Professional Documents
Culture Documents
Treball Final Modelització
Treball Final Modelització
Treball Final Modelització
Resum:
En aquest treball s’analitza l’aplicabilitat del models més senzills de creixement a les línies
cel·lulars HeLa i 266-6. El model experimental dut a terme esquematitza el que seria la
fase de creixement avascular dels tumors, la fase prèvia a l’angiogènesi on el tumor veu el
seu creixement limitat per l’entrada passiva de nutrients.
Introducció:
La proliferació cel·lular tumoral es caracteritza pel fet que les cèl·lules es troben
continuament en el cicle cel·lular, no es deixen influïr per factors de creixement o altres
estímuls externs, es dóna de forma independent i sense estar coordinada amb la resta de
cèl·lules del seu entorn, evadeix el sistema immunitari i evita els processos d’apoptosi.
D’aquí que resulti especialment intressant l’estudi del creixement d’aquestes cèl·lules.
Hi ha un ampli concens en el fet que per molt ràpid que creixi un tumor, aquest no podrà
superar una grandària determinada com a conseqüència del balanç entre el consum de
nutrients dins la massa tumoral i la difusió d’aquests nutrients cap a l’interior d’aquesta.
Per això, un dels aspectes més importants dels creixement d’un tumor és l’angiogènesi, el
procés pel qual el tumor desenvolupa els seus propis vasos sanguínis per al
subministrament de nutrients i oxigen. Un cop el tumor ha adquirit els seus propis vasos
sanguínis, les cèl·lules del tumor poden escapar-se del tumor primari a través del sistema
circulatori, procés que es coneix com a metàstasi. Després de l’angiogènesi i de la
metàstasi, el pacient resta amb molts de tumors arreu del cos que són molt difícils de
detectar i tractar. Per aquest motiu, podem distingir en el desenvolupament del càncer tres
etapes diferents: avascular, vascular i metastàtica.
En aquest treball ens aproximarem a aquest fenòmen amb els models matemàtics de
creixement tumoral avascular a través de l’anàlisi de dades provinents d’un disseny de
creixement “in vitro”. Malgrat que l’obtenció de dades implica la destrucció de la població
concreta que estem estudiant, l’anàlisi conjunt de diversos replicats, ens permet inferir el
comportament estadístic d’aquestes poblacions. L’objectiu d’aquest estudi és observar el
creixement cel·lular “in vitro” de dues línies cel·lulars (HeLa i 266-6) i valorar quin model
s’ajusta millor a aquest creixement observat.
1
Treball final de Modelització en Biologia
Materials i mètodes:
Línies cel·lulars
Les cèl·lules HeLa (ATCC núm: CCL-2) són una línea cel·lular epitelial humana
immortalitzada procedent d’un adenocarcinoma de cèrvix. Varen ser la primera linea
cel·lular permanent humana (1951), per aquest motiu s’utilitzen sovint com a model o
referència en molts estudis.
Les cèl·lules 266-6 (ATCC núm: CRL-2151) són una línea cel·lular epitelial murina
immortalitzada procedent dels acins pancreàtics (1985). Aquesta linea es va obtenir a
partir de la inducció d’un tumor amb un gen de fusió format per la elastasa I i l’antígen T
del virus SV40. Es caracteritzen per mantenir parcialment un fenotip diferenciat, i
expressar nivells detectables de ARN missatger de enzims digestius.
El primer dia de l’experiment es sembraren 4.104 cèl·lules a cadascun dels pous d’una
placa de 24 pous. Les cèl·lules es van mantener a 37ºC, i en una atmosfera humidificada
que contenia un 5% de CO2. Ambdues lines cel·lulars es van fer créixer en Dubelccos’s
Modified Eagle Medium (DMEM) suplementat amb un 10% de serum boví fetal (FBS).
Comptatge de cèl·lules
2
Treball final de Modelització en Biologia
Dades experimentals:
Experiment 1:
Experiment 1
7,00E+05
6,00E+05
5,00E+05
N cèl·lules
4,00E+05
3,00E+05
2,00E+05
1,00E+05
0,00E+00
0 20 40 60 80 100
Temps (hores)
HeLa 266-6
Temps (hores) 0 16 40 64 88
Experiment 2:
Experiment 2
2,00E+06
1,50E+06
N cèl·lules
1,00E+06
5,00E+05
0,00E+00
0 20 40 60 80 100 120 140 160
Temps (hores)
HeLa 266-6
3
Treball final de Modelització en Biologia
Experiment 3:
Experiment 3
7,00E+05
6,00E+05
5,00E+05
N cèl·lules
4,00E+05
3,00E+05
2,00E+05
1,00E+05
0,00E+00
0 50 100 150 200 250
Temps (hores)
HeLa 266-6
Experiment 4:
Experiment 4
1,40E+06
1,20E+06
1,00E+06
N cèl·lules
8,00E+05
6,00E+05
4,00E+05
2,00E+05
0,00E+00
0 50 100 150 200
Temps (hores)
HeLa 266-6
4
Treball final de Modelització en Biologia
Descripció dels resultats:
El primer que veiem en observar el creixement d’aquestes linies cel·lulars és que les
corbes de creixement d’ambdues lines cel·lulars són molt diferents. Les 266-6 tenen un
creixement que encara que inicialment és inferior a les HeLa, a partir de les 24 hores en
cultiu s’accelera fins arribar a un pic al voltant de les 88 hores amb aproximadament un
milió de cèl·lules. A partir d’aquest punt, comença a donar-se una mortalitat també
accelerada fins al punt final de l’experiment.
