：身体

### 用于成像的虚拟解剖体模

带有详细器官以及跳动或呼吸运动的数字人体，用作模拟扫描的对象，使图像方法可以对照已知的真实情况来检验。

它回答的问题: 这台扫描仪和这套算法能否还原一个已知的异常？

略去了： 这个人体模型是用少数受试者拟合出的形状模型，没有涵盖解剖结构的全部范围。

运行于：约 10^11 FLOPS 粗略 在工作站上，每次扫描做一次光线追踪或输运模拟。 自： 2010 Segars 及同事，用于多模态成像研究的 4D XCAT 人体模型。 [来源](https://doi.org/10.1118/1.3480985)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：身体

### 磁共振图像模拟

磁场中核自旋的物理，通过脉冲序列来模拟，生成一个虚拟身体的合成扫描图。

它回答的问题: 这个序列会为这种组织生成什么样的图像？

略去了： 组织弛豫值是平均值，运动和硬件的不完美只是部分建模。

运行于：约 10^12 FLOPS 粗略 在 GPU 上对整个体积做布洛赫方程模拟。 自： 2005 Benoit-Cattin and colleagues, the SIMRI interactive MRI simulator. [来源](https://doi.org/10.1016/j.jmr.2004.09.027)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)精度下限：身体

### 骨折愈合模拟

骨折愈合间隙中的力学应变，决定组织是形成软骨、新骨还是纤维瘢痕。

它回答的问题: 这种骨折固定方式能让骨头愈合吗？

略去了： 组织分化规则是经验性的，血液供应也被简化了。

运行于：约 10^10 FLOPS 粗略 在工作站上做模拟数周的有限元求解。 自： 1999 Claes and Heigele, local stress and strain along bony surfaces predicting the course and type of fracture healing. [来源](https://doi.org/10.1016/s0021-9290%2898%2900153-5)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 宿主体内病毒动力学

追踪一位患者体内的游离病毒、受感染细胞和靶细胞，开始治疗后它们的变化揭示病毒产生和清除的速度有多快。

它回答的问题: 病毒在人体内复制得有多快，治疗会改变什么？

略去了： 组织结构和血液以外的感染部位都没有表示出来。

运行于：约 10^7 FLOPS 粗略 几个耦合的微分方程，拟合患者的时间序列。 自： 1996 Perelson 及同事，HIV-1 在体内的动力学。 [来源](https://doi.org/10.1126/science.271.5255.1582)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：细胞

### 基于扫描的冠状动脉血流储备

根据心脏扫描计算冠状动脉的血流，估计一处狭窄是否严重到阻碍血流、需要放支架。

它回答的问题: 这处狭窄是否严重到足以让心肌缺血？

略去了： 小血管处的边界条件是根据患者估计的，而不是测量的。

运行于：约 10^14 FLOPS 粗略 在集群上，每次扫描做一次针对具体患者的流动求解。 自： 2013 Taylor 等人，把计算流体力学用于心脏 CT，无创地量化血流储备分数。 [来源](https://doi.org/10.1016/j.jacc.2012.11.083)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 耳蜗力学

内耳液体中的声波与耳蜗内振动的膜耦合，产生把不同音高区分开的行波。

它回答的问题: 耳朵如何把声音变成按位置编码的信号？

略去了： 毛细胞的主动放大用近似的反馈来表示。

运行于：约 10^10 FLOPS 粗略 在工作站上对耳蜗液体做有限差分求解。 自： 1981 Neely，耳蜗二维模型的有限差分解。 [来源](https://doi.org/10.1121/1.385820)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 全身整合生理学

血压、肾脏、体液平衡和激素被连成一个循环及其调节的整体模型。

它回答的问题: 身体如何调节血压，一个器官衰竭时会怎样？

略去了： 每个器官是一个集总的房室，没有细胞层面的细节。

运行于：约 10^6 FLOPS 粗略 数百个微分方程，在笔记本电脑上即可。 自： 1972 Guyton、Coleman 和 Granger，循环：整体调节。 [来源](https://doi.org/10.1146/annurev.ph.34.030172.000305)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)精度下限：身体

