Immunome Research, 2005; 1: 5-5 (más artículos en esta revista)

Los calendarios de vacunación para la elaboración de modelos para una vacuna contra el cáncer de immunoprevention

BioMed Central
Santo Motta (motta@dmi.unict.it) [1], Filippo Castiglione (f.castiglione @ iac.rm.cnr.it) [2], Pierluigi Lollini (pierluigi.lollini @ unibo.it) [3], Francesco Pappalardo (francesco@dmi.unict.it) [1]
[1] Departamento de Matemáticas y Ciencias de la Computación, Universidad de Catania, Catania, Italia
[2] Sezione di Cancerologia, Dipartimento di Patologia Sperimentale, de la Universidad de Bolonia, y el Centro Interdipartimentale di Ricerche sul Cancro "Giorgio Prodi", Italia
[3] Istituto per le Applicazioni del Calcolo, Consiglio Nazionale delle Ricerche, Roma, Italia
[4] Facultad de Farmacia, Universidad de Catania, Italia

Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons License (http://creativecommons.org/licenses/by/2.0], que permite el uso irrestricto, la distribución y reproducción en cualquier medio, siempre que la obra original sea debidamente citada.

Resumen

Presentamos un enfoque sistemático para la búsqueda de un eficaz programa de vacunación utilizando modelos matemáticos computarizados. Nuestro estudio se basa en el anterior modelo que simula el cáncer del sistema inmunológico frente a la competencia activa por tumor vacuna. Este modelo reproduce con exactitud en los resultados de experimentos in vivo en ratones tratados con HER-2/neu la inmuno-prevención de la vacuna contra el cáncer (tríplex) para el carcinoma mamario. En experimentos in vivo han demostrado la eficacia de la vacuna tríplex en la protección de ratones de carcinoma mamario. La plena protección que confiere el uso crónico (profilácticos) protocolo de vacunación terapéutica mientras que la vacunación es menos effcient.

En el presente trabajo la utilización de simulaciones de ordenador a la búsqueda sistemática de un esquema de vacunación que previene la formación de tumor sólido. La estrategia que utiliza para la definición de un esquema de vacunación es eficaz para controlar el número de células cancerosas con los ciclos de vacunación. Se encontró que, aplicando el esquema de vacunación utilizados en experimentos in vivo, el número de inyecciones de la vacuna puede reducirse aproximadamente en un 30%.

1 Introducción

Tumor inmunólogos han buscado la manera de convertir los resultados experimentales en las terapias eficaces para los pacientes de cáncer humano. Los mejores resultados hasta el momento son proporcionados por diversas utilizando anticuerpos monoclonales dirigidos contra las células tumorales, que obtuvo la aprobación de los organismos reguladores y entraron en la práctica clínica. Otros enfoques, tales como vacunas terapéuticas que tienen como objetivo estimular la respuesta inmune del huésped contra el tumor de las células, son mucho menos éxito [1]. La evidencia experimental demuestra claramente que trate de obtener respuestas eficaces vacunas contra temprana, los tumores microscópicos, pero son ineficaces contra establecidos, las grandes masas tumorales. Una situación similar se encuentran en la inmunidad infecciosas: vacunas profilácticas proteger a millones de personas en todo el mundo de agentes patógenos, mientras que las vacunas terapéuticas son en su mayoría ineficaces. Tales resultados llevaron a algunos inmunólogos tumor a la idea de que el esfuerzo debe orientarse hacia el desarrollo de profilácticos, en vez de terapéuticos, vacunas contra el cáncer [2]. Vacunas contra los virus que aumentan el riesgo de cáncer, como el virus de la hepatitis B (VHB) o el virus del papiloma (VPH), ya han demostrado un significativo effcacy en la reducción de la incidencia de cáncer [3, 4]. El reto ahora es elaborar estrategias inmunológicos para el diseño de vacunas para la prevención de los cánceres humanos que no están relacionados con infecciones virales.

Norma vacunas contra los virus inducen la respuesta primaria de la adaptación de los componentes del sistema inmunitario contra la no autonomía del antígeno con el fin de activar el sistema inmune de memoria que luego de obtener la respuesta secundaria mucho más fuerte cuando el antígeno entrará en el cuerpo. No hay necesidad de romper la libre tolerancia como el antígeno no es libre.

