A Modified Suspension-Balance Model for Deformable Particle Suspensions: Application to Blood Flows with Cell-Free Layer

Questo articolo propone un modello di bilancio di sospensione modificato che incorpora forze di portanza idrodinamica per simulare efficientemente i flussi sanguigni nei canali microvascolari, catturando con successo fenomeni chiave quali la formazione dello strato privo di cellule, i profili di ematocrito e di velocità, e gli effetti Fahraeus e Fahraeus-Lindqvist.

L'essenziale

Immaginate un'autostrada trafficata dove le auto sono in realtà minuscole, molli cellule del sangue rosse, e la strada è un vaso sanguigno microscopico. In un'autostrada normale, ci si aspetterebbe che il traffico sia distribuito uniformemente. Ma nei nostri corpi, queste "auto" hanno un'abitudine strana: odiano stare vicino alle pareti. Preferiscono radunarsi al centro della strada, lasciando una corsia vuota e libera proprio accanto al bordo.

Questa corsia vuota è chiamata Strato Libero da Cellule (Cell-Free Layer, CFL). È una caratteristica cruciale del flusso sanguigno che aiuta il nostro sangue a muoversi più velocemente e con meno attrito.

Il Problema: La vecchia mappa mancava una svolta

Gli scienziati cercano da anni di costruire modelli informatici per simulare come scorre il sangue. Usano quello che viene chiamato "Modello di Bilancio di Sospensione" (Suspension Balance Model, SBM). Pensate a questo modello come a un software di simulazione del traffico.

La vecchia versione di questo software era brava a prevedere che le auto si sarebbero spostate verso il centro della strada a causa del modo in cui si scontrano tra loro. Tuttavia, non riusciva a spiegare perché le auto fossero così desiderose di lasciare le pareti. Non riusciva a creare quella "corsia libera da cellule" vicino al bordo. Era come un GPS che sapeva che le auto si stavano muovendo, ma non sapeva che stavano attivamente evitando il cordolo.

La Soluzione: Un nuovo tasto "Spinta"

Gli autori di questo articolo, guidati da Hugo Castillo-Sánchez e Leonardo Liu, hanno deciso di riparare il software. Si sono resi conto che, poiché le cellule del sangue sono molli (deformabili), esse generano una speciale forza invisibile quando si avvicinano troppo a una parete.

Lo chiamano Forza di Portanza (Lift Force).

• L'Analogia: Immaginate di nuotare vicino al lato di una piscina. Mentre vi muovete, l'acqua vi spinge leggermente lontano dalla parete. Per le cellule del sangue, questa "spinta" è molto più forte perché sono deformabili e cambiano forma mentre si stringono per passare accanto alla parete.
• La Correzione: Il team ha aggiunto questa "Forza di Portanza" al loro modello informatico. Hanno creato un Modello di Bilancio di Sospensione Modificato (MSBM). Ora, il software non si limita a osservare le auto; le spinge attivamente lontano dalla parete, proprio come l'acqua spinge un nuotatore.

Cosa è successo quando hanno eseguito la simulazione?

Quando hanno attivato questa nuova "Forza di Portanza" nel loro computer, i risultati sono cambiati drasticamente:

1. La Corsia Vuota è Apparsa: La simulazione ha creato con successo quella zona libera vicino alla parete (il CFL) che vediamo nella realtà.
2. Il Ingorgo nel Mezzo: Le cellule del sangue si sono ammassate al centro, creando un nucleo denso.
3. La Forma del Flusso: Poiché le cellule erano raggruppate al centro e i bordi erano liberi, il sangue non scorreva in un arco curvo fluido (come un fiume normale). Invece, scorreva come un tappo solido o un pistone, con una parte superiore piatta. Questo è esattamente ciò che accade nei microvasi reali.