266-6
1,60E+06
1,40E+06
1,20E+06
N cèl·lules
1,00E+06
8,00E+05
6,00E+05
4,00E+05
2,00E+05
0,00E+00
0 50 100 150 200 250
Temps (hores)
D’altra banda, les HeLa tenen un creixement una mica més lent en general que les 266-6,
tot arribant a un màxim al voltant de les 500.000 cèl·lules a les 112 hores, i on es manté
de forma estacionaria fins al punt final de l’experiment.
HeLa
6,00E+05
5,00E+05
4,00E+05
N cèl·lules
3,00E+05
2,00E+05
1,00E+05
0,00E+00
0 50 100 150 200 250
Temps (hores)
5
Treball final de Modelització en Biologia
Ajust a diferents models de creixement
Creixement exponencial
La principal limitació d’aquest model és el fet que només és sol poder aplicar a regions
d’un determinat fenomen, com és el cas dels fenòmens biològics. Encara que un
creixement pugui ser inicialment exponencial, aquest entrarà eventualment en una regió
prèviament ignorada en que hi ha un factor de retroalimentació negativa que esdevé
significatiu (conduint-nos cap al model logístic) o algunes de les assumpcions subjacents
al model del creixement exponencial, tal com la continuïtat o la retroalimentació
instantània, desapareixen.
dN
= rN
dt
N (t ) = N 0 e rt
8,00E+05
6,00E+05
4,00E+05
2,00E+05
0,00E+00
0 50 100 150 200 250
Temps (hores)
6
Treball final de Modelització en Biologia
Com es pot veure la corba exponencial presenta el millor ajust només en la fase inicial del
creixement, com ja s’esmentava prèviament dins de les limitacions del model exponencial
(línia de ratlles discontínues). Amb la línia de punts blaus es representa l’ajust a un model
exponencial a la fase inicial d’aquest creixement.
Podem veure amb més detall aquest ajust a les dades inicials en els gràfics que hi ha a
continuació.
4,00E+05
3,00E+05
2,00E+05
1,00E+05
0,00E+00
0 20 40 60 80 100 120
Temps (hores)
Paràmetres estimats
No r
36602 0,0246
També cal destacar que el nombre de cèl·lules inicials estimades pel model (N0=36602)
s’aproxima molt a les sembrades (40000).
7
Treball final de Modelització en Biologia
El gràfic següent representa la distribució dels residus resultants de la diferència entre els
valors esperats pel model exponencial i els observats.
Residu HeLa
1,40E+05
1,20E+05
1,00E+05
8,00E+04
6,00E+04
4,00E+04
2,00E+04
0,00E+00
-2,00E+04 0 2 4 6 8 10
-4,00E+04
Aquest nivell de significació ens diu que la distribució dels residus presenta certa
tendència i per tant no és aleatòria.
8,00E+05
6,00E+05
4,00E+05
2,00E+05
0,00E+00
0 20 40 60 80 100 120
Temps (hores)
Paràmetres estimats
No r
14538 0,0489
Tot i la millora que suposa aquest ajustament a un model exponencial només per la fase
inicial, cal destacar el fet que al final s’entreveu una tendència del model a ser inferior que
les dades observades. També destaca el fet que la No obtinguda pel model no s’ajusta a
la esperada, possiblement per raons tècniques relacionades amb la eficiència de les
cèl·lules a adherir-se a la placa i continuar creixent després de ser sembrades.
8
Treball final de Modelització en Biologia
Paràmetres estimats
No r
3000000 0,0108
També la mort de les 266-6, doncs, sembla explicar-se bé a través d’un model
exponencial.
Residu 266-6
1,20E+06
1,00E+06
8,00E+05
6,00E+05
4,00E+05
2,00E+05
0,00E+00
0 2 4 6 8 10 12
Aquest nivell de significació ens diu que la distribució dels residus presenta certa
tendència i per tant no és aleatòria.