### 生物热传递与热疗

组织中的热传导，血流会带走热量，用来预测发烧、热应激或热疗癌症治疗期间的温度。

它回答的问题: 组织会升到多热，热量会深入多深？

略去了： 血液灌注被当作均匀的热沉。

运行于：约 10^9 FLOPS 粗略 在工作站上做有限元热求解。 自： 1948 Pennes，静息人体前臂组织和动脉血温度的分析。 [来源](https://doi.org/10.1152/jappl.1948.1.2.93)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 肾单位转运模型

水、盐和尿素在肾脏的各个袢和小管中移动，作为耦合流动来求解，以展示尿液如何被浓缩。

它回答的问题: 肾小管的逆流排列如何让肾脏浓缩尿液？

略去了： 肾小管的性质和三维布局只在少数物种中测量过，所以参数是从动物外推的。

运行于：约 10^9 FLOPS 粗略 在工作站上数分钟到数小时。 自： 1966 Stephenson 对肾脏逆流系统中浓度的分析。 [来源](https://doi.org/10.1016/s0006-3495%2866%2986676-6)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 声带与发声模型

把声带当作弹簧上的质量块，由肺部的气流驱动，再与咽喉和口腔的形状耦合，产生浊音。

它回答的问题: 声带的哪些物理设置会产生清亮、气声或沙哑的嗓音？

略去了： 皱褶被简化成几个质量块，所以组织层和完整的三维气流都没有被捕捉到。

运行于：约 10^8 FLOPS 粗略 每句浊音数秒到数分钟。 自： 1972 Ishizaka 和 Flanagan 用于合成浊音的声带双质量模型。 [来源](https://doi.org/10.1002/j.1538-7305.1972.tb02651.x)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)精度下限：身体

### 生物钟模型

耦合振荡器代表生物钟，对光照和休息的时机做出反应，预测睡眠和警觉在作息或旅行改变时如何变化。

它回答的问题: 飞行或换班之后，生物钟需要多久才能调整过来？

略去了： 几个振荡器代表整个神经元网络，而人与人之间的时钟周期和光敏感度差异很大。

运行于：约 10^5 FLOPS 粗略 在笔记本电脑上数秒。 自： 1982 Kronauer 及同事的人类昼夜节律系统数学模型，含两个相互作用的振荡器。 [来源](https://doi.org/10.1152/ajpregu.1982.242.1.r3)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：身体

## 公共卫生

### 分室流行病模型

把人群分成易感者、感染者和康复者，各组之间有速率流动。

它回答的问题: 这次疫情会有多大，什么时候达到峰值？

略去了： 假定均匀混合，即每个人以相同的速率遇到其他所有人，而真实的接触模式并不满足这一点。

运行于：约 10^9 FLOPS 粗略 笔记本电脑求解几个耦合的流行病方程 自： 1927 Kermack 和 McKendrick 的封闭疫情方程

[运行交互式模型](https://simulation-hypothesis.com/zh/simulations/run#toy-epidemic)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群

### 基于智能体的流行病

一座城市或一个国家全体人口的合成人群，每个人都有家庭、学校或工作场所，以及疾病沿之传播的接触关系。

它回答的问题: 哪些措施能以最低成本最大限度地减缓传播？

略去了： 需要详细的家庭、学校和工作场所数据，而许多国家没有这些数据。

运行于：约 10^16 FLOPS 粗略 大学集群，模拟全国规模的合成人群 自： 2005 Longini、Ferguson 及同事的基于主体的流感大流行模型

[运行交互式模型](https://simulation-hypothesis.com/zh/simulations/run#toy-epidemic)

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：身体

### 病原体演化

病毒或细菌在宿主之间传播时，突变不断出现并扩散。

它回答的问题: 对这种药物的耐药性能进化得多快？

略去了： 真实的突变和适应度景观，比寥寥几个基因座复杂得多。

运行于：约 10^12 FLOPS 粗略 台式工作站模拟耐药性的演化 自： 1990 早期 HIV 耐药性演化的随机模型

[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[演化](https://simulation-hypothesis.com/zh/simulations/methods#m-evolutionary)精度下限：种群

