Extracto
Muchos cánceres son aneuploides. Sin embargo, el papel exacto que desempeña la inestabilidad cromosómica en el desarrollo del cáncer y en la respuesta de los tumores al tratamiento está siendo debatida. Aquí, para explorar esta cuestión desde un punto de vista teórico, hemos desarrollado un modelo basado en agentes de la homeostasis del tejido en el que poner a prueba los efectos probables de todo el cromosoma mala segregación durante el desarrollo del cáncer. En las simulaciones estocásticas, eventos cromosoma mala segregación en la división celular conducen a la generación de una población diversa de clones aneuploides que con el tiempo muestran un crecimiento hiperplásico. Significativamente, el curso de la evolución del cáncer depende de la vinculación genética, como la estructura de los cromosomas perdido o ganado a través de eventos mala segregación y el nivel de la función de la inestabilidad genética en tándem para determinar la trayectoria de la evolución del cáncer. Como resultado, los cánceres simulados difieren en su nivel de estabilidad genética y en sus tasas de crecimiento. Se utilizó este sistema para investigar las consecuencias de estas diferencias en la heterogeneidad del tumor para terapias contra el cáncer basadas en cirugía y anti-mitótico fármacos que se dirigen selectivamente a las células proliferantes. Como era de esperar, los tratamientos simulados inducen un retraso transitorio en el crecimiento del tumor, y revelan una diferencia significativa en la eficacia de diferentes regímenes de terapia en el tratamiento de tumores genéticamente estables e inestables. Estos datos apoyan las observaciones clínicas en las que un mal pronóstico se correlaciona con un alto nivel de cromosoma mala segregación. Sin embargo, las simulaciones estocásticas en paralelo también exhiben una amplia gama de comportamientos, y la respuesta de las simulaciones individuales (equivalente a tumores individuales) a la terapia anti-cáncer resultar extremadamente variable. Por consiguiente, el modelo pone de relieve las dificultades de predecir el resultado de un tratamiento anti-cáncer dado, incluso en los casos en los que es posible determinar el genotipo de todo el conjunto de células dentro del tumor en desarrollo
Visto:. Araujo a, B Baum, Bentley P (2013) El papel de los cromosomas missegregation en el desarrollo del cáncer: una aproximación teórica Uso de Modelado basado en agentes. PLoS ONE 8 (8): e72206. doi: 10.1371 /journal.pone.0072206
Editor: Roeland M H. Merks, Centrum Wiskunde & amp; Informatica (CIT) & amp; Instituto Holandés para la Biología de Sistemas, Países Bajos
Recibido: 29 Noviembre 2012; Aceptado: July 8, 2013; Publicado: 26 Agosto 2013
Derechos de Autor © 2013 Araujo et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Financiación:. AA era financiado por el CONACYT y complejo UCL. BB fue financiado por el Cancer Research UK. Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
Las células con una amplia gama de defectos estructurales y numéricas de cromosomas se encuentran en muchos tipos de cánceres. Si estos cambios contribuyen directamente a la evolución del cáncer o son simplemente un subproducto de la carcinogénesis en sí, sin embargo, es una pregunta que ha intrigado a los investigadores del cáncer durante más de un siglo. A pesar de que existe una fuerte evidencia experimental de cambios en el número de copias cromosómicas (aneuploidía) y el cromosoma mala segregación que juegan un papel central en la que evoluciona el cáncer de manera [2], no se han establecido principios de organización o caminos evolutivos claras. Por lo tanto, un enfoque alternativo es estudiar el problema desde un punto de vista teórico, el uso de modelos computacionales simples de comportamiento celular y las interacciones célula-célula para estudiar la homeostasis, su desregulación durante la progresión del cáncer y de su respuesta al tratamiento [3].
