Используя математические модели, исследователи из программы комплексной математической онкологии (IMO) онкологического центра Моффитт фокусируют свои исследования на взаимодействии между опухолью и ее микросредой и "селективные силы" в той микросреде, которая играет роль в росте и эволюции рака.
По словам Александра Р. А. Андерсон, доктор философии.D., Председатель ИМО, математические модели могут быть полезными инструментами для изучения прогрессирования рака в связи с пониманием экологии опухоли.
"Рак – это сложное заболевание, вызванное взаимодействием опухолевых клеток и микросреды опухоли," Андерсон сказал. "Разрабатывая математические модели, которые описывают, как опухоли растут и реагируют на изменения в окружающей среде (например, на лечение), мы можем лучше понять, как отдельный пациент может реагировать на целый набор различных методов лечения."
Роберт Гиллис, доктор философии.D., заведующий отделом визуализации и метаболизма в Moffitt, тесно сотрудничает с Андерсоном и Робертом Гейтенби, M.D., кафедра диагностической визуализации. Они говорят, что важно сочетать визуализацию опухоли с построением математической модели.
"Визуализация – ключ к проверке математического моделирования," Гиллис сказал. "Поскольку визуализацию можно проводить с течением времени, это позволяет нам хорошо рассмотреть активно изменяющиеся системы в опухолях, которые предсказываются моделями."
По мнению Гейтенби, поскольку рак – это развивающаяся, постоянно изменяющаяся нелинейная система, его необходимо отслеживать во времени и пространстве.
"Визуализация неинвазивно фиксирует опухолевые изменения, и математические модели, которые являются гораздо более строгими, чем язык, могут затем использоваться в исследованиях рака," Гейтенби сказал.
Комбинация клинической визуализации и математического моделирования предоставит врачам ценный инструмент прогнозирования. Один инструмент будет знаком. Так же, как развиваются метеорологи "модели спагетти" По словам Андерсона, на основе спутниковых изображений для прогнозирования множества возможных путей ураганов они смогут создавать аналогичные модели, чтобы информировать врачей о риске для пациента, о том, какие методы лечения могут быть лучшими и возможны ли рецидивы.
"Включая конкретную информацию о пациенте, такую как размер его опухоли, лечение, которое они прошли, орган, в котором растет рак, мы можем предсказать во времени, как опухоль будет расти, уменьшаться и реагировать на различные комбинации. терапий. По результатам визуализации, биологических экспериментов и математических моделей мы занимаем лидирующие позиции в области медицины, ориентированной на пациентов," Андерсон сказал.
Математические модели, созданные исследователями ИМО, уже находят клиническое применение.
Фибробласты способствуют росту опухоли меланомы
"Мы использовали интегрированный математический и экспериментальный подход, чтобы исследовать, привлекают ли клетки меланомы, активируют и стимулируют ли фибробласты депонирование определенных белков, которые, как известно, способствуют выживанию клеток меланомы," Андерсон сказал.
Известно, что фибробласты, наиболее распространенная соединительная ткань, функционирующая во внеклеточном матриксе, активируются и притягиваются к раковым клеткам. Когда они исследовали взаимосвязь между фибробластами и опухолями с использованием математических моделей, Андерсон и его коллеги обнаружили, что фибробласты оказывают прямое влияние на поведение опухоли меланомы, в том числе способствуют росту опухоли и устойчивости опухоли к лекарственным препаратам. Они опубликовали свои выводы в Molecular Pharmaceutics.
Смертельные глиобластомы лучше понять с помощью математических моделей
Исследователи ИМО и их коллеги также разработали математические модели для исследования прогрессирования глиомы, агрессивной и фатальной формы рака мозга. Математические модели дополняют визуализацию и гистологическую классификацию глиом в зависимости от модели роста кровеносных сосудов (ангиогенный признак) и включают изменения в клетках и микросреде опухоли.
Когда исследователи обнаружили несоответствие между схемами классификации и активностью опухоли, наблюдаемой с помощью изображений, они разработали математическую модель, основанную на изменениях внешнего вида, скорости пролиферации и инвазии клеток. Новая модель улучшила предсказательную и прогностическую способность.
"Возможность идентифицировать и прогнозировать паттерны динамических изменений в гистологии глиомы в отличие от клеточных изменений внешнего вида и пролиферации может стать мощным клиническим инструментом," Андерсон сказал.
Они опубликовали это исследование в недавнем выпуске Cancer Research.