Documente Academic
Documente Profesional
Documente Cultură
SCOP
MATERIALE ȘI METODE
REZULTATE
INTRODUCERE
Rezistența tumorală la chimioterapie și rezistența la medicament descrie cazul în
medicamente țintite este o cauză majoră a care o tumoare conține o subpopulație de
eșecului tratamentului. Atât factorii celule rezistente la medicament la
moleculari, cât și cei de mediu au fost inițierea tratamentului, ceea ce face ca
implicați în dezvoltarea rezistenței la terapia să fie chiar ineficientă ca urmare a
medicamente.1 Ca exemplu de rezistență selecției celulelor rezistente.1 Ca exemple,
moleculară, reglarea în sus a domeniul kinazei BCR-ABL preexistente
transportorilor de eflux a medicamentului mutațiile conferă rezistență la inhibitorul
poate preveni acumularea intracelulară de tirozin kinazei imatinib la pacienții cu
medicamente suficient de mare, ceea ce leucemie mieloidă cronică și mutațiile
limitează eficacitatea tratamentului.2 Alte MEK1 preexistente conferă rezistență la
cauze moleculare ale rezistenței la inhibitorii BRAF la pacienții cu
medicamente includ modificarea de ținte melanom.16 Multe modele matematice au
medicamentoase, mecanisme luat în considerare modul în care prezența
îmbunătățite de reparare a deteriorării acestor rezistențe preexistente celulele
ADN-ului, dereglarea căilor apoptotice și afectează progresia și tratamentul
prezența celulelor stem canceroase.1-5 Ir- cancerului.
vasculatură tumorală regulată care are ca
Rezistența la medicamente dobândite
rezultat o distribuție inconsistentă a
descrie în general cazul în care rezistența
medicamentului și hipoxie este un
la medicamente se dezvoltă pe parcursul
exemplu de factor mi-mediu care
terapiei dintr-o populație de celule care au
influențează rezistența la medicamente.6
fost inițial sensibile la medicament.1
Alte caracteristici ale microambientului
Termenul de rezistență dobândită este
tumoral care influențează rezistența la
într-adevăr un termen umbrelă pentru
medicamente includ regiuni de aciditate,
două fenomene distincte, ceea ce
filtrare și activare a celulelor imune și
complică studiul rezistenței dobândite . Pe
stroma tumorii.1,6-10 Cercetările
de o parte, există rezistență care este
experimentale și clinice continuă să facă
dobândită spontan - sau aleatoriu - în
lumină asupra multitudinii de factori care
cursul tratamentului, fie ca rezultat al
contribuie la rezistența la medicamente
mutațiilor genetice aleatorii sau al
împotriva cancerului. Studiile de modelare
comutării stocotipice a fenotipului
matematică au fost, de asemenea, folosite
nongenetic.41 Această formă spontană de
pentru a explora atât aspectele largi cât și
rezistență dobândită a fost luată în
cele detaliate ale rezistenței la
considerare în multe modele. Pe de altă
medicamente împotriva cancerului, după
parte, rezistența la medicamente poate fi
cum a fost revăzut anterior.
indusă (adică, cauzată) de medicamentul
Rezistența la medicamentele împotriva însuși.
cancerului poate fi clasificată fie ca
preexistentă sau dobândită.1 Preexistentă
- sau intrinsecă
CONTEXT
Obiectiv cheie
Rezistența la chimioterapie poate apărea din selecția darwiniană de subclone rezistente care
fie precedă terapia, fie apar în timpul tratamentului. În plus, tratamentul în sine poate
induce variații genetice sau epigenetice care catalizează rezistența la medicamente. Această
lucrare are ca scop eliminarea matematică a acestor diferiți factori.
Cunoștințe generate
Este introdus un model matematic pentru a distinge efectul medicamentelor care doar
selectează dintre cele care creează variație și selectează. Capacitatea unui medicament de a
induce rezistență poate duce la răspunsuri calitativ diferite pe baza dozei și a eliberării;
regimurile de perfuzie constantă au mai puțin succes în controlul creșterii tumorii decât
terapia pulsată pentru medicamentele care induc rezistență, dar situația este inversată
pentru medicamentele care acționează numai prin selecție.