modelado computacional se ha convertido recientemente en un enfoque práctico para el estudio de este tipo de comportamientos emergentes y fenómeno complejo [4]. modelos basados en agentes se han utilizado con éxito para modelar la complejidad ecológica que se encuentra en [5], económico [6] y los sistemas de cáncer [7], [8]. En los sistemas complejos, comportamiento global emerge de las interacciones de los componentes individuales, y no siempre se puede deducir de un análisis de los componentes individuales en forma aislada [9]. En lugar de ello, sin embargo, los modelos basados en agentes se pueden usar para determinar los efectos de las interacciones entre los componentes individuales en el comportamiento del sistema en su conjunto [10]. Una de las principales ventajas ofrecidas por el modelado basado en el agente sobre las técnicas de modelado basado en la ecuación es la capacidad para estudiar el comportamiento emergente que surge de interacciones definidas entre elementos de un sistema complejo de [11]. Debido a que los cánceres se componen de un gran número de células de diversos genotipos que interactúan sin control centralizado, modelado basado en agentes puede ayudar a capturar la esencia del sistema a partir del comportamiento de las células individuales. Inspirado por este tipo de modelo computacionalmente tratables, hemos desarrollado un marco con el que analizar el papel de la inestabilidad cromosómica en la progresión del cáncer, y para investigar el impacto del cromosoma mala segregación en tratamientos contra el cáncer. En silico experimentos se llevaron a cabo a continuación, para simular la interacción entre los tratamientos cromosoma mala segregación y el cáncer; incluidas las extracciones de la cirugía, la eliminación física de la masa tumoral, quimioterapia, un tratamiento donde se dirigen y mataron a más de-la proliferación de células; y una combinación de estos dos tratamientos. Está claro a partir de simulaciones que los cánceres con un complemento inestable de cromosomas tienen un pronóstico general peor. Por otra parte, los dos tipos de trabajo en la terapia de maneras distintas que les permiten ser combinados para retrasar aún más el curso de la progresión del cáncer. Por último, el análisis pone de manifiesto la dificultad de predecir el curso de cualquier cáncer o su respuesta a la intervención terapéutica.
Resultados y Discusión
El Modelo
Para resolver si el cromosoma missegregation juega un papel importante en el desarrollo y la progresión de un cáncer se desarrolló un modelo simple de la homeostasis del tejido en el que para estudiar la evolución del cáncer. Para centrar el análisis sobre este fenómeno poco entendido que elegimos para no tener en cuenta otros tipos de mutaciones (tales como sustituciones, inserciones, deleciones y translocaciones cromosómicas). Para esto, se modelaron las células individuales, cada una equipada con un genoma definido genéticamente, como agentes en una simulación computacional (ver Métodos). A continuación, representamos el tejido como una serie lineal de células individuales, en los que las células hijas se espacialmente introdujeron adyacente a la célula madre de origen. El tejido simulado exhibe inicialmente comportamiento homeostático, como resultado de las tasas equilibradas de la proliferación celular y la muerte celular. Estos comportamientos se modelaron como procesos estocásticos que están regulados a nivel genético, en base a las propiedades de los proto-oncogenes conocidos y genes supresores de tumores [12]. Mientras que en los sistemas biológicos reales muchas características de la biología celular son poligénicas, hicimos el supuesto simplificador de que un solo gen domina en la regulación de un comportamiento específico, y que el impacto de cada gen es proporcional al número de copias de un gen dado que se encuentran en el genoma de cada célula, como se sugiere en estudios recientes sobre los efectos de las diferencias en el número de cromosomas en la expresión génica en los sistemas biológicos [13], [14]. Esta simplificación es una necesidad, mientras que la red de regulación genética humana sigue siendo desconocido. Además, es clave para entender el efecto de los eventos que afectan missegregation cromosomas que contienen genes clave, tales como p53, Ras y pRb [12]. Por lo tanto, mientras que la realidad es mucho más complicada, anticipamos que será posible en el futuro para aplicar los conocimientos obtenidos por hacer frente a este problema fundamental de una manera abstracta con el cáncer humano. Una vez establecido este sistema modelo, que a continuación presentamos una abstracción gen que regula la fidelidad durante la división celular, lo que nos permite probar la función de la evolución de la inestabilidad cromosómica en el desarrollo del cáncer y el tratamiento. De esta manera, podemos aislar los efectos de la inestabilidad cromosómica, supresor de tumores y la actividad del oncogén de ligamiento genético y en la progresión del cáncer (véase la Figura 1 A).
