SimBiology
Modélisation, simulation et analyse de systèmes biologiques
SimBiology® inclut une application et des outils de programmatique pour modéliser, simuler et analyser des systèmes dynamiques, mettant l'accent sur les applications pharmacocinétiques/pharmacodynamiques (PK/PD) et les applications de biologie des systèmes. Il comporte un éditeur de diagrammes de bloc permettant de créer des modèles. Vous pouvez également créer des modèles de manière programmatique avec le langage MATLAB®. SimBiology inclut une bibliothèque de modèles PK courants, que vous pouvez personnaliser et intégrer à des modèles de biologie de systèmes mécanistes.
Diverses techniques d'exploration de modèles vous permettent d'identifier des cibles thérapeutiques pour les mécanismes cellulaires étudiés ainsi que la posologie optimale. SimBiology utilise des équations différentielles ordinaires (ODE) et des solveurs stochastiques pour simuler le profil temporel de l'exposition au médicament, l'efficacité du médicament, les niveaux d'enzymes et de métabolites. Vous pouvez étudier la dynamique du système et orienter l'expérimentation à l'aide d'analyse par balayage de paramètres et d'analyses de sensibilité. Vous pouvez également utiliser des données sur un seul sujet ou sur une population pour estimer les paramètres du modèle.
En savoir plus :
Création de modèles
Élaborez des modèles de pharmacologie quantitative de systèmes (QSP), de pharmacocinétique physiologique (PBPK) ou pharmacocinétiques/pharmacodynamiques (PK/PD) tout comme vous les traceriez sur papier.
Spécification de la dynamique du modèle
Utilisez l'éditeur de diagrammes de bloc par glisser-déposer ou des outils programmatiques pour construire des modèles QSP, PBPK ou PK/PD. Importez des modèles depuis des fichiers SBML (Systems Biology Markup Language).
Vue schématique d'un modèle QSP de diabète.
Création de variantes de modèle
Utilisez des variantes de modèle pour enregistrer un ensemble de valeurs de paramètres ou de conditions initiales qui diffèrent de la configuration du modèle de base. Simulez aisément des patients virtuels, des médicaments candidats, des scénarios alternatifs et des hypothèses de simulation sans créer plusieurs itérations de votre modèle.
Tableau de variantes de modèle.
Évaluation de stratégies posologiques
Définissez et évaluez des stratégies thérapies combinées. Évaluez les avantages des polythérapies et déterminez des stratégies posologiques optimales en combinant des schémas de dosage pour plusieurs cibles thérapeutiques.
Choix d'un solveur
Sélectionnez un des solveurs déterministes disponibles, dont les solveurs ODE MATLAB et les solveurs SUNDIALS, ou choisissez un des solveurs stochastiques, notamment l'algorithme de simulation stochastique (SSA), les modèles « Tau-Leaping » explicite et implicite.
Automatisation de la conversion d'unités
Choisissez les unités les plus appropriées pour votre modèle. Par exemple, spécifiez la dose en milligrammes, la concentration du médicament en nanogrammes/millilitre et le volume plasmatique en litres. Les outils de conversion d'unités convertissent toutes les quantités de votre modèle et de vos données en un système d'unités cohérent.
Spécification des unités et exécution de la conversion des unités.
Accélération des simulations
Accélérez la simulation de modèles incluant un grand nombre de variables ou des simulations de Monte Carlo en convertissant des modèles en code C compilé. Améliorez encore les performances en répartissant les simulations sur plusieurs processeurs, clusters ou ressources de cloud computing avec Parallel Computing Toolbox™.
Mise à l'échelle sur des clusters et le cloud pour de meilleures performances.
Analyse non compartimentale
Calculez les paramètres pharmacocinétiques d'un médicament à partir du profil pharmacocinétique du médicament, sans considérer un modèle compartimental. Effectuez une analyse NCA à la fois sur des données expérimentales et des données de simulation pour une dose unique ou plusieurs doses, en utilisant un échantillonnage riche ou épars.
Calcul de l'AUC pour les données de concentration en fonction du temps représentées sur des échelles linéaires et semi-logarithmiques.
Régression non linéaire
Estimez les paramètres à l'aide de méthodes d'estimation locale ou globale et calculez les intervalles de confiance pour les paramètres et les prédictions du modèle. Estimez les paramètres pour chaque groupe indépendamment en vue de générer des estimations spécifiques au groupe ou estimez-les simultanément pour tous les groupes pour obtenir un seul ensemble de valeurs.
Intervalles de confiance des paramètres gaussiens d'un modèle PK à deux compartiments.
Modèles non-linéaires à effets mixtes (NLME)
Utiliser des méthodes NLME pour ajuster le modèle à des données de population au moyen d'une approximation stochastique de l'algorithme espérance-maximisation (SAEM), une estimation conditionnelle de premier ordre (FOCE), une estimation de premier ordre (FO), une approximation linéaire à effets mixtes (LME) ou une approximation LME restreinte.
Tracés de progression de la méthode non-linéaire à effets mixtes.
Tâches intégrées et outils d'exploration interactifs
Utilisez les analyses intégrées pour analyser vos modèles. Utilisez les curseurs pour découvrir de façon interactive les effets de la variation des paramètres ou dosage sur les résultats du modèle.
Effets des différentes valeurs de paramètres et de dosage représentés dans Task Editor.
Analyse personnalisée
Utilisez SimBiology de façon programmatique avec des scripts MATLAB afin d'automatiser les analyses et de créer des analyses personnalisées.
Algorithme personnalisé utilisé pour identifier un taux de perfusion optimal.
Création d'applications avec SimBiology Desktop
Créez en un clic des applications autonomes d'exploration de modèles à l'aide de SimBiology Desktop.
Application créée à l'aide de SimBiology Desktop illustrant les résultats d'un traitement anti-TNF.
Création d'applications personnalisées
Créez des applications autonomes personnalisées au moyen des fonctionnalités de développement d'applications de MATLAB.
Application personnalisée affichant des résultats de simulation pour une thérapie combinée.
Observables
effectuez des calculs post-simulation, par exemple pour calculer l’aire sous la courbe ROC (AUC), et utilisez-les comme réponse pour la simulation, l’ajustement des données ou l’analyse de la sensibilité globale
Analyse de la sensibilité globale (GSA)
explorez les effets des variations dans les quantités du modèle sur la réponse du modèle en calculant les indices de Sobol et en effectuant une analyse de la sensibilité globale multiparamétrique
Reportez-vous aux notes de version pour en savoir plus sur ces fonctionnalités et les fonctions correspondantes.
Exemples de modèles
- Cinétique de croissance bactérienne dans le cadre d'un traitement
- Système rénine-angiotensine systémique (SRA)
- Disposition de médicaments avec médiation par cible (TMDD)
- Cinétique de croissance tumorale dans le cadre d'un traitement
- Modèles pharmacocinétiques à fondement physiologique (PBPK)
- Modèles pharmacocinétiques à fondement physiologique (PBPK) de trichloroéthylène