Relevanţă
.
FIG 2. Compararea eficacității tratamentului pentru medicamentele care conservă fenotipul
(α = 0) și medicamentele care induc rezistența (α = 10-2). Coloana din stânga indică strategia
de tratament, în timp ce coloana din dreapta indică răspunsul corespunzător al volumului
tumorii. Rețineți că linia roșie întreruptă din coloana din dreapta indică volumul tumorii
reprezentând eșecul tratamentului, Vc. (A) Terapii constante și pulsate după detectarea
tumorii pentru α = 0. (B) Răspunsuri corespunzătoare la regimurile de tratament din panoul
A. (C) Terapii constante și pulsate după detectarea tumorii pentru α = 10−2. (D) Răspunsuri
corespunzătoare regimurilor de tratament în panoul C
FIG 5. Variația timpului de răspuns maxim pentru diferite rate de inducție α. Pentru detalii
despre calculul Tα (d), a se vedea apendicele Figura A4. Toți ceilalți parametri sunt date ca în
Tabelul 1. (A) Graficul lui Tα (d) pentru α aproape de 10−2. (B) Analog cu panoul A, unde α
este acum variat pe mai multe ordine de mărime. Caz nemutagen (α = 0) este inclus pentru
referință.
proiectarea terapiei, ca efecte simultane Preprint version available on:
ale reducerii tumorii iar propagarea
https://www.biorxiv.org/content/10.1101
rezistenței se confundă reciproc. Din punct
/235150v2.
de vedere matematic, am prezentat un
cadru clar pentru diferențierea rezistenței AUTORUL CORESPUNZATOR
aleatorii și a rezistenței induse de droguri,
care va permite o analiză clinic acționabilă Eduardo D. Sontag, PhD, Northeastern
pe un biologic problema subtilă, dar University, 360 Huntington
importantă.
Avenue, Boston, MA 02115; e-mail:
sontag@sontaglab.org.
Afilieri
AUTHORS’ DISCLOSURES OF POTENTIAL
1Rutgers University, New Brunswick, NJ
CONFLICTS OF INTEREST AND DATA
2The College of New Jersey, Ewing AVAILABILITY STATEMENT
Township, NJ
Disclosures provided by the authors and
3Northeastern University, Boston, MA data availability statement (if applicable)
are available with this article at DOI
4Harvard Medical School, Cambridge, MA https://doi.org/10.1200/ CCI.18.00087.
Referinte
1. Holohan C, Van Schaeybroeck S, Longley DB, et al: Cancer drug resistance: An evolving
paradigm. Nat Rev Cancer 13:714-726, 2013
2. Gottesman MM: Mechanisms of cancer drug resistance. Annu Rev Med 53:615-627, 2002
3. Dean M, Fojo T, Bates S: Tumour stem cells and drug resistance. Nat Rev Cancer 5:275-
284, 2005
4. Woods D, Turchi JJ: Chemotherapy induced DNA damage response: Convergence of drugs
and pathways. Cancer Biol Ther 14:379-389, 2013
5. Zahreddine H, Borden KL: Mechanisms and insights into drug resistance in cancer. Front
Pharmacol 4:28, 2013
6. Tre´ dan O, Galmarini CM, Patel K, et al: Drug resistance and the solid tumor
microenvironment. J Natl Cancer Inst 99:1441-1454, 2007
7. Gajewski TF, Meng Y, Blank C, et al: Immune resistance orchestrated by the tumor
microenvironment. Immunol Rev 213:131-145, 2006
8. Meads MB, Gatenby RA, Dalton WS: Environment-mediated drug resistance: Amajor
contributor to minimal residual disease. Nat Rev Cancer 9:665-674, 2009
9. Correia AL, Bissell MJ: The tumor microenvironment is a dominant force in multidrug
resistance. Drug Resist Updat 15:39-49, 2012
10. McMillin DW, Negri JM, Mitsiades CS: The role of tumour-stromal interactions in
modifying drug response: Challenges and opportunities. Nat Rev Drug Discov
12:217-228, 2013
11. Lavi O, Gottesman MM, Levy D: The dynamics of drug resistance: A mathematical
perspective. Drug Resist Updat 15:90-97, 2012
12. Brocato T, Dogra P, Koay EJ, et al: Understanding drug resistance in breast cancer with
