Mehrdimensionale Parameteranpassung elektrophysiologischer Zellmodelle an experimentell charakterisierte Pathologien

Mittels elektrophysiologischer Zellmodelle kann das Verhalten menschlicher Herzmuskelzellen sehr realistisch dargestellt werden. Um auch pathologische (krankhaft veränderte) Zustände untersuchen zu können, muss das verwendete Zellmodell entsprechend parametrisiert werden. Die  Anpassung der einzelnen Parameter stellt ein mehr-dimensionales Optimierungsproblem dar. Der angestrebte „Particle Swarm Optimization“ (PSO) Ansatz ist eine Mischung aus genetischen und evolutionären Algorithmen. Er ist den Bewegungsmustern in einem Vogelschwarm nachempfunden und macht die sozialen Interaktionen, die in der Natur zur Nahrungssuche eingesetzt werden, auf das vorliegende Optimierungsproblem übertragbar. Da die Berechnung der einzelnen Parametersätze unabhängig voneinander erfolgen kann, sollen Techniken des Grid-Computings in der Arbeit angewandt werden.



Auf der linken Seite sieht man, wie sich die einzelnen Partikel (Vögel) über den Parameterraum (Gelände) verteilen. Auf der rechten Seite ist das Ergebnis einer erfolgreichen Kanalanpassung an Messwerte aus der Literatur dargestellt.