### 疾病负担与卫生经济建模

一种疾病及其疗法被表示为患病、致残、花费和死亡的概率，用来比较哪些卫生干预每花一英镑带来的益处最大。

它回答的问题: 哪种治疗或项目，花同样的钱能带来最多的健康生命年？

略去了： 给一年的生命或痛苦赋一个数值，是以算术形式呈现的价值判断。

运行于：约 10^11 FLOPS 粗略 台式工作站运行队列成本效益模型 自： 1993 世界银行的全球伤残调整寿命年疾病负担研究

[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群

### 疫情基因组流行病学

疫情期间采样的病原体基因组，用来构建感染的系统树，推断谁最可能感染了谁，以及增长得有多快。

它回答的问题: 这次疫情究竟是如何传播的，在仅靠接触者追踪看不到的地方？

略去了： 只有被测序的病例才会出现在树中，所以稀少或有偏的样本可能产生误导。

运行于：约 10^13 FLOPS 粗略 大学集群，用数千个基因组构建系统发育树 自： 2013 对西非埃博拉疫情的实时基因组追踪

[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：种群

### 环境与化学暴露风险评估

人群接触某种污染物、食品污染物或辐射剂量后，如何转化为伤害概率，并在数据不确定性的整个范围内运行。

它回答的问题: 整个人群接触多少这种化学物质才是安全的？

略去了： 从动物的高剂量试验外推到人的低剂量，一直是一个需要判断的难题。

运行于：约 10^11 FLOPS 粗略 台式工作站运行蒙特卡罗剂量反应模型 自： 1983 美国国家研究委员会的化学品风险评估框架

[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群

### 流动网络疫情模型

在由通勤和航空旅行数据连接的全球城市网络上模拟疾病传播。

它回答的问题: 疫情多快会传到其他地区和国家？

略去了： 每座城市内部的混合被简化了，行为的改变也没有建模。

运行于：约 10^12 FLOPS 粗略 跨数千个亚群的随机运行 自： 2009 Multiscale mobility networks and the spatial spreading of infectious diseases (2009) [来源](https://doi.org/10.1073/pnas.0906910106)

[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：种群

### 基于个体的疟疾模型

模拟的人、蚊子和寄生虫遵循宿主体内的感染和传播过程，以检验控制策略。

它回答的问题: 哪种蚊帐、药物和疫苗的组合能降低疟疾传播？

略去了： 蚊虫生态和当地卫生系统只是粗略建模。

运行于：约 10^13 FLOPS 粗略 对一个模拟村庄做许多次随机运行 自： 2008 Towards a comprehensive simulation model of malaria epidemiology and control (2008) [来源](https://doi.org/10.1017/S0031182008000371)

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群

### 情景建模中心

几个建模团队针对疫苗或变异株运行相同的假设情景，再把各自的预测合成一个集合。

它回答的问题: 每种政策或变异株假设下，会出现怎样的一系列未来？

略去了： 情景是有条件的，不是对将要发生之事的预测。

运行于：约 10^12 FLOPS 粗略 多团队流行病模型集合 自： 2020 美国 COVID-19 情景建模中心，始于 2020 年 12 月 [来源](https://doi.org/10.1016/j.epidem.2023.100738)

[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)精度下限：种群

### 数字接触者追踪模型

带有基于手机应用的追踪环节的传播模型，估计追踪和隔离要多快才能阻止传播。

它回答的问题: 接触者必须多快追踪到，才能控制住疫情？

略去了： 接种率和依从率是假定的数值。

运行于：约 10^9 FLOPS 粗略 分支过程或智能体的运行 自： 2020 Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing (2020) [来源](https://doi.org/10.1126/science.abb6936)