mathematical oncology. Curr Breast Cancer Rep 6:110-120, 2014
13. Foo J, Michor F: Evolution of acquired resistance to anti-cancer therapy. J Theor Biol
355:10-20, 2014
14. Roche-Lestienne C, Preudhomme C: Mutations in the ABL kinase domain pre-exist the
onset of imatinib treatment. Semin Hematol 40:80-82, 2003 (suppl 2)
15. Iqbal Z, Aleem A, IqbalM, et al: Sensitive detection of pre-existing BCR-ABL kinase domain
mutations in CD34+ cells of newly diagnosed chronic-phase chronic
myeloid leukemia patients is associated with imatinib resistance: Implications in the post-
imatinib era. PLoS One 8:e55717, 2013
16. Carlino MS, Fung C, Shahheydari H, et al: Preexisting MEK1P124 mutations diminish
response to BRAF inhibitors in metastatic melanoma patients. Clin Cancer
17. Jackson TL, Byrne HM: A mathematical model to study the effects of drug resistance and
vasculature on the response of solid tumors to chemotherapy. Math
18. Komarova NL, Wodarz D: Drug resistance in cancer: Principles of emergence and
prevention. Proc Natl Acad Sci USA 102:9714-9719, 2005
19. Michor F, Nowak MA, Iwasa Y: Evolution of resistance to cancer therapy. Curr Pharm Des
12:261-271, 2006
20. Komarova NL, Wodarz D: Stochastic modeling of cellular colonies with quiescence: An
application to drug resistance in cancer. Theor Popul Biol 72:523-538,
2007
22. Foo J, Michor F: Evolution of resistance to anti-cancer therapy during general dosing
schedules. J Theor Biol 263:179-188, 2010
23. Silva AS, Gatenby RA: A theoretical quantitative model for evolution of cancer
chemotherapy resistance. Biol Direct 5:25, 2010
24. Cunningham JJ, Gatenby RA, Brown JS: Evolutionary dynamics in cancer therapy. Mol
Pharm 8:2094-2100, 2011
25. Mumenthaler SM, Foo J, Leder K, et al: Evolutionary modeling of combination treatment
strategies to overcome resistance to tyrosine kinase inhibitors in nonsmall
26. Orlando PA, Gatenby RA, Brown JS: Cancer treatment as a game: Integrating evolutionary
game theory into the optimal control of chemotherapy. Phys Biol
9:065007, 2012
27. Bozic I, Reiter JG, Allen B, et al: Evolutionary dynamics of cancer in response to targeted
combination therapy. eLife 2:e00747, 2013
28. Foo J, Leder K, Mumenthaler SM: Cancer as a moving target: understanding the
composition and rebound growth kinetics of recurrent tumors. Evol Appl
6:54-69, 2013
29. Lavi O, Greene JM, Levy D, et al: The role of cell density and intratumoral heterogeneity
in multidrug resistance. Cancer Res 73:7168-7175, 2013
30. Bozic I, Nowak MA: Timing and heterogeneity of mutations associated with drug
resistance in metastatic cancers. Proc Natl Acad Sci USA 111:15964-15968,
2014
31. Greene J, Lavi O, Gottesman MM, et al: The impact of cell density and mutations in a
model of multidrug resistance in solid tumors. Bull Math Biol 76:627-653,
2014
32. Yamamoto KN, Hirota K, Takeda S, et al: Evolution of pre-existing versus acquired
resistance to platinum drugs and PARP inhibitors in BRCA-associated
2015, pp 1-34
34. Liu LL, Li F, Pao W, et al: Dose-dependent mutation rates determine optimum erlotinib
dosing strategies for EGRF mutant non-small lung cancer patients. PLoS
35. Mencho´ n SA: The effect of intrinsic and acquired resistances on chemotherapy
effectiveness. Acta Biotheor 63:113-127, 2015
36. Mumenthaler SM, Foo J, Choi NC, et al: The impact of microenvironmental heterogeneity
on the evolution of drug resistance in cancer cells. Cancer Inform
37. Waclaw B, Bozic I, Pittman ME, et al: A spatial model predicts that dispersal and cell
