Population models in cell biology: exploring cancer adaptive therapy and hematopoietic stem cell dynamics

Carregando...
Imagem de Miniatura

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Federal de Minas Gerais

Descrição

Tipo

Tese de doutorado

Título alternativo

Modelos populacionais em biologia celular: explorando a terapia adaptativa do câncer e a dinâmica das células-tronco hematopoiéticas

Primeiro orientador

Membros da banca

Eliza Maria Ferreira
Geraldo Lúcio Diniz
Paulo Cupertino de Lima
Renato Soares dos Santos

Resumo

Mathematical modeling provides a powerful framework to describe and predict the dynamics of biological systems. This thesis applies population models to address two different problems in cell biology: designing cyclic routines in cancer adaptive therapy, and the mechanisms underlying long-term hematopoietic stem cell (HSC) clonal dynamics. Adaptive therapy schemes are analyzed using models based on Lotka–Volterra and Replicator dynamics, with formal definitions and conditions provided for the design of cyclic treatment routines. An algorithm for constructing such routines is also introduced. Cycle stability is defined, and a conjecture is posed regarding the relationship between cycle and average treatment stability. The analysis is then extended to stochastic versions of both models, where connections between the stability of deterministic cycles and the robustness of stochastic routines are examined. For the second problem, hematopoietic stem cell dynamics are analyzed under two competing hypotheses: whether HSCs constitute a population of continuously dividing cells, or whether a dormant (\textit{quiescent}) state should also be considered. These mechanistic assumptions are evaluated using recent clonal data, analyzing multiple features of the dataset. The performance of different models is compared to explain the observed patterns, and the biological implications derived from this analysis are discussed.

Abstract

A modelagem matemática é uma poderosa ferramenta para descrever a dinâmica de diversos sistemas biológicos. Nesta tese são utilizados modelos populacionais para abordar dois temas da biologia celular: o planejamento de rotinas cíclicas na terapia adaptativa do câncer e a exploração de mecanismos que levam à dinâmica clonal de longo prazo das células-tronco hematopoiéticas (CTHs). No que se refere à terapia adaptativa, modelos baseados nas equações de Lotka–Volterra e na dinâmica do replicador são analisados, sendo formalmente definidas e derivadas condições para o planejamento de rotinas de tratamento cíclicas nesses modelos. Um algoritmo para sua construção é também apresentado. Em seguida, a estabilidade do ciclo é definida, e uma conjectura é formulada relacionando-a à estabilidade do tratamento médio. Finalmente, a análise é estendida a versões estocásticas de ambos os modelos, discutindo-se a conexão entre a estabilidade de ciclos determinísticos e a robustez de rotinas estocásticas. No segundo problema, a dinâmica das células-tronco hematopoiéticas é investigada sob duas hipóteses: se as CTHs constituem uma população de células em divisão contínua ou se um estado inativo (quiescente) também deve ser considerado. Esses dois conceitos são avaliados a partir da análise de diferentes aspectos de um conjunto de dados clonais recentemente publicado. O desempenho de cada modelo é comparado na reprodução dos padrões observados, e as implicações biológicas decorrentes dessa análise são discutidas.

Assunto

Matemática – Teses, Modelagem matemática – Teses, Biologia – População - Matemática – Teses, Modelos estocásticos -Teses, Células tronco hematopoiéticas – Teses

Palavras-chave

Mathematical modeling, Population dynamics, Adaptive therapy, Cancer treatment, Hematopoietic stem cells, Quiescence, Clonal dynamics, Lotka-Volterra, Replicator dynamics, Moran process

Citação

Endereço externo

Avaliação

Revisão

Suplementado Por

Referenciado Por

Licença Creative Commons

Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso aberto