A diferencia tumor vacunas necesidad de romper la tolerancia de los antígenos asociados tumor (TAA) que de otra manera serían tratados como libre y no atacadas por el sistema inmunológico.

La eficacia de la prevención del tumor de inmuno-se demostró en los últimos diez años en varios modelos de ratones de desarrollo de tumores. Tumores en estos modelos están ya sea inducida por carcinógenos químicos o transgénicos por la expresión de oncogenes. Entre los más investigado a fondo es el modelo de ratón transgénico HER-2/neu. HER-2/neu es un oncogén humano involucrado en carcinomas de mama y de ovario. El producto proteico de HER-2/neu, p185neu, es una membrana tirosina quinasa que transduces señales de proliferación. Una desregulación de HER-2/neu, por ejemplo debido a la amplificación de genes, conduce a la proliferación incontrolada de células. La sobreexpresión de HER-2/neu de rata de un transgén en los ratones se obtuvo utilizando tejido reguladores específicos derivados de las secuencias del virus de tumor mamario (MMTV) repite largo terminal (LTR). Diversas líneas de ratones transgénicos fueron obtenidas utilizando ya sea un mutante, constitutivamente activado o de un gen HER-2/neu normal, no gen mutado. Aquí nos referiremos a los ratones que lleva el gen mutante, que son propensos a una muy agresiva carcinogénesis mamaria, invariablemente conduce al desarrollo de carcinomas de mama invasivo a la edad de 6 meses. La historia natural de carcinoma mamario en ratones transgénicos HER-2/neu se investigó a fondo y encontró a ser notablemente similar a la del cáncer de mama humano [5]. Inmuno-prevención de carcinoma mamario en ratones transgénicos HER-2/neu se intentó utilizar diversas estrategias inmunológicas, incluyendo citocinas, no específicos estimuladores de la respuesta inmune, HER-2/neu y vacunas específicas de ADN, proteínas, péptidos o En su conjunto células. La mayoría de los enfoques logrado un retraso de la carcinogénesis mamaria, pero una completa prevención de la aparición de tumores no se alcanzó, en particular en el más agresivo tumor modelos [6]. Hemos logrado el primer éxito en la prevención de carcinoma mamario en ratones transgénicos HER-2/neu utilizando una vacuna que combina tres diferentes estímulos para el sistema inmunológico. La primera fue p185neu, producto de la proteína HER-2/neu, que en este sistema se encuentra en el mismo tiempo de conducción oncogén carcinogénesis y el objetivo antígeno. P185neu se combinó con los dos no específicos adyuvantes, clase I alogénico complejo principal de histocompatibilidad (MHCI) y glicoproteínas interleucina 12 (IL-12). MHCI glicoproteínas son responsables de algunos de los más intensos la respuesta inmune observados en el rechazo de trasplantes de órganos alogénico. A diferencia de los antígenos convencionales, las moléculas de MHCI alogénico estimular una fracción relativamente grande de todos los clones de células T, hasta el 10% de la disponible repertorio. IL-12 es una citoquina que normalmente se produce en células presentadoras de antígenos (APC), como las células dendríticas (DC) para estimular las células T helper y otras células del sistema inmune, como las células natural killer (NK) [7]. IL-12 fue inicialmente administrado sistémicamente, sino un más reciente formulación de la vacuna utilizada Triplex modificados genéticamente vacuna con células transduced genes de la IL-12, lo que permite la producción de citoquinas en los altos niveles local que imitaron más de cerca la liberación natural de la IL-12 [8 ]. La vacuna de células (VC) que vamos a modelo aquí es similar a la última y consiste en un HER-2/neu transgénicos alogénico de células de carcinoma de mama con respecto a la acogida y transduced con IL-12 genes.

