《Journal of Computational Science》：High-throughput adaptive physics refinement for tissue-scale adhesive dynamics
编辑推荐：
多窗口自适应物理细化（APR）与GPU加速粘附动力学平台构建，实现千级CTC轨迹的亚微米精度模拟，内存消耗降低15倍，支持人体级血管结构的分布式计算。
亚里士多德·马丁 | 威廉·拉德 | 吴润鑫 | 阿曼达·兰德尔斯
杜克大学，Wilkinson 325号，534 Research Dr.，达勒姆，27705，北卡罗来纳州，美国
摘要
在解剖学上真实的血管系统中，明确解析循环肿瘤细胞（CTCs）与受体的相互作用在亚微米精度要求下仍然具有计算上的挑战性，这种精度对于研究粘附动力学至关重要。在这项工作中，我们将之前引入的混合CPU-GPU自适应物理细化（APR）和单窗口自适应物理细化粘附动力学（APR-AD）方法（Martin等人，2025年）扩展为一个可扩展的高通量APR-AD平台。这一扩展包括：(1) 一种能够同时进行数千次粘附传输模拟的多窗口公式；(2) 一种在宏观和微观域之间实现单向耦合的策略，该策略在保持轨迹准确性的同时消除了窗口间的依赖性；(3) 一种无通信的APR模式，用于稳态流动，将窗口阶段转化为一个高度并行的工作负载。我们进一步提供了加速粘附动力学的GPU内核，包括使用线性反馈移位寄存器进行确定性随机数生成，以及针对现代百亿亿次级系统优化的基于八叉树的受体搜索算法。在Aurora超级计算机上使用双分支组织尺度血管测试案例，APR-AD并行跟踪了3072个循环肿瘤细胞，与完全显式模型相比，内存减少了大约15倍，同时保持了高精度的粘附动力学。这些进展将APR从一个单细胞可行性工具扩展为用于大规模研究癌症传输和其他受体介导传输现象的计算显微镜。
引言
要理解驱动转移性癌细胞通过血液流动的机制，需要能够解析细胞粘附分子（CAMs）结合动力学的模型，同时覆盖长距离的解剖学尺度。循环肿瘤细胞（CTCs）通过粘附机制与血液动力学力和血管壁相互作用，这些机制对癌症转移至关重要，然而这些复杂的多尺度过程仍然知之甚少。尽管动物模型是研究转移进展的金标准[1]，但它们对人类特定生理学的洞察有限，并且受到物种差异和免疫系统改变的影响[2]。组织工程化的癌症芯片平台提供了一种有前景的补充方法，允许对转移事件进行受控研究[3]；然而，尽管制造技术有所进步，它们在复制人类毛细血管网络的复杂几何结构和流动环境方面仍然存在局限性[4]。
计算建模提供了另一种高度可扩展的方法来研究CTC动态，允许将粘附相互作用和流体传输整合到生理学相关的血管尺度中。然而，现有的体外 模型的范围从根本上受到解决3D亚微米粘附相互作用所需的大量内存需求的限制，即使对于单个细胞，这也可能超过数百TB（表2）。这些限制历史上限制了模拟只能使用简化或小尺度几何形状，从而无法研究真实血管拓扑中的长距离粘附行为。
当前的体外 方法主要关注理想化的微血管[5]、[6]、[7]、[8]、[9]，提供了有价值的但最终不完整的见解，未能捕捉到3D血管网络的全部复杂性或复杂分支血管网络中发生的累积粘附过程和集体传输模式。迫切需要一个统一的计算框架来研究癌细胞传输，该框架能够（1）在粘附尺度上保持高精度，（2）高效地覆盖组织尺度域，（3）实现足够的吞吐量以探究统计上有意义的CTC轨迹集合。这样的框架将能够快速进行假设测试，并系统地探索生物物理和几何因素如何影响转移停滞。
本研究（图1）扩展了我们之前引入的APR和单窗口APR-AD框架[10]、[11]，创建了一个可扩展的高通量粘附动力学平台，能够在解剖学上真实的血管系统中模拟数千个独立的CTC轨迹。早期的APR实现仅限于完全浸没的窗口，而单窗口APR-AD通过允许解决墙壁问题消除了这一限制；在这里，我们在此基础上实现了多窗口、适用于百亿亿次级计算的性能。实现这一点需要重大的算法和架构改进，以高效地将粘附动力学与异构CPU-GPU资源相结合，管理多窗口同步，并确保在百亿亿次级计算中可重复、分解不变的执行。具体来说，这项工作包括：
