“Spaghetti Models”, czyli sposób na śledzenie postępowania raka

Posługując się modelami matematycznymi, naukowcy z programu IMO (Integrated Mathematical Oncology) w centrum Moffitt Cancer Center, skoncentrowali się na interakcjach między nowotworami i ich tak zwanym „mikrośrodowiskiem” a „siłami selektywnymi”, które w tym środowisku odgrywają rolę mającą znacznie dla wzrostu i rozwoju nowotworu. Badania na ten temat zostały opublikowane w przeglądach naukowych Molecular Pharmaceutics, a także Cancer Research.

Doktor Alexander R.A. Anderson, przewodniczący Integrated Mathematical Oncology, mówi: matematyczne modele mogą być użytecznym narzędziem w badaniach nad progresją raka, ponieważ pozwalają lepiej zrozumieć środowisko nowotworu.

Rak jest bardzo złożoną chorobą, którą niosą przeróżne interakcje zachodzące między komórkami nowotworowymi a mikrośrodowiskiem nowotworu, wyjaśnia jeszcze doktor Alexander R.A. Anderson. Opracowując matematyczne modele, które opisują wzrost guza oraz odpowiadają na zmiany w jego otoczeniu (zmiany takie, jak zastosowane lekarstwa, na przykład), możemy lepiej zrozumieć w jaki sposób pojedynczy pacjent może odpowiedzieć na różne terapie.

Doktor Robert Gillies, przewodniczący jednostki obrazowania i metabolizmu w centrum Moffitt Cancer Center, również pracujący w tym programie, mówi: ważne jest, aby spróbować skojarzyć techniki obrazowania nowotworu z matematycznymi modelami jego wzrostu.

Obrazowanie jest kluczem do działającego modelu matematycznego, mówi doktor Robert Gillies, ponieważ obrazowanie można prowadzić cały czas i pozwala ono przyjrzeć się aktywnie zachodzącym zmianom w nowotworze, które są przewidziane przez modele.

Doktor Robert Gatenby, również z tego projektu, wyjaśnia: ponieważ rak stale ewoluuje, powinien być stale monitorowany, w czasie i w przestrzeni.

Nieinwazyjne techniki obrazowania wychwytują zmiany w nowotworach, a matematyczne modele, które są bardzo rygorystyczne, mogą być użyte w badaniach nad rakiem, dodaje Robert Gatenby.

Obrazowanie kliniczne oraz matematyczne modele współpracujące ze sobą dadzą lekarzom bardzo wiarygodne narzędzie przewidywania.

Zupełnie tak samo, jak meteorologowie tworzą tak zwane „spaghetti models” na podstawie obrazów satelitarnych, aby przewidzieć miriady możliwych ścieżek, którymi podążą huragany, tak lekarze będą w stanie wygenerować podobne modele dotyczące ryzyka dla pacjenta, najlepszych możliwych terapii, a także ryzyka nawrotów, mówi doktor Alexander R.A. Anderson.

Posługując się specyficznymi informacjami na temat danego pacjenta, takimi jak rozmiar guza, leczenie, które już zostało wdrożone, miejsce, w którym rośnie nowotworów, możemy przewidzieć w jaki sposób guz może rosnąć w miarę upływu czasu, czy też będzie się kurczyć, oraz w jaki sposób odpowie na różne kombinacje strategii terapeutycznych.

Dzięki kombinacji modelów matematycznych, biologicznych eksperymentów oraz obrazowania, jesteśmy w stanie stworzyć spersonalizowane terapie, mówi doktor Alexander R.A. Anderson.

Matematyczne modele, które powstały w programie Integrated Mathematical Oncology są już stosowane w badaniach klinicznych.

Fibroblasty przyczyniają się do wzrostu nowotworów

Posłużyliśmy się techniką integrującą matematykę i eksperymenty, aby przekonać się czy komórki czerniaka złośliwego rekrutują, aktywują i stymulują fibroblasty tak, że te tworzą złogi niektórych protein znanych z tego, że służą one komórkom tego raka do przeżycia, wyjaśnia doktor Alexander R.A. Anderson.

Fibroblasty to najpowszchniejsza tkanka łączna funkcjonująca w komórkach macierzy i są znane z tego, że aktywują je i przyciągają do siebie komórki nowotworowe. Kiedy badacze z Integrated Mathematical Oncology przestudiowali związek między fibroblastami a nowotworami, przy użyciu matematycznych modeli, odkryli, że fibroblasty mają bezpośrednie działanie na zachowanie czerniaka złośliwego, włączając w to wspomaganie wzrostu nowotworu oraz odporność nowotworu na leki.

Śmiertelne glejaki lepiej zrozumiane dzięki matematycznym modelom

Badacze z Integrated Mathematical Oncology opracowali również matematyczne modele pozwalające obserwować postępowanie glejaków, czyli śmiertelnych i agersywnych nowotworów mózgu.

Matematyczne modele powiększają obrazy oraz histologiczną gradację glejaków, w zależności od wzorów wzrostu ich naczyń krwionośnych (angiogeneza), a także biorą pod uwagę zmiany w komórkach nowotworu oraz zmiany w jego środowisku.

Kiedy naukowcy przyglądali się różnicom między uzyskanymi schematami a aktywnością nowotworu zaobserwowaną w czasie obrazowania, opracowali model matematyczny oparty na zmianach w wyglądzie komórki, proliferacji oraz proporcji inwazji. Nowy model pomógł poprawić zdolności prognostyczne.

Możliwość zidentyfikowania i przewidzenia wzorów dynamicznych zmian w histologii glejaka, jako różnych zmian w wyglądzie komórki i proliferacji, może stanowić bardzo silne narzędzie kliniczne, mówi doktor Alexander R.A. Anderson.

Program Integrated Mathematical Oncology dostaje dofinansowanie

Pod koniec 2011 roku, grupa badaczy działająca w ramach programu IMO, otrzymało 3 000 000 grantów od amerykańskiego narodowego instytutu zdrowia, National Institutes of Health, na stworzenie matematycznych modeli pozwalających przewidzieć agresywność raka prostaty.

Wiadomo, że niektóre nowotwory prostaty rosną wolniej niż te agresywne. Możliwość rozróżniania tych postaci nowotworów jest więc sprawą kluczową, jeżeli chcemy leczyć tylko te agresywne. Prawdopodobnie, jest bardzo wielu pacjentów, którzy nie będą potrzebowali leczenia, jeżeli uda się dokonać takiego rozróżnienia.