- •Содержание
- •Введение
- •Глава 1. Обзор литературы
- •1.1. Клетки крови
- •1.2. Экспериментальные методы
- •1.3. Моделирование светорассеяния
- •1.4. Обратная задача светорассеяния
- •Глава 2. Метод дискретных диполей
- •2.1. Обзор МДД
- •2.1.1. Введение
- •2.1.2. Общая формулировка
- •2.1.3. Разновидности МДД
- •2.1.3.1. Теоретические основы МДД
- •2.1.3.2. Точность МДД вычислений
- •2.1.3.3. МДД для кластеров шаров
- •2.1.3.4. Модификации и расширения МДД
- •2.1.4. Численные соображения
- •2.1.4.1. Прямые и итерационные методы
- •2.1.4.2. Разложение по порядкам рассеяния
- •2.1.4.3. Блочно-топлицева структура
- •2.1.4.4. Быстрое преобразование Фурье
- •2.1.4.5. Быстрый метод мультиполей
- •2.1.4.6. Усреднение по ориентации и повторные вычисления
- •2.1.5. Сравнение МДД с другими методами
- •2.1.6. Заключительные замечания
- •2.2. Сходимость МДД
- •2.2.1. Введение
- •2.2.2. Теоретический анализ
- •2.2.2.1. Дополнительные определения
- •2.2.2.2. Анализ ошибок
- •2.2.2.3. Ошибки формы
- •2.2.2.4. Различные формулировки МДД
- •2.2.3. Численное моделирование
- •2.2.4. Обсуждение
- •2.2.5. Выводы
- •2.3. Методика экстраполяции для улучшения точности МДД
- •2.3.1. Введение
- •2.3.2. Экстраполяция
- •2.3.3. Численное моделирование
- •2.3.4. Обсуждение
- •2.3.5. Выводы
- •2.4. Текущие возможности МДД для очень больших частиц
- •2.4.1. Введение
- •2.4.2. Компьютерная программа ADDA
- •2.4.3. Численное моделирование
- •2.4.3.1. Параметры моделирования
- •2.4.3.2. Результаты
- •2.4.4. Обсуждение
- •2.4.5. Выводы
- •2.5. Сравнение компьютерных программ на основе МДД
- •2.5.1. Введение
- •2.5.2. Программы МДД
- •2.5.2.1. SIRRI
- •2.5.2.2. DDSCAT
- •2.5.2.4. ADDA
- •2.5.3. Сравнение программ
- •2.5.3.1. Формы объектов и параметры
- •2.5.3.2. Точные методы
- •2.5.3.3. Точность
- •2.5.3.4. Скорость
- •2.5.4. Обсуждение
- •2.6. Сравнение МДД с методом конечных разностей во временной области
- •2.6.1. Введение
- •2.6.2. Параметры моделирования
- •2.6.3. Результаты для шаров
- •2.6.4. Пример применения к биологическим клеткам
- •2.6.5. Выводы
- •Глава 3. Эритроциты
- •3.1. Введение в эритроциты
- •3.1.1. Морфология
- •3.1.2. Светорассеяние эритроцитами
- •3.2. Решение обратной задачи светорассеяния для эритроцитов, используя простую форму и постоянный показатель преломления
- •3.2.1. Методология моделирования
- •3.2.2. Экспериментальный метод и процедура обращения
- •3.2.3. Эффект формы и ориентации
- •3.2.4. Характеризация эритроцитов
- •3.2.5. Приближённые формы
- •3.2.6. Выводы
- •3.3. Характеризация морфологии нативных эритроцитов с помощью сканирующего проточного цитометра
- •3.3.1. Расширенная модель формы эритроцита
- •3.3.2. Методология моделирования
- •3.3.3. Экспериментальный метод и процедура обращения
- •3.3.4. Результаты и обсуждение
- •3.3.5. Эмпирическая процедура определения диаметра эритроцитов
- •3.3.6. Выводы
- •Глава 4. Гранулоциты
- •4.1. Введение в гранулоциты
- •4.1.1. Нейтрофилы
- •4.1.2. Эозинофилы
- •4.1.3. Базофилы
- •4.1.4. Оптическая характеризация гранулоцитов
- •4.2. Теоретическое исследование светорассеяния простой моделью гранулоцита – зернистым шаром
- •4.2.1. Введение
- •4.2.2. Простая модель гранулоцита
- •4.2.3. Ортогональное светорассеяние
- •4.2.4. Результаты и обсуждение
- •4.2.5. Выводы
- •4.3. Экспериментальное исследование нейтрофилов сканирующим проточным цитометром
- •4.3.1. Экспериментальная процедура
- •4.3.2. Дополнительное МДД моделирование
- •4.3.3. Результаты и обсуждение
- •4.3.4. Выводы
- •Заключение
- •Развитие метода дискретных диполей
- •Характеризация эритроцитов с помощью сканирующего проточного цитометра
- •Теоретическое и экспериментальное исследование гранулоцитов
- •Основные результаты
- •Литература
- •Приложение
- •A1. Описание сокращений и символов
- •A2. Свойства симметрии матрицы Мюллера
- •A3. Расчёт бокового рассеяния зернистым шаром в рамках приближения Релея-Дебая-Ганса
- •A4. Расчёт деполяризованного бокового рассеяния зернистым шаром в рамках второго борновского приближения
2.6.Сравнение МДД с методом конечных разностей во временной области*
Вэтом разделе сравниваются МДД и метод конечных разностей во временной области (КРВО) для моделирования светорассеяния шарами с размерным параметром до 80 и показателем преломления m до 2. Мы использовали параллельные реализации обоих методов и требовали, чтобы они достигли определённой точности, после чего сравнивали их производительность. Показано, что относительное быстродействие резко зависит от m – МДД быстрее для малых значений m, а КРВО – для больших.