Una completa prevención de la carcinogénesis mamaria con el tríplex vacuna se obtuvo cuando los ciclos de vacunación se inició a las 6 semanas de edad y continuó durante toda la duración del experimento, por lo menos un año (vacunación crónica). Un ciclo de vacunación consistió en cuatro administraciones intraperitoneal de no reproducir (mitomicina tratadas) VC más de dos semanas seguidas de dos semanas de descanso [8]. Hemos hecho varios intentos de reducir el número de ciclos de vacunación, en particular, se estudiaron los efectos de tres ciclos a partir de las 6 semanas de edad (a principios de la vacunación), o a las 10 semanas de edad (fines de la vacunación), o en las 16 semanas de edad (Muy tarde vacunación). A principios de vacunación producido un retraso significativo en la aparición de tumores, todos los ratones, pero finalmente sucumbió a carcinoma mamario. Finales de la vacunación es menos eficaz que la vacunación temprana, mientras que el protocolo era muy tarde completamente desprovisto de efecto en comparación con ratones control sin tratar (Figura 1].

La cuestión de si la crónica protocolo mínimo de vacunación es el protocolo que permitiese una protección completa del tumor de inicio, o si un menor número de ciclos de vacunación proporcionaría un grado similar de protección es todavía una cuestión abierta. Encontrar una respuesta a esta pregunta a través de una solución biológica sería demasiado costoso en tiempo y dinero, ya que requeriría una enorme cantidad de experimentos, cada uno de duración mínima de un año. Por este motivo hemos desarrollado un modelo preciso de las respuestas del sistema inmunológico a la vacunación y el uso de este modelo como un laboratorio virtual para la búsqueda de protocolos de vacunación eficaz. El documento está organizado de la siguiente manera: en la sección § 2 introducirá los requisitos generales necesarios para modelar el problema; sección § 3 describe detalladamente nuestro laboratorio virtual, es decir, el modelo, su estructura y los detalles biológicos, y su equipo de aplicación (el simulador). En la sección § 4 presentamos experimentos in silico para los diferentes calendarios de vacunación y se muestra cómo el laboratorio virtual se puede utilizar para el diseño de un nuevo y mejor protocolo. Finalmente en la sección § 5 discutimos nuestros resultados, sacar algunas conclusiones, y los planes para futuras investigaciones.

2 El marco general para la elaboración de modelos

Al abordar la elaboración de modelos de cáncer - sistema inmunológico de la interacción y la competencia uno debe ser consciente de que esta competencia puede desempeñar un papel fundamental, además de las acciones terapéuticas. Esta competencia puede terminar, posiblemente, ya sea con la eliminación de las células del cáncer, o la progresiva invasión de las células del cáncer de otros tejidos u órganos.

El objetivo de los tratamientos médicos es la de mejorar la respuesta inmune mediante la activación de la defensa inmune y / o especializadas de la capacidad de las células inmunitarias, para identificar la presencia del tumor.

La competencia inmunológica es un fenómeno que implica agresivo células o partículas (ya sea externa no patógenos o de la libre auto modificado o dañado las células) y de las diversas poblaciones del sistema inmunológico. El sistema inmunológico parece ser un sistema distribuido, que carece de control central, pero que, sin embargo, realiza su tarea compleja en un medio extremadamente eficaz y effcient. Complejidad, en este marco, está impulsada por el hecho de que las interacciones se desarrollan en diferentes escalas (es decir, la dinámica celular está gobernada por subregiones de las interacciones celulares) y los diferentes mecanismos de operar sobre el mismo tema (para la mecánica y la dinámica biológica de la competencia inmune ). El estado de la técnica de los mecanismos inmunes desde el punto de vista de la biología molecular se describen en la literatura especializada [9 - 11]. Debido a los rápidos progresos de este conocimiento biológico está cambiando rápidamente.

Un modelo, que es una cartografía de un mundo real de dominio a un dominio matemático, se destacan algunas de las propiedades esenciales, ignorando no pertinentes (o cree no es relevante). Un buen modelo debe ser pertinente, la captura de las propiedades esenciales del fenómeno, computables, el conocimiento en la conducción de cálculo matemático de la representación; comprensible, que ofrece un marco conceptual para pensar en el dominio científico, y extensible, que permite el descubrimiento de nuevas propiedades reales en el mismo Marco matemático.

