Escolar Documentos
Profissional Documentos
Cultura Documentos
Relatório de MBMAT - Teodoro Brás PDF
Relatório de MBMAT - Teodoro Brás PDF
FACULDADE DE CIÊNCIAS
DEPARTAMENTO DE MATEMÁTICA
Modelos Biomatemático
Interactions Between the Immune System and Cancer: A Brief Review of Non-spatial
Mathematical Models
Teodoro Brás
Janeiro / 2020
Conteúdo
1 Introdução 3
6 Conclusão 11
A Anexo 12
Referências 14
1 Introdução
Nos últimos anos, surgiram evidências indicando que o sistema imunológico pode reconhe-
cer e eliminar tumores malignos (Paris [19]; Smyth et al. [23]). Muita pesquisa centrou-se
em como melhorar a atividade anti-tumores, estimulando o sistema imunológico com vaci-
nas ou por injeção direta de células T ou citocinas (Rosenberg [20]; Rosenberg et al. [21]).
Naturalmente, o desenvolvimento de terapias imunológicas poderosas do cancro exige pri-
meiramente uma compreensão dos mecanismos que governam a dinâmica do crescimento
do tumor. Nos últimos 20 anos, tornou-se evidente que o conceito simplificado de um único
tipo de célula normal é inadequado; interações entre múltiplas células e produtos quı́micos
desempenham papéis fundamentais na iniciação e progressão de tumores (Kammerto et
al. [13]; Mueller e Fusenig [17]).O microambiente de tumor inclui células imunológicas ,
fibroblastos e outras células do tecido conjuntivo, células endotélias, isto é, que revestem as
paredes interiores dos vasos sanguı́neos. As interações entre as células com tumor e outros
componentes do microambiente de tumores são complexas e em constante mudança (por
exemplo, porque os pontos fortes de interação são dependentes da densidade ou depen-
dentes da concentração). Consequentemente, a compreensão dessas interações o suficiente
para derivar imunoterapias contra o câncer (por exemplo, vacinas), provou ser uma tarefa
muito desafiadora (Gajewski [9]; Rosenberg et al. [21]).
Como uma ferramenta para dar sentido às interações entre os vários componentes do micro-
ambiente de tumor, os pesquisadores têm usado modelos matemáticos (ver, por exemplo,
de Boer et al. [5]; de Pillis et al.[6]; Goldstein et al. [10]; Kronik et al. [14]). Os modelos
podem investigar interações em diferentes escalas biológicas (por exemplo, escalas mole-
culares, celulares e de tecidos), e também podem investigar as propriedades emergentes do
sistema, mesmo quando as propriedades dos componentes individuais não são totalmente
conhecidas. Esses modelos matemáticos são usados para destilar os componentes essenci-
ais das interações, identificando assim os mecanismos mais plausı́veis que podem levar aos
resultados observados.
A maioria das investigações se concentra em modelos espaciais, que são descritos por
equações diferenciais com derivadas parciais (PDEs) (por exemplo, Araujo e McElwain
[2]), e poucos que se baseam em modelos não espaciais, que são decrito por equações di-
ferenciais ordinárias (ODEs) (por exemplo, Adam e Bellomo[1])
O artigo em estudo baseasou-se em modelos de ODE, do mais simples ao mais complexo.
3
2 Modelos de uma equação: Crescimento de tumor
O primeiro passo na compreensão do crescimento do tumor é simplesmente para descre-
ver os padrões de crescimento. Gompertz [11] explicou pela primeira vez este tipo de
crescimento, modelando matematicamente a replicação celular e a morte. Seu modelo
simples produz uma curva de crescimento populacional (Fig. 1(b)), que mostra o cres-
cimento acelerado para pequenas populações e desacelerando o crescimento para grandes
populações.Para o caso de uma população com células de tumor, a dinâmica de desace-
leração exibida pela curva pode ser explicada pelo nı́vel de nutriente finita disponı́vel para
as essas células.