turnover limit intratumour heterogeneity. Nature 525:261-264, 2015
38. Shah AB, Rejniak KA, Gevertz JL: Limiting the development of anti-cancer drug resistance
in a spatial model of micrometastases. Math Biosci Eng
13:1185-1206, 2016
41. Pisco AO, Brock A, Zhou J, et al: Non-Darwinian dynamics in therapy-induced cancer drug
resistance. Nat Commun 4:2467, 2013
42. Coldman AJ, Goldie JH: A stochastic model for the origin and treatment of tumors
containing drug-resistant cells. Bull Math Biol 48:279-292, 1986
43. Ledzewicz U, Scha¨ ttler H: Drug resistance in cancer chemotherapy as an optimal control
problem. Discrete Continuous Dyn Syst Ser B 5:129-150, 2006
44. Leder K, Foo J, Skaggs B, et al: Fitness conferred by BCR-ABL kinase domain mutations
determines the risk of pre-existing resistance in chronic myeloid
leukemia. PLoS One 6:e27682, 2011
45. Hadjiandreou MM, Mitsis GD: Mathematical modeling of tumor growth, drug-resistance,
toxicity, and optimal therapy design. IEEE Trans Biomed Eng
61:415-425, 2014
11:e1004142, 2015
49. Lorz A, Lorenzi T, Clairambault J, et al: Modeling the effects of space structure and
combination therapies on phenotypic heterogeneity and drug resistance in
50. Nyce J, Leonard S, Canupp D, et al: Epigenetic mechanisms of drug resistance: Drug-
induced DNA hypermethylation and drug resistance. Proc Natl Acad Sci
52. Sharma SV, Lee DY, Li B, et al: A chromatin-mediated reversible drug-tolerant state in
cancer cell subpopulations. Cell 141:69-80, 2010
53. Luria SE, Delbru¨ ck M: Mutations of bacteria from virus sensitivity to virus resistance.
Genetics 28:491-511, 1943
54. Szikriszt B, Po´ ti A´ , Pipek O, et al: A comprehensive survey of the mutagenic impact of
common cancer cytotoxics. Genome Biol 17:99, 2016
55. Swift LH, Golsteyn RM: Genotoxic anti-cancer agents and their relationship to DNA
damage, mitosis, and checkpoint adaptation in proliferating cancer cells. Int
J Mol Sci 15:3403-3431, 2014
56. Shaffer SM, Dunagin MC, Torborg SR, et al: Rare cell variability and drug-induced
reprogramming as a mode of cancer drug resistance. Nature 546:431-435,
2017
57. Housman G, Byler S, Heerboth S, et al: Drug resistance in cancer: An overview. Cancers
(Basel) 6:1769-1792, 2014
58. Pisco AO, Huang S: Non-genetic cancer cell plasticity and therapy-induced stemness in
tumour relapse: ‘What does not kill me strengthens me’. Br J Cancer
112:1725-1732, 2015
60. Chapman M, Risom T, Aswani A, et al: A model of phenotypic state dynamics initiates a
promising approach to control heterogeneous malignant cell
populations.IEEE 55th Conference on Decision and Control, Las Vegas, NV, December 12-14,
2016 (abstr)
61. Axelrod DE, Vedula S, Obaniyi J: Effective chemotherapy of heterogeneous and drug-
resistant early colon cancers by intermittent dose schedules: A computer
62. Feizabadi MS: Modeling multi-mutation and drug resistance: Analysis of some case
studies. Theor Biol Med Model 14:6, 2017
63. Chisholm RH, Lorenzi T, Lorz A, et al: Emergence of drug tolerance in cancer cell
populations: An evolutionary outcome of selection, nongenetic instability, and
Tumor Microenvironment, Volume 936, New York, NY, Springer, 2016, 149-164
65. Kerbel RS, Kamen BA: The anti-angiogenic basis of metronomic chemotherapy. Nat Rev
Cancer 4:423-436, 2004
66. Pasquier E, Kavallaris M, Andre´ N: Metronomic chemotherapy: New rationale for new
directions. Nat Rev Clin Oncol 7:455-465, 2010
67. Gatenby RA, Silva AS, Gillies RJ, et al: Adaptive therapy. Cancer Res 69:4894-4903, 2009