A. Los diferentes abstracciones de genes en los cromosomas fueron colocados en tres configuraciones diferentes. Esto dio lugar a diferentes tipos de vínculos entre los genes. B. Para la notación de los diferentes genotipos, hemos utilizado la tecla siguiente: (número de genes de división, Número de genes de la muerte, número de genes de segregación). El genotipo inicial en cada simulación es un genoma diploide: (2,2,2). Para entender mejor las proporciones de los genes en un determinado fenotipo, se ha utilizado el modelo RGB para representar el número de genes de división como el rojo, el número de genes de la muerte como el verde y el número de genes de segregación como azul Véanse los métodos, el genotipo Key) .
Cada célula en el sistema tiene un genoma simulado compuesto por tres tipos de genes. genes reguladores de apoptosis son una abstracción de los genes supresores de tumores tales como
p53
[15] que regulan la muerte celular, y nos permiten modelar el hecho de que el hacinamiento de tejido conduce a un aumento correspondiente en la tasa de delaminación y la muerte celular dentro de un epitelio para mantener la homeostasis [16] [17]. Para equilibrar la muerte celular, genes reguladores de la división celular proporcionan una abstracción de los proto-oncogenes tales como Ras [18], Myc [19] y de p110 PI3K [20] y actúan para promover el crecimiento celular y la progresión del ciclo celular. Una vez más la acción de estos genes es sensible a la "capacidad homeostática" del tejido con el fin de modelar el proceso conocen como inhibición de contacto que limita la proliferación celular en tejidos de hacinamiento [17]. Por lo tanto, en combinación estos controles aseguran que si el número de células supera el límite homeostático, la proliferación se inhibe y la probabilidad de muerte celular aumentó, el mantenimiento de una población constante de células cercanas a la capacidad homeostática del tejido simulado.
Además, el modelo contiene una tasa finita de cromosoma mala segregación durante la división celular, lo que genera la variación entre la población de células. Este nivel de variación genética depende de la acción de genes de segregación de cromosoma de regulación, que los genes que controlan el modelo fidelidad de la división celular, tales como BUB1 [21] y MAD2 [22] que reducen la probabilidad del cromosoma mala segregación en la división celular. En la población inicial de células, cada célula tiene dos juegos de cromosomas idénticos (un genoma diploide) y 2 copias del gen de la segregación cromosómica. Al dividir, el genoma de cada célula se duplica y los dos conjuntos de cromosomas son entonces segregada en dos células hijas. Es durante esta fase que pueden ocurrir eventos cromosoma mala segregación, lo que resulta en la división celular asimétrica:. Una célula hija con un cromosoma extra, y uno que carece del mismo cromosoma
Simulación Cromosoma missegregation
Debido a que el papel exacto, la ubicación y la vinculación de los genes clave que regulan el crecimiento celular, la muerte y la segregación cromosómica en los cromosomas humanos reales sigue siendo desconocido [23], aquí también hemos explorado cómo las diferencias en la distribución de los genes en los cromosomas afecta a la evolución del sistema como un todo. Para ello, colocamos los genes resumieron en tres configuraciones diferentes cromosómicas (Figura 1 A). Estos son la distribución A, donde la apoptosis genes reguladores y de división celular genes reguladores están "vinculadas" en el mismo cromosoma; distribución B, donde de división celular genes reguladores y genes reguladores de segregación de cromosoma se encuentran en el mismo cromosoma; Distribución y C, donde los genes que regulan la apoptosis y la segregación de los cromosomas están ligados genéticamente. Al inicio de las simulaciones se modela entonces cada célula como un diploide, que contiene dos copias de cada cromosoma (Figura 1 A).