Равновесие достигается вблизи m = 1.4. Также сравнивается эффективность методов для нескольких биологических клеток, что приводит к тем же выводам, что и для оптически мягких шаров.
2.6.1. Введение
МДД и КРВО [31,192] это два наиболее популярных метода для моделирования светорассеяния произвольными неоднородными частицами. Эти методы имеют очень схожие области применения, но редко используются вместе – только в нескольких работах либо один метод используется для проверки другого [193,194], либо они сравниваются для нескольких рассеивателей [29]. Мы проводим новое сравнение, которое в двух аспектах, расширяет предыдущие исследования. Во-первых, мы рассматриваем большой диапазон размерных параметров x и показателей преломления m, который, в частности, включает бóльшую часть биологических клеток (x до 80). Вовторых, мы заранее устанавливаем точность для обоих методов, что делает результаты сравнения более информативными.
У нас с коллегами имеется опыт моделирования светорассеяния биологическими клетками [195-198], см. также главы 3 и 4. Поэтому, чтобы проверить общность выводов, полученных для шаров, мы провели несколько вычислений для реалистичных моделей биологических клеток.
Этот раздел организован следующим образом: программные реализации обоих методов и тестовые задачи описаны в подразделе 2.6.2, результаты для шаров и биологических клеток приведены и обсуждаются в подразделах 2.6.3 и 2.6.4 соответственно, а подраздел 2.6.5 содержит выводы.
* По результатам данного раздела готовится статья в Optics Express: Yurkin M.A., Brock R.S., Lu J.Q., Hoekstra A.G. Systematic comparison of the discrete dipole approximation and the finite difference time domain method.
128
2.6.2. Параметры моделирования
Для вычислений на основе МДД использовалась программа ADDA 0.76 с настройками по умолчанию (см. подраздел 2.4.2), за исключением критерия остановки итерационного метода, который составлял εit = 10−3. Это значение больше чем значение по умолчанию, но достаточное для точности, требуемой в данном разделе (как показано в подразделе 2.6.3).
Используемая программная реализация КРВО была разработана в Лаборатории биомедицинских применений лазеров (Biomedical laser laboratory) Университета Восточной Каролины (East Carolina University) [196] на основе метода, описанного Янгом и Лиоу (Liou) [192], с поправкой на численную дисперсию, описанной Тафловым и Хагнесс (Hagness) [31,198]. Программа написана на Фортране 90 и использует стандарт MPI для общения между процессорами, поэтому переносима практически на любую платформу. Падающее поле представляет собой гауссов импульс со средней длиной волны равной заданному значению, а на краях решётки используется граничное условие на основе идеально согласованного слоя Беренгера (Berenger) [199]. Для определения сходимости проводится несколько вычислений с временами, увеличивающимися с шагом равным времени, которое требуется падающей волне, что один раз пройти сквозь частицу. Когда разница между двумя последовательными результатами становится мала, или начинает осциллировать, считается, что сходимость достигнута.