[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：种群

### 抗菌素耐药性传播

易感细菌和耐药细菌在患者体内竞争，并在不同的抗生素策略（如轮换、混用或联合治疗）下在患者之间传播。

它回答的问题: 哪种治疗策略能减缓耐药感染的上升？

略去了： 抗药性的代价和传播速率测得很差，而结果取决于它们。

运行于：约 10^9 FLOPS 粗略 在笔记本电脑上运行分室模型和基于个体的医院模型。 自： 1997 Bonhoeffer, Lipsitch and Levin, evaluating treatment protocols to prevent antibiotic resistance. [来源](https://doi.org/10.1073/pnas.94.22.12106)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群

### 疟疾传播与干预模型

蚊子叮咬、寄生虫发育、人体免疫以及蚊帐或疫苗等干预措施，在一个村庄或一个国家里一起模拟。

它回答的问题: 哪种控制措施的组合能减少或消灭疟疾？

略去了： 蚊虫生态和当地人的行为都测得很差。

运行于：约 10^11 FLOPS 粗略 在集群上对一个国家做数十年的基于个体的模拟。 自： 2008 Smith 等人：towards a comprehensive simulation model of malaria epidemiology and control。 [来源](https://doi.org/10.1017/s0031182008000371)

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群

### 室内空气传播模拟

呼吸、咳嗽和说话会把飞沫和气溶胶释放到房间里，用流体动力学追踪它们去了哪里，以及第二个人会吸入多少。

它回答的问题: 呼出的病毒能传多远，口罩或通风能把暴露减少多少？

略去了： 感染剂量和真实的房间条件，比任何模拟设置所假定的变化都更大。

运行于：约 10^14 FLOPS 粗略 在集群上对一个房间做带粒子追踪的大涡模拟。 自： 2020 Mittal、Ni 和 Seo，COVID-19 的流动物理，回顾呼吸流动的计算研究。 [来源](https://doi.org/10.1017/jfm.2020.330)

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[粒子与 N 体](https://simulation-hypothesis.com/zh/simulations/methods#m-particles)精度下限：场

### 控烟政策模拟

一个国家的吸烟开始、戒烟和死亡人数，在税收、禁令和宣传活动下被推演出来，得出吸烟率的变化和挽救的生命数。

它回答的问题: 一项税收或禁烟令能挽救多少生命？

略去了： 政策效果来自过去的证据，在新的环境下可能不适用。

运行于：约 10^6 FLOPS 粗略 在笔记本电脑上运行人口预测模型。 自： 2000 Levy、Cummings 和 Hyland，模拟青少年开始吸烟的政策对整体卷烟使用的影响。 [来源](https://doi.org/10.2105/ajph.90.8.1311)

[系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群

### 疫苗分配优化

把流行病模型与优化器结合，由优化器决定哪些年龄或风险群体先获得稀缺的疫苗。

它回答的问题: 谁该最先接种疫苗，才能挽救最多的生命？

略去了： 接触模式和疫苗有效性都不确定，而最佳人群取决于目标。

运行于：约 10^8 FLOPS 粗略 在工作站上对许多次疫情运行做优化。 自： 2009 Medlock 和 Galvani，优化流感疫苗的分配。 [来源](https://doi.org/10.1126/science.1175570)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群

### 虚拟成像试验

用模拟的患者、扫描仪和阅片者来比较成像技术，而无需招募真人。

它回答的问题: 一种新的成像设备，发现癌症的能力是否和现有设备一样好？

略去了： 虚拟病灶和读片者都是模型，可能漏掉真实的临床多样性。

运行于：约 10^13 FLOPS 粗略 在集群上生成数千张模拟图像。 自： 2018 Badano and colleagues, in silico imaging trial of digital breast tomosynthesis versus full-field mammography. [来源](https://doi.org/10.1001/jamanetworkopen.2018.5474)

[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：身体

### 接触网络上的流行病

疾病在度分布可能极不均匀的网络节点之间传播，结果取决于枢纽节点。

它回答的问题: 传染性达到什么水平时，疫情会在有枢纽的网络上暴发？

略去了： 真实的接触网络会随时间变化，而且只被部分观察到。

运行于：约 10^7 FLOPS 粗略 在工作站上，对百万节点网络做蒙特卡罗扩散。 自： 2001 Pastor-Satorras 和 Vespignani，无标度网络中的疫情传播。 [来源](https://doi.org/10.1103/physrevlett.86.3200)

