Analisi degli effetti dell'eterogeneità cellulare di un tessuto del nodo seno-atriale simulato attraverso la parallelizzazione in CUDA

Il nodo seno-atriale (NSA) è un piccolo tessuto responsabile della frequenza cardiaca in condizioni fisiologiche. Sua principale caratteristica è l’autoritmicità: non necessita di stimoli esterni per generale un potenziale d’azione. Il tessuto NSA è composto da cellule con morfologia differente che generano potenziali d’azione leggermente diversi. Quando più cellule sono collegate elettricamente danno luogo a fenomeni non osservabili in single cell (comportamento emergente). I modelli computazionali sono uno strumento utile per indagare fenomeni difficilmente osservabili in vitro, sia a livello di singola cellula che su scala tissutale. L’obiettivo di questa tesi è duplice: (i) individuare il miglior ambiente computazionale per simulare tessuti di NSA e (ii) osservare gli effetti dell’eterogeneità e dell’accoppiamento cellulare a livello tissutale utilizzando il modello SeveriDiFrancesco, che descrive il potenziale d’azione di una cellula di NSA di coniglio. La scelta dell’ambiente di simulazione ha messo a confronto il costo computazionale di metodi a passo fisso e a passo variabile in Matlab, C++ e CUDA. Sono stati simulati tessuti composti da 100 cellule per 2 secondi. I metodi C++ e CUDA sono stati confrontati per 100, 400, 900, 1600 cellule, mettendo in risalto come CUDA sia l’ambiente più adatto su cui lanciare le simulazioni. Per valutare gli effetti dell’eterogeneità sono stati simulati tessuti di 400 cellule per 20 secondi, accoppiate tra loro con rho = 1, 10, 100 1000 e 10000 MΩ m. L’eterogeneità è stata implementata randomizzando i valori delle conducibilità di membrana attraverso una distribuzione lognormale con σ = 0.05, 0.1, 0.1873, 0.3, 0.4. Le cellule accoppiate si sincronizzano su frequenze inferiori alle frequenze medie della popolazione cellulare e del modello di cellula isolata con valori nominali. Inoltre la frequenza diminuisce al diminuire dell’accoppiamento. Il biomarker APA diminuisce al diminuire dell’accoppiamento.