En el marco de la competencia del sistema inmunológico, los medios de un modelo que debería ser capaz de capturar la propiedades esenciales del sistema, las entidades del sistema de organización y su comportamiento dinámico. Un modelo computable debe entonces ser capaces de simular el comportamiento dinámico y la evolución y las interacciones de las entidades del sistema que jugar el juego. Un modelo debe reproducir comprensible concepto y las ideas de la inmunología tumoral en tanto que la apertura de nuevas posibilidades de cómputo para comprender la competencia inmune. Por último extensible modelos deben permitir la inclusión de nuevos conocimientos con un pequeño esfuerzo. El sistema inmune se caracteriza por una gran complejidad por lo que es muy diffcult, o incluso imposible, desarrollar una detallada descripción matemática de todos los fenómenos relacionados con la competencia inmune que cumplan todos los anteriores. Un esfuerzo significativo ha sido recientemente dedicó en la búsqueda de un enfoque matemático para describir el Sistema inmunológico - tumor de la competencia (ver [12] para una revisión reciente). Sin embargo, si se centra la atención en determinados tipos de interacciones, uno puede tratar de desarrollar modelos especiales para un determinado fenómeno en la observación y la representación elegida escala. Amplia descripción de subcelulares vs escalas de los modelos más grandes se pueden encontrar en [13 - 15]. Métodos basados en el modelo generalizado cinética aspecto muy prometedor para la descripción del sistema: sin embargo todavía no son tan detalladas como para modelar una vacuna terapéutica específica.

3 SimTriplex Modelo

Modelo a la acción de una vacuna específica del tumor, usamos un método de cálculo que reproduce el modelo ab initio cinética que describe las interacciones y la difusión de cada entidad biológica. Este enfoque es biológicamente muy flexible; el comportamiento de las entidades de utilizar el modelo actual es el conocimiento biológico y puede ser fácilmente modificado para tener en cuenta las observaciones de los nuevos resultados experimentales biológicos. En comparación con la complejidad del sistema biológico real de nuestro modelo es todavía muy ingenua y que puede ampliarse en muchos aspectos. Sin embargo, el modelo completo es suficiente para describir los principales aspectos del fenómeno y, después de sintonización los parámetros del modelo, se puede predecir la respuesta a un esquema de vacunación que impidieron la formación de tumores sólidos en ratones.

Nuestro modelo, en adelante, como modelo SimTriplex, describe la competencia inmune de un agente basado en el método. Estos métodos son muy populares hoy en día como que encuentran aplicación en diversos campos. Sin embargo la idea de discretos agentes cuya dinámica mundial es capaz de reproducir el comportamiento macroscópico se ha introducido hace más de cincuenta años en el marco de la dinámica de fluidos.

Se utilizó un Lattice Gas Automata (LGA), enfoque que permite describir, en un espacio definido, el sistema inmunológico de las entidades con sus diferentes estados biológicos y de las interacciones entre las diferentes entidades. La evolución del sistema inmunológico en un espacio físico en 2D y en el tiempo se genera a partir de la interacción y la difusión de las diferentes entidades. Extensión a un espacio físico en 3D es posible, pero que, evidentemente, tienen un mayor coste computacional. La principal ventaja de esta técnica es que las entidades y las relaciones pueden ser descritos en términos que son muy similares al mundo biológico. La no linealidad intrínseca del sistema es tratado sin esfuerzos adicionales. Modelos basados en esta clase de técnicas de reproducción de los conocimientos biológicos del sistema, de forma que sean pertinentes, comprensible y extensible. Son, naturalmente, pero la computables esfuerzo computacional aumenta drásticamente con el aumento de los detalles biológicos (por ejemplo, el repertorio inmunológico y biológicas más detalles). Esta clase de modelo se puede considerar como la contraparte computacional de la cinética modelo generalizado.

Para describir el cáncer - sistema inmunológico de la competencia hay que incluir a todos las entidades (las células, las moléculas, adyuvantes, etc) que los biólogos reconocen como relevantes en el concurso. Estas entidades han internos de los estados, el nacimiento, la edad y la muerte (es decir, estructura de edades). Las interacciones entre diferentes entidades stochastically cambiar el estado interno de una o ambas entidades de la interacción. Espacio cambios en el sistema se logran con la difusión en lugar de la colisión (ver 3.2.4). Vale la pena recordar a los que, en el marco de un celular microscópica está interesada sólo en el estado inicial y final. El modelo de los mecanismos que producen el cambio de estado es trasladado a sub-modelos de celulares.

Nuestro modelo se basa en los datos experimentales sobre Triplex, una vacuna para la ingeniería de carcinoma mamario HER-2/neu probado en ratones transgénicos.

