Martínez HMÁ, Lumpuy OD, Rodríguez FCC, López SA

Idioma: Español
Referencias bibliográficas: 11
Paginas: 1-16
Archivo PDF: 615.99 Kb.

RESUMEN

Introducción: La hipótesis del cáncer de las células madre se ha convertido en uno de los paradigmas más importantes en la investigación biomédica. Durante los últimos años se ha ido acumulando evidencia de la existencia de poblaciones similares a células madre en diferentes tipos de cáncer, especialmente en las leucemias.
Objetivos: Mostrar mediante la modelación matemática y la simulación computacional cómo los cambios en los parámetros que describen las tasas de proliferación y las propiedades de autorrenovación pueden influir en la dinámica de las poblaciones de células sanas y leucémicas.
vMétodos: Se utilizó un modelo matemático que es una extensión de los modelos de hematopoyesis sana. Se resolvió el modelo mediante herramientas computacionales basadas en métodos numéricos, lo que permitió realizar simulaciones con diferentes parámetros e intervalos de tiempo.
Resultados: Al imponer ciertas condiciones iniciales y resolver matemáticamente el modelo se obtuvo la evolución temporal de las variables de estado del sistema hematopoyético. Partiendo de un estado conocido del sistema hematopoyético se predijo el comportamiento en el tiempo de las variables de estado. Se particularizó para cuatro escenarios clínicamente relevantes.
Conclusiones: El análisis del modelo dio como resultado diferentes escenarios de crecimiento de células leucémicas, entre los cuales la proliferación aumentada de células malignas es el más prominente. Sin embargo, diferentes escenarios son posibles, como la inducción de apoptosis o la autorrenovación mejorada.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Stiehl T, Marciniak-Czochra A. How to characterize stem cells? Contributions from mathematical modeling. Curr Stem Cell Rep. 2019;5(2):57-65. DOI: https://https://doi.org/10.1007/s40778-019-00155-01.

2. Pedersen RK, Andersen M, Stiehl T, Ottesen JT. Mathematical modelling of the hematopoietic stem cell-niche system: Clonal dominance based on stem cell fitness. J Theor Biol. 2021;518:110620. DOI: https://https://doi.org/10.1007/s40778-019-00155-02.

3. Chen SY, Huang YC, Liu SP, Tsai FJ, Shyu WC, Lin SZ. An overview of concepts for cancer stem cells. Cell Transplant. 2011;20(1):113-20. DOI: https://10.3727/096368910X5328373.

4. Stiehl T, Marciniak-Czochra A. Stem cell self-renewal in regeneration and cancer: insights from mathematical modeling. Curr Opinion Syst Biol. 2017;5:112-20. DOI: https://10.1016/J.COISB.2017.09.0064.

5. Stace REA, Stiehl T, Chaplain MAJ, Marciniak-Czochra A, Lorenzi T. Discrete and continuum phenotype-structured models for the evolution of cancer cell populations under chemotherapy. Math Model Nat Phenom. 2020;15:14. DOI: https://doi.org/10.1051/mmnp/20190275.

6. Wang W, Stiehl T, Raffel S, Hoang VT, Hoffmann I, Poisa-Beiro L et al. Reduced hematopoietic stem cell frequency predicts outcome in acute myeloid leukemia. Haematologica. 2017;102(9):1567-77. DOI: https://10.3324/haematol.2016.1635846.

7. Lorenzi T, Marciniak-Czochra A, Stiehl T. A structured population model of clonal selection in acute leukemias with multiple maturation stages. J Math Biol. 2019;79(5):1587-621. DOI: https://10.1007/s00285-019-01404-w7.

8. Stiehl T, Wang W, Lutz C, Marciniak-Czochra A. Mathematical modeling provides evidence for niche competition in human AML and serves as a tool to improve risk stratification. Cancer Res. 2020;80(18):3983-92. DOI: https://10.1158/0008-5472.CAN-20-02838.

9. Stiehl T. Using mathematical models to improve risk-scoring in acute myeloid leukemia. Chaos. 2020;30(12):123150. DOI: https://10.1063/5.00238309.

10. Manta L, Saeed B, Poisa-Beiro L, Pyl P, Stiehl T, Barth-Miesala K. et al. Clonal heterogeneity in acute myeloid leukemia. Oncol Res Treat. 2017;40:50-1.

11. Stiehl T, Marciniak-Czochra A. Mathematical Modeling of Leukemogenesis and Cancer Stem Cell Dynamics. Math Model Nat Phenom. 2012;7(1):166-202.