1. 一种能够解决墙壁问题的多窗口APR架构 ，该架构能够在复杂的血管边界上实现自适应物理细化，并支持数千个CTC的同时模拟。2. 一种单向耦合策略和无通信的APR模式 ，用于稳态流动，将窗口阶段转化为高度并行的工作负载。3. 使用确定性随机数生成和基于八叉树的受体搜索的GPU加速粘附动力学 ，保证了在不同架构下的分解不变的可重复性。4. 在Aurora超级计算机上证明了可扩展性 ，与完全显式的流体-结构相互作用模型相比，内存减少了大约15倍。
通过将自适应物理细化粘附动力学（APR-AD）从一个单细胞可行性模型扩展为一个高通量、可重复的平台，这项工作实现了对组织尺度血管中粘附传输的高分辨率模拟。由此产生的平台标志着多尺度建模的重大进展——将亚微米粘附力学与宏观流动行为联系起来，并为探索流体动力学、受体结合和血管几何如何共同控制转移传输在生理学相关尺度上提供了可扩展的计算基础。
相关工作
多尺度细胞传输的自适应物理细化（APR）框架的最初开发由Puleri等人[10]提出，他们引入了移动窗口耦合方案来跟踪通过大血管域的可变形细胞。在这种原始公式中，APR窗口完全浸没在流体中，不与血管壁相交，因此无法直接模拟细胞-壁粘附。后续研究将APR扩展到红细胞悬浮液和颗粒的建模中
应用概述
本节提供了HARVEY的概述，这是一个基于格子Boltzmann方法的大规模并行多物理建模平台，是本研究的基础[18]、[19]。以下每个小节详细介绍了HARVEY中实现的主要物理模型，这些模型与当前研究相关。
扩展的APR-AD准确解析了有壁边界流场
为了验证添加墙壁后的多块方案，我们模拟了一个放置在代表微流体设备的复杂血管中的静止窗口（图10(A)）。宏观流体的分辨率设置为0 . 6 μ m 0 . 15 μ m n = 4
讨论
理解CTC群体的行为对于推进癌症生物学和提高我们预测二次转移的能力至关重要。这项工作克服了历史上限制此类分析在理想化或小尺度域中的关键计算障碍。这项工作的一个主要进展是将自适应物理细化粘附动力学（APR-AD）扩展到之前引入的完全浸没窗口公式之外，实现了对有壁边界情况的准确建模
CRediT作者贡献声明
亚里士多德·马丁： 撰写——原始草稿、可视化、验证、软件、方法论、调查、形式分析、数据管理、概念化。威廉·拉德： 撰写——审阅与编辑、调查、形式分析。吴润鑫： 撰写——审阅与编辑、调查、形式分析、数据管理。阿曼达·兰德尔斯： 撰写——审阅与编辑、监督、资源管理、项目管理、方法论、资金获取、概念化。手稿准备过程中生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用了Writefull工具进行文本编辑。使用该工具/服务后，作者根据需要审阅和编辑了内容，并对发表文章的内容负全责。
利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。
致谢
本出版物中的研究得到了NIH的NCI （奖项编号5R01EB024989）、国立卫生研究院的国家老龄化研究所 （奖项编号DP1AG082343）和T32GM144291 的支持。这项工作的计算支持来自阿贡国家实验室（ANL）的Aurora早期科学计划。计算机时间由INCITE计划提供。这项研究使用了阿贡领导计算设施的资源，该设施是一个
亚里士多德·马丁 是杜克大学生物分子与组织工程中心的NIH T32生物技术研究员，也是生物医学工程的博士候选人。他的研究重点是高性能计算、异构GPU编程框架和生物医学模拟。他在东华盛顿大学（EWU）获得了电气工程学士学位，并辅修生物学。在EWU期间，他获得了Frances B. Huston奖章，该奖项由科学学院颁发。