9
Treball final de Modelització en Biologia
Creixement logístic
La corba logística és un refinament del model exponencial ideat pel matemàtic François
Verhulst el 1838. Aquest es basa en que quan la magnitud creix en un sistema finit, arriba
un cert punt on la grandària finita del sistema el creixement de la magnitud en no existir
recursos en l’abundància suficient com per seguir permetent el creixement exponencial.
Aquesta funció és la més comuna de les corbes sigmoidees. El model s’aplica sovint en
ecologia on certes espècies basen la seva estratègia en tenir altres taxes de reproducció
(estratègia de la r), al creixement tumoral i a determinats tipus de reaccions químiques.
Inicialment, quan hi ha un nombre petit d’individus el creixement és exponencial, però a
partir d’un cert moment el fet que els recursos no siguin infinits satura el creixement.
dN N
= rN 1 −
dt K
N0 K
N (t ) =
N 0 + ( K − N 0 ) e − rt
On N és el nombre de cèl·lules en un instant t determinat, K és la capacitat de càrrega del
sistema o el nombre d’individus màxims que pot mantenir, N0 el nombre de cèl·lules
inicial, i r la taxa de creixement.
Paràmetres estimats
r K
0,035234 546540
S’observa un ajust molt bo durant tot el transcurs de l’experiment, malgrat en alguns punts
es pugui desviar per sobre o per sota dels valors esperats.
10
Treball final de Modelització en Biologia
Aquest nivell de significació ens diu que la distribució dels residus presenta certa
tendència i per tant no és aleatòria.
Paràmetres estimats
r K
0,058432 650830
11
Treball final de Modelització en Biologia
Aquest nivell de significació ens diu que la distribució dels residus presenta certa
tendència i per tant no és aleatòria.
12
Treball final de Modelització en Biologia
Model log-logístic per al creixement de cèl·lules 266-6
Per tal d’ajustar les dades obtingudes per a les cèl·lules 266-6, en cal un model similar al
logístic però que un cop arribat al seu màxim, iniciï un decreixement; aquest és el cas del
model log-logístic.
( β
α )( α )
β −1
t
N (t ) =
( α)
β
1+ t
On (>0) és un paràmetre d’escala que entre altres també desplaça el màxim de la corba.
El paràmetre (>0) és un paràmetre de forma.
2,50E-01
Var. Transformada N cèl·lules
2,00E-01
1,50E-01
1,00E-01
5,00E-02
0,00E+00
0 50 100 150 200 250
Temps (hores)
Paràmetres estimats
75 19
Aquest model ens permet modelar un creixement inicialment accelerat, per bé que no
acaba de ser prou ràpid; i un posterior decreixement que tot i ser una mica més lent,
també segueix la mateixa forma.
Malgrat el bon ajust que ens permet obtenir aquest model, per a les dades de creixement
de les 266-6; té la limitació pel que fa als valors que pot prendre la funció i cal transformar
les dades per tal d’ajustar-les a l’escala en la qual es mou la funció.
13
Treball final de Modelització en Biologia
Residu 266-6
6,00E-02
4,00E-02
2,00E-02
0,00E+00
0 2 4 6 8 10 12
-2,00E-02
-4,00E-02
-6,00E-02
-8,00E-02
Aquest nivell de significació ens diu que la distribució dels residus no presenta cap
tendència i per tant és aleatòria.
14
Treball final de Modelització en Biologia
Model shifted log-logístic per al creixement de cèl·lules 266-6
(1 + ξ z )( )
1
ξ +1
N (t ) =
( )
−1 2
σ 1 + (1 + ξ z ) ξ
on z=
(t − µ )
σ
2,50E-02
Var. Transformada de N
2,00E-02
cèl·lules
1,50E-02
1,00E-02
5,00E-03
0,00E+00
0 50 100 150 200 250
Temps (hores)
Paràmetres estimats
88 12 -0,16
El que es pot observar a primer cop d’ull és el bon ajust que presenta aquesta distribució
en la seva fase inicial malgrat que després cau massa acceleradament respecte el
comportament observat en les cèl·lules.
En aquest cas també cal senyalar, que de la mateixa manera com hem vist en el model
anterior, en tractar-se d’una distribució; ha calgut transformar els valors de N observats
per tal que s’adaptessin als valors que proporciona la funció.
Una altra limitació d’aquesta distribució és el fet que a partir del valor de temps 160 hores,
deixa d’existir i per tant ens proporciona una informació limitada.
15
Treball final de Modelització en Biologia
Residu 266-6
2,00E-03
0,00E+00
0 2 4 6 8 10
-2,00E-03
-4,00E-03
-6,00E-03
-8,00E-03
-1,00E-02
-1,20E-02
Aquest nivell de significació ens diu que la distribució dels residus presenta certa
tendència i per tant no és aleatòria.