La dinámica evolutivos en nuestro modelo se determinan a continuación por la expresión de genes de las células individuales y el comportamiento global que emerge a través de la muerte celular, la proliferación y la mala segregación en el tiempo. Centrándose en los genotipos que emergen a través de la simulación, se denota el estado inicial como (2, 2, 2): correspondiente a 2 copias funcionales de cada gen (División, la apoptosis y la segregación, respectivamente, como se ve en la Figura 1 B). crecimiento similar al cáncer se producirá si el número de oncogenes aumentos y /o si se pierden todos los supresores tumorales. La exploración de las tres distribuciones de genes diferentes, se realizaron 100 simulaciones para cada configuración (Figura 2 A). Debido a que se espera que los casos de la división celular, el nacimiento y muerte de las células a ser de naturaleza estocástica, y se han modelado como tal, el comportamiento del sistema es muy variable. Sin embargo, en consonancia tendencias se pueden observar como se ilustra en la Figura 2 B.
A. Las tres disposiciones genéticas en los cromosomas diploides, simulados. mediciones clave de cada configuración se representan en los diagramas de la escoba. B. Aspectos de cada simulación, a partir del número total de células para la diversidad genética se representan como línea de color diferente, con la mediana como una línea gruesa, negro (calculado hasta que una de las simulaciones llegó a su fin). El comportamiento observado para la configuración de Gene A es un uno homeostático. Las configuraciones B y C muestran un comportamiento sobre-proliferativa. Esto es debido a la regulación genética de arriba abajo reflejada por el cambio en el número medio de los genes clave a través del tiempo. C. El número medio de Genes División. D. El número medio de los genes de la apoptosis. E. El número medio de Genes segregación. F. La diversidad genética, le gustaba el número de genes de segregación, tuvo un profundo efecto en la diversidad genotípica, siendo mayor en la configuración C. Los colores son puramente utilizan para diferenciar carreras y no denotan la distribución genética.
en primer lugar, gene Distribución a dio como resultado en el comportamiento homeostático, en el que el sistema en su conjunto responde a las fluctuaciones en el número de células para mantener el número total de células cercanas a la de la capacidad de carga del tejido (200 células). Como era de esperar, la trama del número total de células a través de las simulaciones de Distribución A reveló el aumento de la variabilidad en la composición genética de las células individuales a través del tiempo como resultado del cromosoma mala segregación inducida por la deriva genética; similar a la que podría ser visto en un tejido homeostático de envejecimiento. Aunque esta variación hace que el análisis estadístico desafiante, un comportamiento invariante se puede observar para cada configuración; mejor visualizado por parcelas de escoba en la figura 2 B. En este caso, debido a que los genes resumieron los que modelan el papel de los oncogenes y genes supresores de tumores se acoplaron por estar situado en el mismo cromosoma, el equilibrio entre la muerte y la división se mantuvo a pesar de la generación de surgieron nuevos genotipos a través de cromosomas eventos mala segregación. Es significativo que algunos de los genotipos de mayor éxito, naturalmente, adquirieron una mayor resistencia contra el cromosoma mala segregación, a través de la adquisición de una copia extra del gen regulador segregación cromosómica (estado genotipo (2,2,3)), como se ve en la Figura 2 E. este tipo de cariotipo aneuploide estable se encuentra en los tejidos homeostáticos normales [24].
