En utilisant des modèles mathématiques, des chercheurs de l'oncologie intégrée mathématique (OMI) au programme de Moffitt Cancer Center concentrent leur recherche sur l'interaction entre la tumeur et son microenvironnement et les "forces sélectives" dans ce microenvironnement qui jouent un rôle dans la croissance et l'évolution de le cancer.
Selon Alexander RA Anderson, Ph.D., président de l'OMI, les modèles mathématiques peuvent être des outils utiles pour l'étude de la progression du cancer en tant que lié à la compréhension de l'écologie tumeur.
«Le cancer est une maladie complexe entraînée par les interactions entre cellules tumorales et le microenvironnement de la tumeur», a déclaré Anderson. «En développant des modèles mathématiques qui décrivent comment les tumeurs se développer et répondre aux changements de leur environnement (tels que le traitement), nous pouvons mieux comprendre comment un patient individuel pourrait répondre à toute une série de thérapies différentes."
Robert Gillies, Ph.D., président de l'imagerie et le métabolisme au Moffitt, travaille en étroite collaboration avec Anderson et Robert Gatenby, MD, président de l'imagerie diagnostique. Ils disent qu'il est important de coupler l'imagerie des tumeurs avec la construction de modèles mathématiques.
«L'imagerie est un élément clé pour valider la modélisation mathématique", a déclaré M. Gillies. "Parce que l'imagerie peut être effectuée au cours du temps, il nous donne un bon aperçu de l'évolution des systèmes activement dans les tumeurs qui sont prédites par les modèles."
Pour Gatenby, parce que le cancer est une évolution, le système en constante évolution non linéaire, il doit être suivi dans le temps et l'espace.
«L'imagerie non invasive des modifications capture tumorales, et les modèles mathématiques, qui sont beaucoup plus rigoureux que la langue, peuvent ensuite être utilisés dans la recherche du cancer," a déclaré Gatenby.
L'imagerie clinique et la modélisation mathématique combinée offrira aux cliniciens un outil précieux prédictive. Un outil sera familier. Tout comme les météorologues de développer "des modèles spaghetti" à partir d'images satellites pour prédire les chemins multiples possibles des ouragans, Anderson dit, ils seront en mesure de générer des modèles similaires à informer les cliniciens sur le risque d'un patient, les traitements qui peuvent être le meilleur, et si une rechute est possible.
«En intégrant des informations spécifiques sur un patient, tels que la taille de leur tumeur, les traitements qu'ils ont eues, l'organe que le cancer est de plus en plus, nous pouvons prédire avant dans le temps comment la tumeur grandir, rapetisser, et de répondre aux différents des combinaisons de thérapies. Par les résultats de l'imagerie, les expériences biologiques et des modèles mathématiques, nous sommes le leader mondial dans la médecine spécifique au patient, "a déclaré Anderson.
Les modèles mathématiques générées par les chercheurs de l'OMI sont déjà trouver des utilisations cliniques.
Les fibroblastes de contribuer à la croissance tumorale du mélanome
"Nous avons utilisé une approche intégrée mathématique et expérimentale afin de déterminer si le mélanome cellules recruter, activer et stimuler les fibroblastes pour déposer certaines protéines connues pour être pro-survie pour les cellules de mélanome," dit Anderson.
Les fibroblastes, le fonctionnement du tissu conjonctif dans la plus courante de la matrice extra-cellulaire, ont été connus pour être activés par et établi pour les cellules cancéreuses. Quand ils ont étudié la relation entre les fibroblastes et les tumeurs en utilisant des modèles mathématiques, Anderson et ses collègues ont constaté que les fibroblastes ont des effets directs sur le comportement tumeur de mélanome, y compris aider la croissance tumorale et la résistance aux médicaments tumeur. Ils ont publié leurs résultats dans le domaine pharmaceutique moléculaires.
Glioblastomes mortels mieux comprise grâce à des modèles mathématiques
Chercheurs de l'OMI et ses collègues ont également développé des modèles mathématiques pour étudier la progression du gliome, une forme agressive et mortelle de cancer du cerveau. Les modèles mathématiques d'augmenter l'imagerie et le classement histologique des gliomes, notés sur leurs habitudes de croissance des vaisseaux sanguins (une caractéristique angiogénique) et incorporant les changements cellulaires et microenvironnement de la tumeur.
Lorsque les chercheurs ont observé une disparité entre les régimes de classement et de l'activité tumorale observée grâce à l'imagerie, ils ont développé un modèle mathématique basé sur les variations des taux apparence, la prolifération et l'invasion cellulaire. Le nouveau modèle amélioré la capacité prédictive et pronostique.
«Être capable d'identifier et de prédire les modèles de changements dynamiques dans les gliomes histologie comme distincte de modifications cellulaires dans l'apparence et la prolifération peuvent constituer un outil puissant clinique», a déclaré Anderson.
Ils ont publié cette étude dans un numéro récent de la recherche sur le cancer.
OMI reçoit 3 millions de dollars du NIH pour développer des modèles mathématiques de cancer de la prostate
Comme 2011 clôturé, un groupe dirigé par Anderson et ses collègues débarqué une subvention de 3 millions de dollars de la National Institutes of Health pour créer des modèles mathématiques pour prédire l'agressivité du cancer de la prostate. Il est bien connu que certains cancers de la prostate sont à croissance lente tandis que d'autres sont agressifs. Pour être capable de discriminer entre les deux est essentielle si nous voulons traiter seulement les agressifs, et il ya beaucoup de patients potentiellement susceptibles de ne pas besoin d'un traitement si l'on peut faire cette distinction.
Pour construire les modèles, les chercheurs utiliseront des échantillons de tissus donnés par cancer de la prostate pour capturer les mécanismes de signalisation dans les cellules tumorales et de comprendre comment la signalisation différente dans altère les cellules tumorales comment ils se comportent. Grâce à ces données, ils seront en mesure d'identifier et de modéliser les caractéristiques de cancers de la prostate agressifs. Une seconde étape clé sera de valider ces modèles sur le plan clinique nouvellement construits mathématiques, contre un groupe indépendant de patients, comme facteurs prédictifs de cancers de la prostate agressifs.
Aucun commentaire:
Enregistrer un commentaire