effector functions in end stage cancer patients. Cancer Immunol Immunother 56:641-648,
2007
70. Lee W-P: The role of reduced growth rate in the development of drug resistance of HOB1
lymphoma cells to vincristine. Cancer Lett 73:105-111, 1993
71. Shackney SE, McCormack GW, Cuchural GJ Jr: Growth rate patterns of solid tumors and
their relation to responsiveness to therapy: An analytical review. Ann
72. Brimacombe KR, Hall MD, Auld DS, et al: A dual-fluorescence high-throughput cell line
system for probing multidrug resistance. Assay Drug Dev Technol
7:233-249, 2009
73. Thomas H, Coley HM: Overcoming multidrug resistance in cancer: An update on the
clinical strategy of inhibiting p-glycoprotein. Cancer Contr 10:159-165,
2003
74. Loeb LA, Springgate CF, Battula N: Errors in DNA replication as a basis of malignant
changes. Cancer Res 34:2311-2321, 1974
76. Makridakis NM, Reichardt JK: Translesion DNA polymerases and cancer. Front Genet
3:174, 2012
77. Lange SS, Takata K, Wood RD: DNA polymerases and cancer. Nat Rev Cancer 11:96-110,
2011
78. Traina TA, Norton L: Log-kill hypothesis, in Schwab M (ed): Encyclopedia of Cancer.
Springer, Berlin, Germany, 2011, pp 1713-1714
81. Fetterly GJ, Aras U, Lal D, et al: Development of a preclinical PK/PD model to assess
antitumor response of a sequential aflibercept and doxorubicin-dosing
82. Erdi YE: Limits of tumor detectability in nuclear medicine and pet. Mol Imaging Radionucl
Ther 21:23-28, 2012
83. Jodrell DI, Egorin MJ, Canetta RM, et al: Relationships between carboplatin exposure and
tumor response and toxicity in patients with ovarian cancer. J Clin
84. Chignola R, Foroni RI: Estimating the growth kinetics of experimental tumors from as few
as two determinations of tumor size: Implications for clinical oncology.
Anexa
Suplimentul conține rezultate
suplimentare și extensii legate de modelul
Ecuațiile 1 și 2 prezentate în textul
Începem cu un rezultat standard de
principal. Secțiuni include detalii despre
existență / unicitate, precum și cu
caracteristicile matematice ale soluțiilor
rezultatul invarianța dinamică a regiunii
de Ecuațiile 4 și 5, o extensie care descrie
triunghiulare:
reversibilitatea medicamentului
rezistență, regimuri de tratament cu doze
normalizate, detalii despre
identificabilitate structurală și o discuție Rețineți că T reprezintă regiunea tumorilor
extinsă asupra maximului timp critic Tα (d) non-negative de dimensiuni mai mici de 1.
Din punct de vedere biologic, acest lucru
Proprietățile soluției implică faptul că toate soluțiile rămân
fundamentale ale modelului de fizice (non-negative) și delimitată mai sus
de capacitatea de transport
rezistență (nedimensionalizată la 1 aici, în general K
Pentru comoditate, ecuațiile 4 și 5 sunt în ecuațiile 1 și 2).
reproduse mai jos:
Teorema 1. Pentru orice control măsurabil
delimitat u: [0, ∞) → [0, umax], cu umax,
∞ și (S0, R0) 2 T, problema valorii inițiale
unde α (t): = S (t) + prR (t), β (t): = du (t) S
Ecuațiile A1 și A2,
(t) sunt ambele non-negative, V0, 10V (t),
1. Astfel, dacă condițiile inițiale (S0, R0) se
află în T, noi sunt garantate că (S (t), R (t))
2 T pentru tot timpul t, după dorință.
are o soluție unică [S (t), R (t)] definită Acum dovedim că, asimptotic, celulele vor
pentru toate timpurile t 2 R. În plus, sub evolua pentru a deveni în întregime
dinamica prescrisă, regiunea T este rezistentă. Pentru simplitate, presupunem
invariantă. că tumoarea este inițial sub capacitatea de
încărcare, deși se obține un rezultat
Dovadă. Existența și unicitatea soluțiilor
similar pentru V0. 1.