[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群

### 蚊虫种群动态

一种传播疾病的蚊子，它的卵、幼虫、蛹和成虫在容器里，在当地气温和降雨下发育，由此得出叮人的蚊子数量。

它回答的问题: 下个季节会有多少蚊子，清除孳生地有什么效果？

略去了： 滋生地很难数清，而且每条街都不一样。

运行于：约 10^7 FLOPS 粗略 在笔记本电脑上做生命表模拟。 自： 1993 Focks and colleagues, a dynamic life-table model for Aedes aegypti. [来源](https://doi.org/10.1093/jmedent/30.6.1003)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群

### 癌症筛查微观模拟

模拟个体的生命历程，包括癌症的自然病程，分有筛查和无筛查两种情况，以估算发现的病例数和避免的死亡数。

它回答的问题: 一项筛查计划能避免多少死亡，过度诊断的代价又是多少？

略去了： 癌症未被观察到的早期过程只能靠假定。

运行于：约 10^9 FLOPS 粗略 在工作站上模拟数百万个人生。 自： 1985 Habbema 及同事，用于评估筛查的 MISCAN 模拟程序。 [来源](https://doi.org/10.1016/0169-2607%2885%2990048-3)

[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体

### 肥胖与饮食主体模型

有体重、收入和邻居的智能体进食并移动，整个人群的体重分布会随食品价格或政策的变化而改变。

它回答的问题: 哪些干预措施能在数十年间改变人群的体重？

略去了： 行为被简化为几条规则，长期证据也很薄弱。

运行于：约 10^8 FLOPS 粗略 在工作站上做人群主体模拟。 自： 2007 Hammond 和 Epstein，探索肥胖流行中与价格无关的机制。 [来源](https://doi.org/10.2139/ssrn.1024287)

[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)精度下限：种群

### 器官分配政策模拟

模拟移植等待名单上的患者、到来的捐献器官和分配规则，以比较等待时间和生存率。

它回答的问题: 哪种分配规则能带来最多的生命年和最公平的等待？

略去了： 器官质量以及患者和医疗中心的决策被简化了。

运行于：约 10^8 FLOPS 粗略 在笔记本电脑上对多年的候诊名单做事件模拟。 自： 2000 Zenios、Chertow 和 Wein，向移植等候名单上的候选人动态分配肾脏。 [来源](https://doi.org/10.1287/opre.48.4.549.12418)

[离散事件](https://simulation-hypothesis.com/zh/simulations/methods#m-discrete-event)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群

### 救护车和消防站的布点模型

紧急呼叫随机到来，救援力量被派出，排队模型给出每个地点和每种分区布局的响应时间。

它回答的问题: 该把站点和单位布置在哪里，才能缩短响应时间？

略去了： 出行时间和需求的真实分布都是假定的。

运行于：约 10^7 FLOPS 粗略 在笔记本电脑上做排队和蒙特卡罗。 自： 1974 Larson，一个用于城市应急服务设施选址和选区重划的超立方排队模型。 [来源](https://doi.org/10.1016/0305-0548%2874%2990076-8)

[离散事件](https://simulation-hypothesis.com/zh/simulations/methods#m-discrete-event)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群

### 合成患者病历生成

给人造的人赋予疾病、治疗和就诊，依据已发表的临床规则，产生逼真、却不含任何真实个人的健康记录。

它回答的问题: 能否在不暴露任何人数据的前提下，用逼真的记录测试软件和分析？

略去了： 这些记录只带有输入生成器的模式，所以罕见疾病和真实的诊疗路径只有很少的体现。

运行于：约 10^10 FLOPS 粗略 笔记本电脑级别的运行，针对一百万名患者。 自： 2010 Buczak 及其同事用数据驱动的方法创建合成电子病历。 [来源](https://doi.org/10.1186/1472-6947-10-59)

[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[规则与状态](https://simulation-hypothesis.com/zh/simulations/methods#m-rules)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：种群