El modelo, que ha sido descrita en detalle en [16] son las entidades descritas en el cuadro 1. Aquí queremos recordar representación de las entidades con el fin de poner de relieve el enfoque computacional.

3,1 Representación de Entidades

La función principal del sistema inmunológico es una función de reconocimiento. Trabajo a escala celular tenemos que sólo representan esas características de las entidades que sean pertinentes para el reconocimiento y la interacción: estado, el reconocimiento del sitio y de toda la vida.

Desde el punto de vista computacional, la principal diferencia entre celulares y moleculares entidades es que las células tienen un atributo de estado y se pueden clasificar en función de estos atributos. Entidades sin estado biológico, al igual que los anticuerpos no son seguidos individualmente, en lugar consideramos sólo su número total para cada punto de celosía. Su estructura de edad se obtiene aumentando o disminuyendo el número de población. Antígenos (Ag o TAA) son, sin embargo, siguió como individuos para su función específica.

Entidades biológicas con los estados, es decir, las entidades celulares, son seguidos individualmente con el fin de llevar un registro de cambio de estado, debido a las interacciones. El estado de una célula artificial es una etiqueta introducida por la lógica de representación de las células comportamiento. Ellos tienen un estándar de vida que pueden aumentar con el tiempo la interacción.

La mayoría de celulares y moleculares entidades han reconocimiento sitios (receptores). El conjunto de los receptores de los linfocitos está representado por las cadenas de bits de longitud h [17], que constituye el llamado "espacio de la forma" [18]. Un conjunto clonal de las células se caracteriza por clonotypic receptor de la misma, es decir, por la misma secuencia de bits de longitud l. El repertorio de los posibles receptores de las escalas como 2 l.

Simple entidades, como los anticuerpos, se representan mediante su sitio de unión (receptores). Antígenos asociados tumor también se describen utilizando su sitio de unión, pero también mantener un registro de su vida. Representación de las entidades incluyen los receptores celulares, y el sitio de unión para toda la vida.

El receptor-coreceptor vinculante entre las entidades que se describen en términos de adecuación entre binarios con cuerdas fijas direccionales marco de lectura. Bit-cadenas representan el genérico "sitio de unión" entre las células (a través de sus receptores) y las moléculas de meta (a través de péptidos y epítopos). Cada entidad celular está representada por una serie de moléculas, incluyendo la del receptor. El repertorio se define como la cardinalidad del conjunto de posibles casos de entidades que difieren en, al menos, un poco de todo el conjunto de cadenas binarias utilizados para representar sus atributos.

De hecho, las células equipado con sitios de unión y de los anticuerpos, con un repertorio de posibilidades , Donde N e indica el número de cadenas binarias utilizados para representar a los receptores, MHC-péptido complejos, y epítopes de la entidad e. Otras entidades no tienen que ser especificados por cadenas binarias por lo que su repertorio está representado por una sola entidad (es decir, N e = 0). Los ejemplos incluyen moléculas de citoquinas como el interferón-γ y la señal de peligro [19].

Figuras 2 y 3 muestran una representación gráfica de los linfocitos y de antígenos. El bit-string se etiqueta con su representación decimal. Las cifras se han tomado de ImmSim v.3 userguide 1.

Como los receptores de las entidades están representadas por las cadenas de bits, la única información disponible es una "similitud" entre cadenas de bits. Una medida estándar de la similitud entre dos cadenas de bits es la llamada distancia Hamming, que es sólo el número de bits de desalineamientos 2. Las interacciones entre dos entidades equipadas con receptores estén definidos por una medida de probabilidad, llamada affnity potencial, que es una función de la distancia Hamming entre las cadenas binarias que representan a las dos entidades "sitio de unión. Durante dos series de caracteres s y s' dicha probabilidad es máxima cuando todos los bits son complementarios correspondientes (0 ↔ 1), es decir, cuando la distancia Hamming entre s y s' es igual a la longitud de cadena de bits. Si l es la longitud de cadena y poco m Hamming es la distancia entre las dos cadenas, la affnity potencial se define en el rango de 0,. . ., Como l

Donde v c ε (0,1) es un parámetro libre que determina la pendiente de la función que como m c (l / 2 <mc l) es una línea de corte (o umbral), valor por debajo del cual no es vinculante Permitido.