locale decurg din standard rezultă în teoria
ecuațiilor diferențiale - de exemplu Teorema 2. Pentru orice control măsurabil
(Sontag ED: Teoria controlului matematic: delimitat u: [0, ∞) → [0, umax], cu umax,
sisteme dimensionale finite deterministe. ∞ și condiții inițiale (S0, R0) 2 T, soluțiile
Springer, 1998). Ca câmp vector ecuațiilor A1 și A2 se vor apropia de starea
de echilibru (S, R) = (0,1):
Care implica:
Comutarea reversibilă a
fenotipului
În modelul analizat în această lucrare care nu este în scădere (Teorema amintirii
(ecuațiile 4 și 5), am presupus că 1). Aceasta implică faptul că sistemul se
rezistența este nereversibilă; cu toate apropie de o stare stabilă (S *, R *), care
acestea, experimentele sugerează58 că poate fi ușor calculat ca:
modificările fenotipice sunt în general
instabile și, prin urmare, nu există o
tranziție neglijabilă înapoi. În acest anex,
demonstrăm că o extensie a modelului
nostru pentru a include acest fenomen nu Rețineți că ecuația A9 se află pe linia V = 1.
modificați rezultatele calitative prezentate
Pisco și colegii măsoară o subpopulație
anterior, cel puțin pentru parametru valori
clonală între 1% și 2% celule derivate HL60
care sunt în concordanță cu datele
care exprimă în mod constant niveluri
experimentale.
ridicate de MDR1, pe care le echivalăm cu
Pentru a modela rezistența reversibilă la populația rezistentă R. Folosind cea
medicamente, includem o constantă pe superioară de 2% legat, acest lucru implică
cap de locuitor rata de tranziție de la faptul că:
compartimentul rezistent R înapoi la
sălbăticie de tip celular S. Notând această
rată cu γ, obținem sistemul: Rezolvarea ecuației A9 cu valorile de mai
sus determină apoi raportul γ/e:
Identificabilitate teoretică
Rezultatele simulărilor sunt prezentate în Mai întâi arătăm că toți parametrii din
figurile A2 și A3. Notă că aici Figura A2 Ecuațiile A1 și A2 sunt identificabile
afișează rezultatele pentru conservarea folosind un set relativ mic de controlează
fenotipului medicament (α = 0), în timp ce u (t) prin metode clasice din teoria
Figura A3 reprezintă inducerea rezistenței controlului. Oferim un autocontenut
discuţie. Pentru o revizuire aprofundată a
teoriei și metodelor, vezi un articol recent
(Sontag ED: PLOS Comput Biol 13:
e1005447, 2017) și referințele din acesta.
Ecuația A17 este rezultatul dorit al analizei secțiunea, valoarea α poate avea un
noastre. Aceasta demonstrează că rata de impact mare asupra eficacității
comutare a fenotipului indusă de tratamentului și, prin urmare,
medicament α poate fi determinată de un determinarea valorii sale este
set relativ mic de comenzi de intrare u (t). semnificativă din punct de vedere clinic.
După cum sa discutat în precedent Rezultatele noastre
acum demonstrați că este posibil să se Înainte de a descrie experimentul in vitro,
calculeze rata de inducție și, prin urmare, observăm că suntem interesați în
utilizați aceste informații în proiectarea proprietăți calitative pentru determinarea
protocoalelor de tratament. În α. Într-adevăr, în majoritateascenarii de
urmatoarele secțiunea, cercetăm alte modelare, avem puține sau deloc
proprietăți calitative care ar putea fi și ele cunoștințe despre parametrii precisi valori
aplicat pentru a înțelege rata rezistenței și, în schimb, trebuie să se bazeze pe
induse de medicamente. caracteristici care disting rata de comutare
α independent de măsurătorile
Un protocol experimental in cantitative. Mai mult, ca cadru general
vitro de distins pentru rezistența la medicamente,
singurul variabilele de producție observate
Rezistență spontană și indusă clinic garantate sunt tumoarea critică
volumul Vc și timpul corespunzător tc.
