Modelagem e simulação computacional do crescimento de tumores in vitro

• Autor(a) principal: Costa, Flávio Henrique Sant'Ana
• Data de Publicação: 2012
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/60/60136/tde-28062012-150314/
• topic: crescimento de tumores; dynamical Monte Carlo; mathematical modelling; modelagem matemática; Monte Carlo dinâmico; tumor growth

O crescimento de tumores vem chamando a atenção de físicos e matemáticos há mais de sessenta anos. Entretanto, a conversa com biólogos e a interação teoria-experimento têm aparecido apenas recentemente. Equações fenomenológicas e simulações computacionais continuam sendo uma ferramenta comum entre todos os modelos que conhecemos. Assim, nesse trabalho nós estudamos o problema do crescimento de tumores monocamada através das abordagens experimental, teórica e computacional, fortalecendo assim a interação teoria-experimento. Cultivamos células das linhagens HeLa (carcinoma cervical humano), HCT-15 (adenocarcinoma coloretal humano), NIH-HN-13 (carcinoma de células escamosas humanas) e U-251 (glioblastoma neuronal humano), obtendo a dimensão fractal e o comportamento do raio médio com o número de células, além de analisarmos os dados da literatura para a linhagem HT-29 (adenocarcinoma coloretal humano). A seguir nós modelamos a taxa de crescimento do raio médio através de uma curva sigmoidal. A solução analítica dessa equação nos permitiu ajustar bem os dados obtidos experimentalmente, e os parâmetros obtidos serviram para a simulação Monte Carlo dinâmico. Para essa, transformamos a taxa de crescimento do raio em taxa de crescimento do número de células, cujos resultados novamente concordaram muito bem com os dados experimentais. A dimensão fractal dos agregados esteve entre 1; 12 df 1; 21, e concordou com os dados da literatura. Novos resultados foram produzidos: i) O raio médio como uma função do número de células nos permitiu um ajuste do tipo Rc(t) = a[Nc(t) ? N~0]1=2 + R~0, mais geral que a comumente aceita relação Rc(t) = cNc(t)1=2; e ii) os tempos de espera no procedimento MCD se distribuem log-normalmente (ou Gaussianamente em alguns casos), diferentemente da distribuição Poissoniana frequêntemente assumida. A distribuição log-normal nos permitiu também conjecturar que um parâmetro , da relação ht(nT)i / n? T , possa caracterizar o crescimento monocamada de tumores devido à sua estreita abrangência 0; 69 0; 81. Nossos resultados nos permitiram concluir que diferentes condições de cultivo podem gerar diferentes respostas dos parâmetros, além disso, dois fenômenos podem caracterizar esse crescimento no âmbito mesoscópico: A competição por espaços livres e a cooperação entre as células.