Las células son libres de difundir a través de la celosía sitios. En cada paso de tiempo, en representación de 8 horas de tiempo real, las células y moléculas que residen en el mismo sitio enrejado que pueden interactuar entre sí. El tejido se representa como dos dimensiones celosía triangular (seis vecino sitios) L × L, periódico con condiciones de frontera en ambas direcciones (arriba-abajo, izquierda-derecha). La celosía se toma aquí para representar una porción de tejido mamario del ratón.

Todas las diversas clases de actividad funcional inmune, fagocitosis, la activación inmune, opsonization, citotoxicidad y la infección se describen por las normas de cálculo.

El modelo también incluye el mecanismo de haematopoiesis como se describe en [16]. Las normas que aplican estas acciones se ejecutan en un orden aleatorio.

3,2 Codificación SimTriplex

El alto nivel de la arquitectura de código se puede explicar usando las siguientes pseudo-código.

SimTriplex Simulador

Entrada: Aceptar predeterminados los insumos (por ejemplo, el usuario especifica las inyecciones de la vacuna, la generación aleatoria de las nuevas y B-células T, etc.)

Hora de inicio del ciclo

Activar Thymus y funciones de Médula Ósea.

Haematopoiesis función se activa y funciona en todos los ciclos.

Dirigida por la interacción dinámica. Permite el cotejo de las entidades y la modificación de sus estados, crea nuevas entidades, en respuesta a estas interacciones, etc, en respuesta a estas interacciones.

Dinámica interna. Posibilita el subsidio para la interna, no dirigida por la interacción dinámica (por ejemplo, el envejecimiento y la muerte natural, la diferenciación, mutación, etc.)

Difusión. Permite celular entidades para difundir en el control de la celosía limitaciones de espacio físico. Cambio de la densidad molecular de las entidades con el fin de imitar la difusión.

Salida. Stores una traza del estado del sistema en el momento t.

Tiempo de ciclo

Código final

Un ajuste de la rutina se crea la celosía, registro de los valores de los distintos parámetros de entrada y stochastically llenar la celosía con todos los habitantes de las células. Tiempo de paso interacciones producto hasta un preseleccionados por última vez.

Celulares y moleculares entidades reciben un trato diferente en el modelo. Celular entidades son tratados individualmente, mientras que las entidades son el modelo molecular como poblaciones. Se describe por separado.

4 Resultados

La búsqueda sistemática de un nuevo calendario es impulsada por el conocido in vivo los resultados que hemos reproducido con nuestro modelo. En el siguiente, primero describir cómo creamos nuestro laboratorio virtual en el que se reproduce silico experimentos in vivo los resultados (sección § 4.1), y por la tarde se analizan los resultados de los diferentes calendarios para analizar con el sistema inmunológico reacción a inyecciones de la vacuna (sección § 4.2). Por último, teniendo en cuenta lo que hemos aprendido de los experimentos ordenador, que sistemáticamente búsqueda de un nuevo calendario alternativa a la crónica, que podría impedir la formación de tumores sólidos (sección 4.3).

Configuración de 4,1 experimentos in silico

En experimentos in vivo sobre conjuntos de HER/2-neu ratones se han llevado, para todos los horarios, hasta el momento en el que un tumor sólido se forma en el ratón. De hecho, se observa que la eficacia de la vacuna se agotó después de un tumor sólido se forma. Con el fin de imitar a estos experimentos in silico se necesita para definir un tumor sólido en una celosía. Teniendo en cuenta el número de entidades del Sistema Inmune simulada en la celosía suponemos que un tumor sólido se forma cuando el número de células de cáncer en la celosía se convierte en mayor de 10 5.

Los protocolos de vacunación que se han utilizado para probar la eficacia de tríplex se describen en la sección 1. En experimentos in silico tratamos de reproducir los experimentos in vivo. Para ello considera todas las diferentes protocolos antes mencionados y el caso de los ratones no tratados. El último de los cuales se analiza a fin de sintonía con el crecimiento del tumor experimental y asegurarse de que la simulación no muestra significativa respuesta inmune.

Se realizó experimentos in silico usando el estándar de buenas prácticas de estadística procedimiento: i) Se consideraron una gran población de cada uno de los ratones. Cada persona ratón se caracteriza por una secuencia de números de uniforme que determinará los eventos probabilísticos. Ii) aleatoriamente de la misma población estadística dos muestras individuales de 100 ratones (de aquí en adelante como S 1 y S 2) a realizar experimentos numéricos.