de droguri
Pentru o descriere a protocol de
Am demonstrat că toți parametrii din tratament, vezi mai sus. Nu ne putem
ecuațiile 4 și 5 sunt identificabil astfel încât aștepta la clonal temporal măsurători ale
este teoretic posibil să se determine rata subpopulației. Presupunând că Vc este fix
de comutare a fenotipului α dintr-o clasă pentru o dată cancerul, tc este astfel
de controale de intrare u (t); cu toate singurul observabil pe care îl luăm în
acestea, vedem că calculul a implicat considerare Examinând ecuațiile 4 și 5,
măsurarea derivatelor la timpul inițial de vedem că parametrii cheie care dictează
detectare t = td. Mai mult, aplicat progresia către starea de echilibru (S, R) =
controalele (Eq A13) sunt neconstante și, (0,1) sunt d și α, deoarece acestea
prin urmare, necesită fracționare dozele determină eficacitatea și inducerea
care trebuie administrate. Din punct de rezistenței tratamentul, respectiv.
vedere clinic, astfel de strategii și Reamintim că ε este fundalul fix rata
măsurători poate fi dificil și / sau mutației și pr aptitudinea relativă a
impracticabil. În această secțiune, noi celulelor rezistente. Noi astfel efectuați un
descrieți o metodă in vitro pentru experiment standard de răspuns la doză
estimarea α utilizând terapii constante pentru fiecare valoare de sensibilitatea la
numai. Mai exact, obiectivul nostru medicament d și măsurați timpul tc pentru
principal este să distingem medicamentele a atinge dimensiunea critică Vc ca o
cu α = 0 (conservarea fenotipului) și α. 0 funcție de d. Răspunsul tc va depinde apoi
(inducerea rezistenței). Astfel de de cel aplicat doza u - amintiți-vă că
experimentele, descrise mai jos, pot fi administrăm doar terapii constante - și
implementate pentru un anumit sensibilitatea celulelor de tip sălbatic d,
medicament, chiar dacă mecanismul său precum și inducția rata α:
precis de promovare a rezistenței rămâne
incert.
FIG A3. Dinamica tratamentului pentru medicamentele care induc rezistența (α = 10-2).
Coloana din stânga indică strategia de tratament, în timp ce dreapta indică răspunsul
populației corespunzător. (A) Tratament constant după detectarea tumorii. (B) Răspuns la
tratament constant. Rețineți că în momentul tratamentului eșec, tumoarea este în esență
complet rezistentă. Dinamica este similară cu Figura 2B, deși cu un timp de supraviețuire mai
scurt. (C) Terapie pulsată după tumoră detectare. (D) Răspuns la terapia pulsată. Rețineți că
aici, spre deosebire de cazul unui medicament de conservare a fenotipului, așa cum se arată
în Figura A2, terapia pulsată prezintă un timp de supraviețuire mai lung.
identificabilității
În această secțiune, oferim detalii
suplimentare cu privire la Folosind astfel de expresii - sau, mai
identificabilitatea teoretică a parametrilor precis, derivatele Lie ale câmp vectorial
modelului. După cum se menționează în [vezi Sontag (PLOS Comput Biol 13:
textul principal, toate derivatele de ordin e1005447, 2017)] —Pentru controalele din
superior la momentul inițial t = 0 pot fi ecuația A13, se poate obține un set de
calculate în termeni a condițiilor inițiale (S ecuații între setul lui Yi, i = 0, 1, ..., 7 și
(0), R (0)) și a funcției de control u (t). parametrii d, «, pr și α. Rezolvarea acestor
Pentru de exemplu, pentru un sistem ecuații ne permite să determinăm
arbitrar parametrii în ceea ce privește cantitățile
măsurabile. Algebricul soluția este
ecuațiile A14-A17.