Testare il Nuovo Modello

Il team non ha solo tirato a indovinare; ha testato il suo nuovo modello contro dati del mondo reale e altre simulazioni complesse:

• Viaggio nel Tempo: Hanno osservato come la "corsia vuota" si formasse nel tempo. Iniziava con le cellule ovunque e, lentamente, la "Forza di Portanza" le spingeva lontano dalle pareti finché la corsia non risultava libera. Questo corrispondeva alla velocità e al comportamento osservati negli esperimenti con telecamere ad alta velocità.
• L'Effetto Fåhræus: Questo è un termine altisonante per un'osservazione semplice: il sangue scorre più velocemente nei tubi minuscoli di quanto ci si aspetti, e la concentrazione di cellule al centro è diversa dalla concentrazione all'uscita. Il loro nuovo modello ha predetto tutto questo perfettamente.
• L'Effetto Fåhræus-Lindqvist: Questa è l'osservazione che il sangue diventa "più fluido" (meno viscoso) quando scorre attraverso tubi molto piccoli. Il loro modello ha catturato anche questo, mostrando come la corsia libera vicino alla parete riduca l'attrito, rendendo più facile il flusso del sangue.

In Breve

L'articolo sostiene che, aggiungendo una semplice "spinta" (la forza di portanza) al loro modello informatico, ora possono simulare accuratamente come si comporta il sangue nei piccoli vasi.

• Cosa fa: Cattura la formazione dello strato libero da cellule, il flusso a tipo "tappo" e i famosi effetti "Fåhræus" che rendono efficiente il flusso sanguigno nei nostri corpi.
• Cosa non fa (ancora): Gli autori ammettono che per i tubi molto grandi (oltre i 40 micrometri), il modello spinge le cellule via un pochi troppo. Sospettano che ciò sia dovuto al fatto che il loro modello non tiene ancora conto di come le cellule si "schermino" a vicenda dalla parete quando sono ammassate insieme. Prevedono di risolvere questo problema nei lavori futuri.

In breve, hanno costruito un gemello digitale migliore per il flusso sanguigno, che comprende che le cellule del sangue rosse non sono solo passeggeri passivi, ma sono nuotatori attivi che si spingono lontano dalle pareti per mantenere libera l'autostrada.

Sommario tecnico

Sintesi Tecnica: Un Modello di Bilancio di Sospensione Modificato per Sospensioni di Particelle Deformabili

Definizione del Problema
Modellare il flusso di globuli rossi (RBC) e di altre sospensioni di particelle deformabili in geometrie confinate presenta sfide significative dovute alla natura intrinsecamente non lineare, alle interazioni multi-corpo e ai comportamenti reologici non newtoniani. Un fenomeno critico nella microcircolazione è la formazione di uno strato privo di cellule (CFL - cell-free layer), una regione vicino alla parete impoverita di RBC. Questo strato è fisiologicamente essenziale per mantenere una bassa viscosità apparente e promuovere la marginazione piastrinica. Sebbene i modelli computazionali diretti su scala cellulare possano catturare la formazione del CFL, essi sono spesso computazionalmente proibitivi per simulazioni su scala di reti vascolari o d'organo. Al contrario, i modelli continui esistenti, come il convenzionale Modello di Bilancio di Sospensione (SBM), spesso non riescono a catturare il CFL poiché non tengono adeguatamente conto delle forze di portanza idrodinamica indotte dalla deformabilità che spingono le particelle lontano dalle pareti.

Metodologia
Gli autori propongono un Modello di Bilancio di Sospensione Modificato (MSBM) che integra l'attuale framework SBM con un termine di forza di portata specifico per tenere conto delle interazioni idrodinamiche parete-RBC.

• Framework Teorico: Il modello mantiene le equazioni standard di conservazione della massa e della quantità di moto per la fase di sospensione bulk e per la fase particellare. La modifica principale risiede nel bilancio della quantità di moto della fase particellare. Il convenzionale SBM tiene conto della migrazione delle particelle guidata dalla divergenza dello stress della fase particellare ($\nabla \cdot \langle \Sigma \rangle_p$) e dal drag da sedimentazione impedita. L'MSBM introduce un termine aggiuntivo di forza di portanza mediata sul volume, $\phi L_\perp$, derivato da osservazioni sperimentali di vescicole deformabili e RBC.
• Formulazione della Forza di Portanza: La forza di portanza è modellata come una funzione del tasso di deformazione locale ($\dot{\gamma}$), della distanza dalla parete ($h$) e di un parametro di volume ridotto ($\nu$). Il termine assume la forma $L_\perp \propto \frac{\dot{\gamma}}{(h+h_0)^\beta}$, dove $\beta$ è un coefficiente di legge di potenza regolato per riflettere la dipendenza dalle particelle (specificamente per gli RBC) e $h_0$ è un fattore geometrico per evitare singolarità alla parete.
• Implementazione Numerica: L'MSBM è stato implementato in OpenFOAM, estendendo l'esistente solver SbmFoam per creare SbmBloodFoam. Il solver utilizza un approccio Finite-Volume-Method (FVM). Per validare il modello continuo, gli autori hanno impiegato un solver di flusso sanguigno multiscala validato sperimentalmente basato sul metodo Lattice Boltzmann (LB) e su modelli di capsule deformabili a grana grossa per gli RBC.