## 药物发现与药理学

### 预测毒理学

在合成之前，把候选药物的结构与已知有毒分子的数据库比对，或者交给用实验室和动物数据训练的模型运行。

它回答的问题: 在我们制造出来之前，这个分子是否可能损害肝脏、心脏或基因？

略去了： 预测的可靠性只取决于模型所训练的过去的有毒分子，而生物学上的例外仍不断出现。

运行于：约 10^13 FLOPS 粗略 大学集群，运行训练好的毒性预测模型 自： 2000 早期用于筛选药物毒性的构效关系模型

[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：分子

### 药效动力学建模

药物在靶点的浓度，如何转化为对身体的效应，从受体结合一直到测得的症状或生物标志物。

它回答的问题: 给定剂量究竟会产生多大的效果，持续多久？

略去了： 假定浓度与效应的关系是干净的，而耐受性和疾病进展可能打破这一点。

运行于：约 10^10 FLOPS 粗略 台式工作站求解少数几个耦合的效应方程 自： 1968 早期把药物浓度与效应联系起来的受体占有率模型

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群

### 临床试验设计模拟

针对假定的患者差异和药物效应，运行数千次假想试验，以确定试验的规模、时长和提前终止的规则。

它回答的问题: 这项试验究竟需要多少患者，什么时候可以安全地提前终止？

略去了： 模拟试验的真实程度，取决于提供给它的患者反应假设有多真实。

运行于：约 10^12 FLOPS 粗略 小型集群，运行数千次模拟试验重复 自： 1994 早期用来规划适应性临床试验设计的模拟研究

[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：种群

### 老药新用网络模型

药物、基因、蛋白质和疾病连成一个大网络，搜索那些已知连接暗示了意外新用途的现有药物。

它回答的问题: 一种已获批治疗某种疾病的药物，能否也治疗另一种？

略去了： 网络中的一条连接只是线索，不是证据；大多数建议的老药新用在检验时仍会失败。

运行于：约 10^12 FLOPS 粗略 台式工作站在庞大的药物-基因-疾病网络中搜索 自： 2011 早期基于网络的老药新用候选筛选

[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：分子

### 药物制剂与递送建模

一片药片溶解、一枚贴片释放，或一个纳米颗粒把药物带过身体，把它当作数分钟到数天内的扩散与反应来追踪。

它回答的问题: 药物经吞服或注射后，究竟多快、在哪里到达靶点？

略去了： 实验室溶出装置和真实的消化并不总是一致。

运行于：约 10^11 FLOPS 粗略 台式工作站求解扩散和释放方程 自： 1961 Higuchi 的固体基质药物释放数学模型

[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：分子

### 疫苗抗原设计

以原子细节模拟病原体蛋白的表面，找出或设计免疫系统最容易识别和记住的形状。

它回答的问题: 这种病原体的哪一部分最适合作为疫苗靶点？

略去了： 屏幕上看起来像个好靶点的形状，仍然得在真实的免疫系统里行得通。

运行于：约 10^15 FLOPS 粗略 大学集群，对候选抗原运行原子模拟 自： 2013 基于结构设计的稳定化呼吸道病毒抗原

[分子动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-molecular-dynamics)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：原子

### 计算机模拟中的糖尿病闭环控制

一个由患 1 型糖尿病的虚拟人组成的群体，带有进餐和葡萄糖-胰岛素动力学，用来在人体试验之前测试给药控制算法。

它回答的问题: 这个控制算法能让许多不同的人的血糖都保持安全吗？

略去了： 压力、疾病和传感器故障等真实行为只被部分捕捉到。

运行于：约 10^9 FLOPS 粗略 在笔记本电脑上对数百名受试者做长时间的虚拟日模拟。 自： 2009 Kovatchev 及同事，1 型糖尿病闭环控制的计算机模拟临床前试验。 [来源](https://doi.org/10.1177/193229680900300106)

[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：身体

[◂ 化学与材料](https://simulation-hypothesis.com/zh/simulations/chemistry-materials)[生态学、演化与动物行为 ▸](https://simulation-hypothesis.com/zh/simulations/ecology-behaviour)