para gene Distribución B, la acumulación gradual de cromosomas eventos mala segregación conduce a la ruptura de comportamiento homeostático, dando lugar a la proliferación incontrolada ( Figura 2 B). Una vez que esto ocurrió, el número total de células aumentó exponencialmente, alcanzando los valores del orden de miles de personas en un período muy corto de tiempo. Este tipo de comportamiento sobre-proliferativa fue consistente en simulaciones. Un análisis de los genotipos emergentes evolucionado a través de Gene Distribución B, como se ve en la Figura 3 B, reveló que los genotipos aneuploides, tales como (3,2,3) y (2,1,2) se apoderan de la población. A partir de estos genotipos aneuploides, inicialmente sólo ligeramente diferentes a la original, las ramas de población fuera para generar más malignas variantes genéticamente distintas, tales como (3,1,3) y (2,0,2). Diferentes tipos de genotipos exitosos (y con menos éxito) han evolucionado gradualmente. genotipos de éxito tienen las cualidades de ser resistentes a la apoptosis (bajo número de genes de apoptosis, como se ve en la Figura 2 D) y sobre-proliferativa (aumento del número de genes de división, como se ve en la Figura 2 C). En esta distribución, sin embargo, debido a que los genes que regulan la división se acoplan a las que regulan la fidelidad durante la segregación (Figura 2 E), hay un freno aplicado a la generación posterior de los genotipos aneuploides con el aumento de las tasas de división. Como resultado, esta población de células aneuploides se mantuvo relativamente homogénea una vez que las células habían adquirido las anomalías genéticas clave que impulsan el crecimiento del tumor desregulado (Figura 2 F). Este tipo de evolución observada a través de experimentos sugiere una posible vía para la oncogénesis que está asociado con aneuploidía estable [24]. Las enfermedades como la leucemia, linfomas y algunos tumores mesenquimales que presentan anormalidades específicas pueden seguir un camino similar [25].
A. El régimen de dos más de-proliferativa genéticos, en los cromosomas diploides simuladas, y la tecla de RGB en el medio. Hemos utilizado el modelo de color RGB para describir visualmente los diferentes genotipos que se desarrollan en el sistema mediante la normalización de la potencia máxima observada genotipo Estado (ver Métodos, RGB clave). Hemos asignado un color a cada uno de los genes resumieron: rojo, verde para la división de la muerte y azul para la segregación. Al comparar a través de un sistema RGB los colores asignados a un determinado genotipo, somos capaces de decir visualmente las proporciones en las que se distribuyen los genes, con valores de intensidad que corresponde al número de genes: (0,0,0) siendo negro, el genotipo inicial (2, 2, 2) que es de color gris oscuro y el genotipo observado máximo (5, 5, 5) ser blanco. B. Representante Diagrama de mármol para una simulación con el modelo. Estos diagramas muestran el porcentaje apilada de la diversidad genética a través del tiempo para una simulación representativa del gen Configuraciones B y C a través de diferentes escenarios. El comienzo de terapias (al llegar a 1000 células) están marcadas con una línea vertical negro, mientras que los tiempos de recaída (cuando se alcanza de nuevo 1.000 células) se marcan mediante una línea discontinua. C. Representante Diagrama de mármol para una simulación de la cirugía. D. Representante Diagrama de mármol para una simulación de la quimioterapia. E. mármol Representante Diagrama de una terapia de combinación de cirugía seguida de quimioterapia.
Las simulaciones de distribución de genes C-proliferativa muestra sobre el comportamiento, similar a la del gen de distribución B (Figura 2 B). En una inspección más cercana, sin embargo, no se observaron diferencias significativas en la dinámica de la evolución del cáncer (Figura 3 B). Debido a que los genes que regulan la muerte están genéticamente ligados a las que regulan la segregación en Gene Distribución C (Figura 2 D y la Figura 2 E), la evolución del cáncer se acompañó de un aumento de la diversidad genotípica como la unidad de perder reguladores de la apoptosis conduce a una desregulación concomitante de la segregación de cromosomas (Figura 2 F), como en el genotipo (3,1,1) y luego genotipo (3,0,0). Esto a su vez conduce a la aparición de clones cada vez más agresivos (4,0,0), (5,0,0) y (6,0,0), que corresponde a un aumento de 3 veces en la tasa de proliferación de las células (Figura 3 B). Esto sirve como un modelo para la aparición de tumores heterogéneos, como los que se observan en el ámbito clínico, por ejemplo durante la característica de la progresión neoplásica de tumores epiteliales [26] [27]. Estas simulaciones para la distribución B y C muestran cómo los acontecimientos cromosoma mala segregación puede conducir a la evolución del tumor mediante la ruptura del equilibrio regulador que mantiene la homeostasis del tejido normal.