Risultati Chiave
Lo studio dimostra la capacità dell'MSBM di simulare i flussi sanguigni in canali e tubi microvascolari, catturando comportamenti transitori e stazionari:

1. Formazione del CFL e Profili di Velocità: A differenza del convenzionale SBM, che predice un profilo di velocità parabolico e una concentrazione non nulla alla parete, l'MSMS cattura con successo la formazione di un CFL e il risultante profilo di velocità di tipo "plug-flow" caratteristico del sangue. Il modello mostra che l'aumento del parametro di forza di portanza ($\beta$) aumenta lo spessore del CFL.
2. Sensibilità Parametrica:
   • Ematocrito Bulk ($\phi_b$): All'aumentare di $\phi_b$, lo spessore del CFL diminuisce, in linea con la letteratura.
   • Concentrazione di Impacchettamento Massima ($\phi_m$): Valori più elevati di $\phi_m$ (che rappresentano un maggiore aggregamento o propensione all'impacchettamento degli RBC) portano a CFL più spessi e picchi di ematocrito centrale più elevati.
3. Evoluzione Temporale: Il modello cattura lo sviluppo transitorio del CFL. Inizialmente, l'ematocrito è uniforme; con il passare del tempo, gli RBC migrano verso il centro, formando uno strato depauperato di cellule vicino alla parete e un nucleo concentrato, raggiungendo infine uno stato stazionario.
4. Validazione rispetto a Teoria ed Esperimenti:
   • Flusso di Taglio Semplice: Il modello riproduce la scalatura lineare dello spessore cubico del CFL ($\delta_{CFL}^3$) con il tempo adimensionale ($t\dot{\gamma}$) a brevi scale temporali, corrispondendo alle leggi di scalatura osservate negli esperimenti di migrazione di singole particelle.
   • Flussi in Canale: Le predizioni dell'MSBM si allineano bene con i dati sperimentali di Losserand et al. e Salame attraverso varie altezze di canale ed ematocriti bulk.
   • Flussi Tubolari: Il modello cattura con successo l'Effetto Fåhræus (ematocrito di scarico superiore all'ematocrito del tubo) e l'Effetto Fåhræus-Lindqvist (diminuzione della viscosità apparente con la diminuzione del diametro del vaso). La viscosità apparente predetta e i rapporti di ematocrito mostrano una buona concordanza con le correlazioni empiriche (es. Pries et al.) e i dati sperimentali, particolarmente per vasi con diametro inferiore a 40 µm.

Significatività e Rivendicazioni
L'articolo stabilisce un nuovo framework computazionale continuo che cattura efficientemente l'eterogeneità microstrutturale e il comportamento di flusso non newtoniano di sospensioni di particelle deformabili concentrate sotto confinamento. Gli autori affermano che, incorporando una forza di portanza indotta dalla deformabilità, l'MSBM colma il divario tra le costose simulazioni discrete di particelle e i modelli continui meno accurati.

Il lavoro è presentato come un passo verso applicazioni biomediche e industriali efficienti su larga scala. Gli autori notano con modestia che, sebbene il modello funzioni bene per vasi più piccoli, sovrastima leggermente il CFL e l'effetto Fåhræus-Lindqvist per tubi più grandi (>40 µm). Attribuiscono ciò alla mancanza di un "effetto di screening delle particelle" nella formulazione attuale della forza di portanza, che terrebbe conto della riduzione delle forze di portanza nelle regioni cariche di particelle a causa delle interazioni di lubrificazione particella-parete. Questa limitazione è identificata come un soggetto per lavori futuri piuttosto che un fallimento attuale del modello.