Logístic modificat
Un refinament del model logístic plantejat en el model anterior seria la consideració que el
comportament de les cèl·lules ve determinat per un sistema d’equacions on el creixement
està limitat per l’esgotament d’algun dels nutrients. Aquest consum dels nutrient és
proporcional al nombre de cèl·lules que hi ha en el cultiu.
dN
= rCN − dN 2
dt
dC
= −α NC
dt
Considerant que en els nostre experiment els nutrients no resulten limitants per al
creixement en l’interval en que es duu a terme l’experiment, resolem:
Quan C ≈ ctnt
dN N
= α N − β N 2 = rN 1 −
dt K
N (t ) = α e
αt
(βe αt
− eα c )
Cal destacar que malgrat haver obtingut la resolució de l’equació, ha estat impossible
trobar uns valors per als paràmetres tal que permetessin la seva optimització.
16
Treball final de Modelització en Biologia
Model de Gompertz
El model o llei ideat per Benjamin Gompertz el 1825, també proposa una modelització del
creixement basada en una corba sigmoidea. La diferència respecte el model logístic vist
anteriorment rau en el fet que el creixement del tumor formulat de forma exponencial
decreix en tant que la massa d’aquest augmenta, com a conseqüència d’una variable
nova que s’introdueix en el model i que també decreix de forma exponencial en el temps.
dN k
= rN ln
dt N
N (t ) = k exp c exp ( −rt )
Paràmetres estimats
r K
0,017593 597930
Tal com es pot observar el model de Gompertz dóna un ajustament tant bo com el logístic
per al creixement d’aquestes cèl·lules HeLa.
També cal destacar que els paràmetres estimats per aquest model resulten molt similars i
concordants amb els obtinguts pel model logístic.
17
Treball final de Modelització en Biologia
Aquest nivell de significació ens diu que la distribució dels residus presenta certa
tendència i per tant no és aleatòria.
Paràmetres estimats
r K
0,033952 634340
De la mateixa manera com veiem un comportament anàleg entre els models logístic i de
Gompertz per a les cèl·lules HeLa, amb les 266-6 obtenir un desajust similar al obtingut
l’anterior vegada. Aquest fet deixa patent que aquesta mena de models de creixement
exponencial inicial i posterior esmorteïment fins arribar a la capacitat de càrrega, no
apliquen per aquest tipus de cèl·lules.
18
Treball final de Modelització en Biologia
Aquest nivell de significació ens diu que la distribució dels residus presenta certa
tendència i per tant no és aleatòria.
Cal esmentar que existeix també pel model de Gompertz una generalització a un sistema
d’equacions diferencials, on la ralentització del creixement ve donada per una segona
variable que varia en funció del temps segons una segona equació, de manera similar al
model proposat més amunt, la expressió i la resolució del qual és:
dN
= k1 NG
dt
dG
= − k2 G
dt
k1
N (t ) = N 0 exp G0 (1 − exp ( −k2 t ) )
k2
En aquest treball s’han obviat els models de creixement més complexos en que es
planteja el creixement tumoral com el resultat de la interacció de diferents funcions que
representen el canvi d’altres paràmetres com poden ser nutrients, pH, acumulació de
metabòlits tòxics en el medi extracel·lular, etc. per la dificultat tècnica que suposa el
seguiment d’aquestes altres variables.
19
Treball final de Modelització en Biologia
Discussió i conclusions:
En el transcurs d’aquest treball s’han estudiat els possibles models aplicables per
descriure matemàticament el comportament de dos poblacions de cèl·lules tumorals ben
diferents.
S’ha vist que una d’elles, les cèl·lules HeLa, segueixen un comportament que clarament
és pot descriure amb un model sigmoideu com és el model logístic o el model de
Gompertz.
Per altra banda, el creixement de les cèl·lules 266-6; caracteritzat per un creixement
accelerat en una primera etapa i una posterior mort també accelerada; pot ser descrit amb
un cert grau de refinament amb una distribució del tipus log-logístic.
Tanmateix, ha sorprès que durant el transcurs de la validació dels resultats a través d’un
test d’aleatorietat (Test de Rachas o de Run) dels residus obtinguts de restar per cada
punt observat el seu valor predit pel model, només trobéssim significatiu in dels models.
Davant d’aquest fet, s’ha vist que utilitzant aquest test amb un nombre de residus
clarament aleatoris o clarament no aleatoris igual al de la mostra emprada tampoc
s’obtenien valor de p significatius. Així doncs, la limitació per a l’obtenció de valors de p
significatius s’hagués pogut evitar introduint més punts de mostreig repartits durant tot el
transcurs de l’experiment.
Bibliografia:
20