El tiempo de cómputo se inicia cuando el ratón es de seis semanas (tiempo de la observó hiperplasia atípica) y el producto hasta la formación de un tumor sólido o un máximo de 2 años. Para cada protocolo que tratamos a todos los ratones en la muestra y se mide el tiempo en que el tumor se forma sólida. El porcentaje de los ratones libres de tumores en función de la edad se muestra en la Figura 4 para la muestra S 2 (el mismo resultado para la muestra S 1 se ha demostrado en [16]]. La comparación con la Figura 1 se muestra excelente acuerdo con los experimentos in vivo.

4,2 Análisis de los horarios de los resultados

El comportamiento general de la mayoría de las cantidades en función del tiempo que ya ha sido descrito en [16]. Aquí tenemos de nuevo la cuestión a analizar en detalle el sistema de reacción a las inyecciones de la vacuna, a fin de prever un nuevo protocolo de vacunación que previene la formación de tumores sólidos. Para apreciar mejor esta reacción con respecto a la inyección de la vacuna se considera el momento en parcelas de las cantidades correspondientes por separado para cada cuadro y nos marca la vacunación veces. Al igual que en [16], consideramos, por la S 1 muestras estadísticas, los valores medios, el número total de células inmunitarias y las células del cáncer en la celosía como función del tiempo. Estas cantidades se representan gráficamente en las figuras 6, 7, 8, 9, respectivamente, por muy tardía, temprana, tardía y crónica, de cada calendario. Figura 5 muestran las mismas cantidades para la S en ratones no tratados 1.

El error de análisis muestra que en las regiones donde la muestra tiene una fuerte significación estadística (es decir, todavía es un gran número suficiente de los ratones que no se ha formado un tumor sólido), la desviación estándar siempre se llega a un máximo de 5-8% para todas las entidades .

En primer lugar nos damos cuenta de que muy tarde y no tratados protocolos muestran curvas similares. Así, muy tarde calendario no es pertinente, ya que no afecta el crecimiento del tumor. No vamos a discutir más este horario.

Principios y finales de protocolo general muestran un comportamiento similar para todas las cantidades. La crónica de protocolo muestra un comportamiento que es diferente de todos los otros protocolos.

Esto últimos tres calendarios de mostrar una primera fase transitoria caracterizada por una fuerte respuesta citotóxica que corresponde a una reducción drástica de las células cancerosas. Esta primera, como ráfaga, aparece también la fase transitoria, para todos los tres cuadros, en T ayudantes, las células T citotóxicas, células B y anticuerpos. Los anticuerpos crecer inmediatamente después de la primera inyección de la vacuna. Este efecto se debe a la vacuna de anticuerpos liberados por las células. El comportamiento general es similar para todos los horarios, pero existen importantes diferencias:

I) el efecto de la vacuna en el crecimiento de las células del cáncer aparece después de que el segundo ciclo de vacunación;

Ii) las células del cáncer de dejar unos dos meses después del final de los principios de programación, mientras que en la tarde de protocolo se inicia en la caída entre el segundo y tercer ciclo de vacunación;

Iii) el mismo plazo se pueden observar en el comportamiento de otras entidades (con excepción de las natural killer y las células dendríticas como se explica en [16]);

Iv) las células T citotóxicos respuesta es mayor en el protocolo que en la tarde temprano. Esto se debe probablemente al hecho de que a fines de la vacunación hay muchas más células cancerosas que en las primeras;

V) la respuesta de anticuerpos es más potente que en la primera tarde. Esto es crucial para el control de la progresión tumoral [6]: principios de los animales tratados sobreviven cerca de 20 fines de semana más de los animales tratados. A principios de protocolo es luego el éxito en retrasar la formación de los tumores sólidos a través de la respuesta humoral.

Como ya se ha mencionado calendario parcelas crónica muestran una fase transitoria como en otros horarios. Esta es seguida por una fase casi constante. Todas las parcelas, la casi constante durante la etapa, son en su mayoría plano y se caracteriza por pequeñas jorobas con el máximo al final de cada ciclo de vacunación. El número de anticuerpos, después del aumento inicial, se mantiene constante. Este espectáculo, que se encuentran en los datos in vivo, que el crecimiento del cáncer es controlado por los anticuerpos. El número de las células del cáncer es siempre en el rango de 10 3 ÷ 10 4.