Para probar los efectos de dejar genes no ligados, se investigó una cuarta distribución genética mediante la modificación del modelo para dar cabida a un tercio cromosoma. Este sistema exhibió los tres comportamientos previamente obtenidos en las simulaciones estocásticas: la homeostasis prolongada (como en Distribución A), un crecimiento no regulado impulsado por la pérdida de supresores tumorales (Distribución B) o por la activación de oncogenes (Distribución C), también se observó tres tipos de segregación de los cromosomas evento: hasta reguladas (distribución B), las reguladas (Distribución C) y neutro. Este experimento muestra cómo el control de ligamiento entre los genes sirve para limitar los caminos evolutivos comunes exhibidas por el sistema.
missegregation de cromosomas en los tratamientos del cáncer
En los pacientes, los tumores formados por células que son cromosómicamente inestable haber sido asociado con un mal pronóstico [28]. Por ello, utilizó génica Distribuciones B y C (Figura 3 A) para determinar la eficacia relativa de las diferentes estrategias de tratamiento en el tratamiento de la evolución del tumor en condiciones de baja y altos niveles de inestabilidad del genoma. Se consideró que se produciría la detección de tumores cuando la población llegó a 1.000 células. Por la misma razón, se consideró que el tumor había recaído cuando se alcanzó de nuevo la marca de 1.000 células después del tratamiento (marcado como líneas verticales en la Figura 3). El uso de estas medidas, modelamos el resultado de diferentes tratamientos sobre los tumores individuales (o pacientes), de modo que podríamos comparar directamente los resultados en cada caso, a pesar de la variabilidad esperada en el curso del crecimiento del tumor entre diferentes simulaciones (tumores /pacientes). Los datos de un experimento representativo para cada simulación se muestran en la Figura 3.
Escenario I: El tratamiento quirúrgico. La simulación de la extirpación del tumor se llevó a cabo mediante la retención de los primeros 100 células conectadas en la lista enlazada y retirar el resto del componente conectado de 900 células en un solo paso de tiempo. Dado que el tumor surgió rápidamente de una población homeostático de 200 células, la gran mayoría de estos representan las células relacionadas con las células en el tumor. Escenario II: Quimioterapia: Para simular los efectos de la quimioterapia, que implementa un algoritmo que mató a todas las células que intentaron la división celular en los nueve pasos de tiempo consecutivos siguientes detección de tumores. Escenario III: la terapia combinada. Como en común en la clínica combinamos terapias mediante la aplicación de cirugía seguida de nueve rondas de quimioterapia.
La cirugía fue el modelo para reflejar la intervención clínica. Por lo tanto, se llevó a cabo cuando la población de células se ha roto a través del límite homeostático de 200 células, y se desarrollaron hasta llegar a 1000 células. En este punto, la población se compone de descendientes de muchas de las células presentes en la población inicial utilizado para sembrar la simulación, pero está dominado por un pequeño número de clones de células agresivas relacionadas pero genéticamente heterogéneos, como en los cánceres humanos [29] . La población también incluye células, preparada en un estado pre-canceroso que son el producto de un proceso análogo al campo de cancerización [30] que se produce como células compiten por el espacio durante el curso de simulaciones. Estas células pre-cancerosas es probable que se pueden relacionar por el linaje a los agresivos sub-clones que constituyen la mayor parte del tumor. En este punto, 90% de la población se eliminaron (i Escenario). Para implementar esto, las células "adyacentes" se eliminan de la lista de células para imitar la extirpación quirúrgica de la masa tumoral. Es importante tener en cuenta que estas células tienden a estar relacionados por el linaje, como resultado de la división celular, al igual que el 10% de las células que permanecen
.