A partir desse modelo, muitos outros modelos matemáticos foram derivados para se
enquadrar e explicar dados do crescimento de tumor, de modo exstir a sobrevivência do
paciente. Ainda sim, alguns modelos assumem que os tumores crescem exponencialmente.
A equação mais geral que descreve a dinâmica do crescimento de tumor pode ser escrita
por:
x0 = xf (x) (1)
onde x é o tamanho da população celular no momento t, x(0) > 0, e o fator f (x) especi-
fica a dependência de densidade na proliferação e morte de células tumorais. O fator de
dependência da densidade pode ser escrito de forma mais explı́cita
onde p(x) descre ploriferação da célula e d(x) descreve a morte celular.Os exemplos mais
simples podem expressos como lei de potência,
4
Bertalanffy [24]). Se px = a e d(x) = blnx, então (1) reduz para o modelo de Gompertz
(Laird 1964 [16]). Tais modelos foram revisados a partir da perspectiva de descrição do
crescimento (Bajzer et al. [3]) e de uma perspectiva clı́nica, ou seja, capacidade de prever
recaı́da ou resposta à quimioterapia (Panetta [18]) (Anexo A, figura 5). A equação (1)
aprsenta o o modelo de crescimento do tumor, para (p(x) > d(x) o tumor cresce (Anexo
A, figura 5(a)), decrescimento ou a morte do tumor (p(x) < d(x), (Anexo A, figura 5(b)),
para (Anexo A, figura 5(c)) o tumor cresce e decresce, ou seja (p(x) = d(x)). No entanto,
o comportamento descrito na figura 5(c) do anexo A, pode ser obtido com um modelo de
uma equação que incorpore um termo tratamento que depende tempo (Sachs et al. [22]),
5
y 0 = py (x, y) − dy (x, y) − ay (y) + φ(t) (7)
ay (y) = dy (12)
φ(t) = s (13)
6
dos parâmetros foram: (a) s = 0.318, d = 0.1908, b = 2.10−3 ; (b) s = 0.318, d = 2, 0,
b = 4.10−3 ; (c) s = 0.1181, d = 0.3743 , b = 2.10−3 . Para todos os três painéis, os restantes
parâmetros foram: ρ = 1.131, g = 20.19, m = 0.00311, a = 1.636, n = 1. Os painéis (d) -
(f) foram obtidos utilizando o modelo de Sotolongo-Costa et al. (2003) Com as condições
iniciais x(0) = 2.1, y(0) = 2.7 para o painel (d), e x(0) = 5.3, y(0) = 6.7 para panile
(e) e (f). Usando a notação em Sotolongo-Costa et al. (2003), Os valores dos parâmetros
foram os seguintes: (d) V = 0 , β = 0.34; (e) V = 0.25, β = 0.34; (f) V = 0.25, β = 0.32;
restantes parâmetros: α = 2.0, k = 0.2, σ = 0.05.
7
Em (14), f (x) descreve a modulação do crescimento de células de cancro por meio de
auto-regulação, enquanto dx (x, y, z)z é a taxa a que as células cancerosas são mortas em
interacções com os outros dois tipos de células, y e z. O termo py (x, y, z) e pz (x, y, z) (em
(15) e (16)) dão as taxas que os tipos y e z de células crescem na presença de células
cancerosas. Os termos de ay (y) az (z) descrevem a apoptose (morte celular), enquanto que
os termos de dy (x, y) e dy (x, y) descrevem a inactivação de células imunitárias por células
cancerosas. Na figura 7 no anexo A, para as condições iniciais e os parâmetros usados e as
notações (Moore e Li 2004), são: (a) rc = 0.23, e a condição inicial x(0) = 104 , y(0) = 50,
z(0) = 2500; (c) rc = 0.23 e a condição inicial x(0) = 104 , y(0) = 30, z(0) = 2500;
(e) rc = 0.43, e a condição inicial x(0) = 104 , y(0) = 50, z(0) = 2500. Os valores dos
parâmetros restantes foram: sn = 0.071, dn = 0.05, de = 0.12, dc = 0.68, kn = 0.063,
η = 43, αn = 0.56, αe = 0.93, cmax = 19.104 , γe = 1.9x10−3 , γc = 0, 048. Painéis (b),
(d), e (f) foram feitas utilizando o modelo de Kirschner e Panetta (1998) Com condições
iniciais y(0) = 10, x(0) = 105 , Z(0) = 0. Os valores dos parâmetros (usando a notação em
Kirschner e Panetta 1998) São: (b) c = 0, 002, (d) c = 0.05, (f) c = 0.02; e os restantes
parâmetros p1 = 0.1245, g1 = 2.107 , µ2 = 0.03, r2 = 0.18, b = 10−9 , a = 1, g2 = 105 ,
µ3 = 10, p2 = 5, g3 = 103 .