Мы моделируем светорассеяние шарами с различными x и m = m′ + im″. m″
фиксировано и равно 1.5×10–5 – эта мнимая часть не влияет существенно на итоговые характеристики, но она может ускорять вычисления КРВО, по крайней мере для m′ = 1.02, как было показано в предварительных исследованиях (данные не приведены). Нижняя граница x равняется 10, а верхняя зависит от m′ (чтобы время вычислений было приемлемым) – она уменьшается от 80 до 20 при увеличении m′ от 1.02 до 2. Полный набор рассмотренных пар x, m′ приведён в таблице 9. Для каждого шара мы вычисляем эффективность экстинкции Qext, параметр асимметрии <cosθ > и матрицу Мюллера в одной плоскости рассеяния (угол рассеяния θ изменяется от 0° до 180° с шагом 0.25°). Из всей матрицы Мюллера мы анализируем только элемент S11 и степень линейной поляризации P. Ввиду сферической симметрии задачи достаточно моделировать одну поляризацию падающего излучения (см. подраздел 2.4.2), что позволяет сократить время почти вдвое как для МДД, так и для КРВО. Тот же приём используется и для модели двухслойного шара, описанной ниже. В данном разделе мы фиксируем
129
точность обоих методов. Используется самая грубая дискретизация, описываемая параметром dpl – число диполей (ячеек) на длину волны, которая удовлетворяет следующим условиям: относительная ошибка (ОО) Qext меньше чем 1% и СК ОО S11 меньше чем 25%. Моделирование проводилось на кластере Lemieux,* используя 16 узлов (каждый имеет 4 процессора Alpha EV6.8 1 ГГц и 4 ГБ памяти). Кластер прекратил свою работу 22 декабря 2006 г. после того, как все вычисления для шаров были завершены.
Во второй части данного раздела мы применяем оба метода к двум реалистичным моделям биологических клеток: эритроцита и предшественника B-лимфоцита (B-cell precursor, BCP). Мы рассматриваем их обоих погружёнными в физиологический раствор с показателем преломления 1.337, а в качестве падающего излучения рассматриваем HeNe лазер (0.633 мкм) – тогда длина волны в среде равна 0.473 мкм. Мы считаем, что падающий свет распространяется вдоль оси z, и вычисляем те же характеристики рассеяния, что и для шаров, за исключением <cosθ >. S11 вычисляется в плоскости yz для того же диапазона θ, а Qext вычисляется для падающего света, линейно поляризованного вдоль оси y.
Зрелый эритроцит можно описать как однородное осесимметричное двояковогнутое тело, для описания формы которого мы используем формулу (179) с
типичными параметрами: R1 = −14.3 мкм2, R2 = 38.9 мкм2, R3 = −4.57 мкм4 и R4 = −0.193, которые соответствуют эритроциту с диаметром 7.65 мкм и максимальной толщиной 2.44 мкм (см. рис. 29). Для общности рассмотрения мы ориентировали эритроцит так,
что его ось лежит в плоскости yz и составляет угол 30° с осью z. Мы установили показатель преломления (относительно среды) равным 1.045 + 8×10−5i, что соответствует средней концентрации гемоглобина (см. раздел 3.1). Заметим, что m″ для эритроцита отличается от всех остальных рассеивателей в этом разделе.
Мы использовали культуру клеток NALM-6 – человеческие BCP, полученные из периферической крови больного острой лимфобластической лейкемией [200]. Форма BCP была построена по набору изображений слоёв, полученных на конфокальном микроскопе. Подготовка образцов, используемые красители, процедуры получения конфокальных изображений и построения трёхмерной формы детально описаны в работе [197]. В данном разделе использовалась построенная модель клетки #8 (см. рис. 30, дополнительные рисунки в [197]), которая состоит из цитоплазмы и ядра, для которых мы установили m′ = 1.023 и 1.071 соответственно (так же, как в предыдущих
* http://www.psc.edu/machines/tcs/
130
1
-3 |
-2 |
-1 |
1 |
2 |
3 |
r, мкм |
-1
z, мкм
Рис. 29. Профиль типичного эритроцита, используемого для моделирования.
Рис. 30. Изображение предшественника B-лимфоцита, полученное с помощью конфокального микроскопа.
исследованиях BCP [197,201]). При этом используется такая же m″, как для шаров. Мы использовали ориентацию BCP по умолчанию, т.е. ось z перпендикулярна конфокальным слоям.
В качестве промежуточной между однородными шарами и реальными биологическими клетками задачи рассмотрим модель двухслойного шара, являющуюся приближением для вышеописанной формы BCP (с теми же объёмами ядра и цитоплазмы). Для этой модели внутренние и внешние радиусы равны 4.14 и 5.13 мкм соответственно (x = 68.1), а показатели преломления те же, что и для BCP. Для двухслойного шара мы пробовали разные дискретизации, чтобы достичь ту же точность, что и для шаров. А для биологических частиц, мы использовали единственную дискретизацию ввиду отсутствия точного решения, с которым можно было бы сравнить. Для BCP дискретизация бралась аналогично двухслойному шару, а
для эритроцита – аналогично шарам с m′ = 1.08 (см. таблицу 11).
Вычисления для биологических клеток и двухслойного шара проводились на другой аппаратной платформе – мы использовали 32 узла кластера LISA (см. параграф
131