Cuando examinó a continuación la recuperación después de la terapia, los resultados demostraron muy variable y depende de la naturaleza de las células que sobrevivieron (Figura 3 C y la Figura 4 a). Aunque los caminos evolutivos reales exhiben un alto grado de variación a través de simulaciones, un experimento representativo para cada distribución gen capturado cualitativamente el tipo de ruta evolutiva que la mayoría de las simulaciones seguido, como se muestra en la figura 3 C. Después de la cirugía un promedio de 105 células fueron la izquierda (. std 4.50) para la distribución de B y 106 células (std. 5.13) para la distribución de C. Sin embargo, más de 100 simulaciones el pronóstico era significativamente mejor (p = 0,0499) para los tumores con gene B de distribución, que presentan niveles relativamente bajos de cromosoma mala segregación (tiempo de recaída fue de un promedio de 35.22 pasos de tiempo y una desviación estándar de 8,33), en comparación con aquellos con genes Distribución C y altos niveles de cromosoma mala segregación (con un promedio de 32.84 y una desviación estándar de 8,70), como se ve en la Figura 4 A. Este comportamiento era debido en parte a la mayor probabilidad de una población relativamente normal de las células restantes después de la cirugía de una población con baja heterogeneidad genética en comparación con la de una población muy heterogénea. Simulación a la variabilidad simulación en el camino de la recaída fue determinada en parte por el tipo de aberraciones genéticas presentes en la población restante después de la cirugía. Así, las células restantes que habían sufrido una pérdida de supresores de tumores no sobre-proliferar hasta que se sometieron a eventos adicionales mala segregación, lo que retrasa el período de tiempo hasta la recaída. Por el contrario, para las simulaciones en las que más de-proliferativa genotipos son los primeros en salir, un subconjunto de células que quedan después de la cirugía rápidamente volver a crecer de romper el límite homeostático (inhibición del crecimiento de células vecinas normales a través de la competencia por espacio) para formar una tumor. Por lo tanto, el tiempo de recaída en las simulaciones se determina, principalmente, por la carga oncogénico, que es mayor en las poblaciones cromosómicamente inestables.
Los histogramas corresponden a una medida de la distribución de los tiempos de recaída (el tiempo que tomó cada simulación para crecer de nuevo a 1000 células después del tratamiento) para 100 simulaciones de cada configuración de genes en tres escenarios diferentes de terapia:. A. Cirugía Escenario, B. y C. La quimioterapia Escenario combinación de ambos tratamientos (cirugía seguida de quimioterapia)
a continuación se estudió la función de la vinculación genética en el curso de recaída del tumor después de la cirugía. Para este análisis, como una medida de los tipos de lesión de conducción la formación de tumores y la recaída, se comparó la relación entre el número promedio de genes de apoptosis al número medio de los genes de división en simulaciones (mostrado en la Figura 5 A). Cuando esto se analizó en los 25 pasos de tiempo después de la cirugía, estaba claro que Gene Distribución C tiene una tasa de forma reproducible más alto de pérdida de tumor Represión y adquisición Oncogene de Distribución B. Esto se puede ver más claramente por los cambios que comparan en la tasa de la relación del número medio de genes de apoptosis en el número medio de genes División después del tratamiento (Figura 5 a), que tiene una pendiente lineal cerca de -0.0067 (std. 0,0037) para la distribución de C, que es significativamente más pronunciada (p = 0.005E -1) que la inclinación de distribución B (pendiente -0,0049,. std 0,0030). Esto refleja la mayor generación de nuevos genotipos más malignas en las simulaciones de tipo C, donde la inestabilidad cromosómica es alta, en comparación con simulaciones de Distribución B, donde aneuploidía es relativamente estable. Esto a su vez se correlaciona con un peor pronóstico para los tumores genéticamente inestables. Así, en las simulaciones, la cirugía actúa como una terapia de éxito o se pierda, ya que deja las células que están relacionados entre sí.