No seu modelo, os auotores consideram o crescimento do tumor logı́stica (f (x) = r(1−bx)),
morte linear de células imunes (ay (y) = i1 y, az (z) = i2 z) e termos de inativação bilinea-
res (dy (x, y) = pxy, dz (x, z) = qxz). As células CD8+ T e as células NK podem eliminar
as células com cáncer por si própras (e não há efeito articular); portanto, o termo de
eliminação pode ser escrita dx (x, y, z) = dyx (x, y) + dzx (x, z).Aqui dyx (x, y) descreve a eli-
minação de células cancerosas pelas células NK, enquanto dzx (x, z) pelas células CD8+ T.Em
particular, a lise das células tumorais por células NK pode ser explicado pela interacção
da forma dyx (x, y) = cxy 1.44 ,enquanto que a lise induzida por células CD8+ T é melhor
descrita por um termo racional que depende das proporções de células CD8+ T por células
d0 (z/x)λ
tumorais (z/x) : dzx (x, z) = 1+(z/x) λ . As células pelo sistema imunitário é melhor descrita
g0 x2 y
py (x, y, z) = (17)
dzx (x, z) + x2
8
competição diferentes:
A competição por recursos entre as células normais e células cancerosas.
f (x) = r1 (1 − b1 x) (19)
dx (x, y, z) = c2 xy + c3 xz (20)
ρxy
py (x, y, z) = (21)
α+x
pz (x, y, z) = r2 z (1 − b2 z) (22)
ay (y) = d1 y (23)
az (z) = 0 (24)
dz (z) = c1 xz (25)
dz (x, z) = c4 xz (26)
dz (x, z) = s (27)
φz (t) = s (28)
φz (t) = 0 (29)
9
Figura 4: Modelos de quatro componentes de interacções do sistema imunológico com
o cancro. (a) os modelos que envolvem dois tipos de célula e dois tipos de moléculas
de sinalização. (b) os modelos envolvem três tipos de células e um tipo de molécula de
sinalização
10
6 Conclusão
Os modelos matemáticos fornecem um quadro teórico valioso através do qual os meca-
nismos imunoonlógicos podem ser descobertos ou esclarecidos. No entanto, ao nosso co-
nhecimento, a maioria dos mecanismos discutidos artigo em estudo, nunca foram testa-
dos experimentalmente. Apenas alguns dos modelos matemáticos aqui mencionados (por
exemplo, de Boer et al. [5]; Cappuccio et al. [4]) receberam atenção dos imunologistas.
Na maioria desses casos, os artigos imunológicos apenas reconhecem os resultados obtidos
com modelos matemáticos (por exemplo, di Carlo et al.[7]). Há muito poucos exemplos de
resultados experimentais ou clı́nicos sendo comparados com as previsões de modelos ma-
temáticos. Acreditamos que interações mais estreitas entre imunologistas e matemáticos
do câncer beneficiariam o campo.
11
A Anexo
Figura 5: Exemplos de possı́veis dinâmica de células malignas. (a) O crescimento do tumor. (b) eliminação do tumor.
(c) O crescimento do tumor seguido de eliminação. Gráfico (a) e (c) são baseadas em dados experimentais e são redesenhados
de Hamilton e Bretscher (2008). O gráfico (b) mostra decadência exponencial, que pode ocorrer em modelos matemáticos
descritos por (1)
Figura 6: A dinâmica do sistema imunológico de tumor, mostrado pelos modelos de duas equação descrita no secção.3.