Estos gráficos muestran la tendencia de reducir el número de genes de apoptosis y aumentar el número de genes de división con respecto al tiempo a través de diferentes escenarios: Escenario A. La cirugía, la quimioterapia B. y C. Escenario combinación de ambos tratamientos (cirugía seguida de quimioterapia). La línea oscura es la mediana de las muestras y el área sombreada representa la varianza. Las intervenciones se llevaron a cabo en el paso de tiempo cero. Las pendientes reportados fueron medidos teniendo en cuenta 25 pasos de tiempo después de cada tratamiento.
Después de haber llevado a cabo un análisis de los efectos de la cirugía, el próximo simulamos la quimioterapia en el modelo (Escenario II). La quimioterapia se llevó a cabo en rondas consecutivas, como se hace en la clínica con un tratamiento como taxanos, para dirigirse específicamente a las células en división [31]. Esta terapia tiende a eliminar las células del tumor que han desregulado división, sino que también se dirige a las células en la población pre-canceroso que se han desregulado células de proliferación y normales que suceden a dividirse. Después de la quimioterapia, un promedio de 226.17 (células. Std 53.12) se dejó para la distribución B y células 231.88 para la distribución de C. Estos números de células reflejan el mecanismo por el que actúa la quimioterapia (std 50.06.): Matar a un promedio de 15,76% de la población de Configuración B (std. 0,47), y el 16,3% de la población de Configuración C (std. 0.70) en cada paso de tiempo. De esta manera el curso del tratamiento conduce un descenso exponencial en el número de células muertas.
Al examinar el efecto de la vinculación genética en la recuperación después de la quimioterapia, se encontró que el tiempo de recaída fue de nuevo más rápido para las poblaciones de células con Gene Distribución C. por lo tanto, gene Distribución B recayeron en promedio a 21.95 pasos de tiempo (std. 4,89), mientras que los tumores se repitieron en gene Distribución C en un promedio de 18.30 pasos de tiempo (std. 3,42), como se ve en la Figura 4 B. de nuevo, esta diferencia significativa (p = 0.003E-5) en el tiempo de recaída podría atribuirse a diferencias en la diversidad genética entre las dos poblaciones en el momento de tratamiento. Además, cuando se midió la tasa de adquisición de nuevas variantes que han aumento de la carga oncogénico y un número reducido de genes supresores de tumores (la relación entre el número medio de genes de apoptosis al número medio de los genes de división) había una diferencia marcada y significativa (p = 0.004E-7) entre las simulaciones más de 25 pasos de tiempo después de la quimioterapia - una inclinación de -0,0048 de Distribución B y -0.0068, (std 0,0019.) para la distribución de C (como se ve en la Figura 5 (std 0,0016). SEGUNDO). Esto refleja la presencia de un mayor número de células Asentado en un estado después de un tratamiento de pre-canceroso en C. Distribución
Por último, una combinación de los dos tratamientos (Escenario iii) produjo un mejor pronóstico global para las dos distribuciones de genes que la cirugía o la quimioterapia sola. Después de esta terapia combinada no eran, en promedio 36.09 (std. 8,56), las células dejan de Distribución B y 36.29 (std. 7.99) para las células de distribución C. Una vez más, los resultados indican que Gene Distribución B todavía tiene un pronóstico significativamente mejor (p = 0,008 ) que génica Distribución C: Distribución de gene B tenido una recaída promedio de 46.55 (10.06 std), mientras que Gen Distribución C tenía una recaída promedio de 43.09 (STD 9,44)... Estos resultados pueden ser comparados a través de escenarios en forma de histogramas en la Figura 4 C. Una vez más, el impacto global de ligamiento genético en la evolución del tumor después del tratamiento puede ser más fácilmente visualizado mediante la comparación de la inclinación de la relación entre la apoptosis y la División genes (Figura 5 C). Cuando se consideraron los 25 pasos de tiempo después de la terapia, esto cambió significativamente (p = 0.005E-2): (. Std 0,0034) -0,0036 (. Std 0,0025) para la distribución B y C. Distribución de -0,0052
conclusiones
Los tumores han sido reconocidos como aneuploides durante más de un siglo [32].