A curva contı́nua mostra o tempo de evolução da população da células do cancro, enquanto a curva tracejada mostra a
evolução temporal da população de células imunológica. Em painéis (a) - (d), não há nenhum tratamento (ϕ(t) = 0). (a)
O tamanho do tumor diminui exponencialmente depois de interacções com as células do sistema imunológico; (b) Numa
primeira fase, o tamanho do tumor diminui através das interacções com as células imunológicas. Quando a população de
células imunológica desce abaixo de um certo nı́vel, o tumor cresce novamente. (c) o tamanho do tumor desce de um modo
oscilatório. (d) O tamanho do tumor cresce de uma maneira oscilatória. Isto também leva a um crescimento na população
de células imunológicas. A adição do tratamento periódico (ϕ(t) = 0 ou tempo de atraso pode levar a oscilações persistentes:
(e) oscilações com a coexistência de oscilações (f) com a eliminação temporária das células com tumores e células do sistema
imunológica, e. Painéis (a) - (c), foram obtidos com o modelo de Kuznetsov et al. (1994).
12
Figura 7: A curva contı́nua mostra a evolução no tempo da população de células de cancro. As outras duas (tracejadas
e pontilhadas) curvas mostram a evolução temporal de células imunológicas ou citocinas. Estes modelos de três equações
podem exibir a decadência exponencial (casos (a) - (b)) ou do crescimento de células tumorais (casos (c), (e)), deterioração
oscilatório (caso (d)), ou oscilações persistentes ( caso (f)). Para criar foram utilizados os modelos introduzidos em Kirschner
e Panetta (1998) e Moore e Li (2004)
13
Referências
[1] J. A. Adam and N. Bellomo. A survey of models for tumor-immune system dynamics.
Springer Science & Business Media, 2012.
[2] R. P. Araujo and D. S. McElwain. A history of the study of solid tumour growth: the
contribution of mathematical modelling. Bulletin of mathematical biology, 66(5):1039–
1091, 2004.
[9] T. F. Gajewski. Failure at the effector phase: immune barriers at the level of the
melanoma tumor microenvironment. Clinical Cancer Research, 13(18):5256–5261,
2007.
[11] B. Gompertz. Xxiv. on the nature of the function expressive of the law of human
mortality, and on a new mode of determining the value of life contingencies. in a
letter to francis baily, esq. frs &c. Philosophical transactions of the Royal Society of
London, (115):513–583, 1825.
[12] D. Hart, E. Shochat, and Z. Agur. The growth law of primary breast cancer as inferred
from mammography screening trials data. British journal of cancer, 78(3):382, 1998.
[13] T. e. B. T. Kammertoens, Thomas e Sch ”u ler. Imunoterapia: direcione o estroma
para atingir o tumor. Tendências em medicina molecular, 11(5):225–231.
[14] N. Kronik, Y. Kogan, V. Vainstein, and Z. Agur. Improving alloreactive ctl im-
munotherapy for malignant gliomas using a simulation model of their interactive
dynamics. Cancer Immunology, Immunotherapy, 57(3):425–439, 2008.
[16] A. K. Laird. Dynamics of tumour growth. British journal of cancer, 18(3):490, 1964.
[19] C. R. Parish. Cancer immunotherapy: the past, the present and the future. Immu-
nology and cell biology, 81(2):106–113, 2003.
[20] S. A. Rosenberg. Immunotherapy and gene therapy of cancer. Cancer research, 51(18
Supplement):5074s–5079s, 1991.
[22] R. Sachs, L. Hlatky, and P. Hahnfeldt. Simple ode models of tumor growth and anti-
angiogenic or radiation treatment. Mathematical and Computer Modelling, 33(12-
13):1297–1305, 2001.
[24] L. Von Bertalanffy. Quantitative laws in metabolism and growth. The quarterly
review of biology, 32(3):217–231, 1957.
15