4,3 ordenador con ayuda de búsqueda de un nuevo calendario

La búsqueda de un nuevo calendario se pueden prever a partir de los resultados, previamente, de los tres protocolos de dar, al menos, una primera respuesta positiva, es decir, principios, fines y crónica.

Esta búsqueda es impulsada por la siguiente observación: las células del cáncer de llevar a los aproximadamente dos semanas después de la última inyección de la vacuna contra el tercer ciclo de los principios de la vacunación. A raíz de esta observación que elegir al azar un ratón y proporcionar una completa principios de la vacunación, es decir, tres ciclos de aproximadamente dos semanas antes de la observada mínimo de las células del cáncer. El tiempo de la segunda vacunación fue elegido de las parcelas de la primera calendario de los ratones, la figura 10 (a]. Figura 10 (b] muestra que el repetido esquema de vacunación temprana no es capaz de detener el cáncer de las células de crecer en número. Otro completar la vacunación temprana necesarios para reducir el número de las células del cáncer, como se muestra en la figura 10 (c]. Para controlar el crecimiento del tumor hasta el final de la simulación que fueron de nuevo obligados a aplicar dos veces al completar la vacunación temprana, como se muestra en la figura 10 (d, e, f]. El ajuste de la hora de las inyecciones fue hecho heuristically y muchos ensayos fueron necesarios. Después de una serie de intentos de visualizar una posible terapia alternativa. Luego probamos en silico-para todos los ratones de la muestra S 1 y, a continuación, para todos los ratones de la muestra S 2.

Obtenemos el control del tumor del 85% de los ratones de la muestra con el calendario que se muestra en la figura 11, que muestra los valores medios para todos los ratones de la muestra S 1, con el fin de comparar con las cifras anteriores.

Este calendario es capaz de controlar la formación de tumor con una serie de inyecciones de la vacuna contra el 30% menos de la crónica.

5 Conclusión

Nos presentó un in silico de búsqueda eficaz para el cáncer de protocolos de vacunación utilizando un modelo que describe la acción de una vacuna contra el tumor en el estímulo de la respuesta inmune y la consiguiente competencia entre el sistema inmune y las células tumorales. Este modelo se aplica a la etapa muy temprana de la génesis del tumor, es decir, antes de que un tumor sólido se forma. Silico En experimentos muestran excelente acuerdo con los experimentos in vivo, tanto para el momento de la formación de tumores en ratones sólidos y el papel de la respuesta de anticuerpos en el control del tumor Crecimiento [6, 8]. El modelo de computadora y su aplicación son muy flexibles y las nuevas entidades biológicas, la conducta y las interacciones pueden ser agregados fácilmente. Esto ayuda a lograr una descripción realista de la respuesta inmune que se dirigen a la formación de tumor sólido.

Se encontró que un posible protocolo que impide la formación de tumor sólido para la vida de los ratones y utiliza una serie de inyecciones de la vacuna contra el 30% menos de crónica calendario. Este resultado muestra que, al menos en principio, un modelo matemático computarizado puede utilizarse para búsqueda de mejores protocolos. El esquema de vacunación que encontramos es mejor que la crónica. Sin embargo, la cuestión si este calendario es óptimo, es decir, es el calendario efectivo con el mínimo número de inyecciones, o casi-óptimo sigue abierta. La respuesta a esta pregunta no es trivial. En primer lugar habría que definir adecuadamente el significado biológico de un mejor esquema; entonces una óptima o casi óptima solución se puede encontrar con diferentes técnicas disponibles en el mercado matemático. Tenemos previsto seguir investigando este punto utilizando estrategias alternativas, o algoritmos de búsqueda óptimo como recocido simulado o algoritmos genéticos, teniendo en cuenta las limitaciones biológicas.

Además, el modelo que utilizamos es ingenuo y todavía se puede mejorar mucho. Estamos trabajando en un modelo más detallado dissert a la contribución de los distintos componentes de la vacuna de protección a la respuesta inmune. Tenemos previsto también para examinar un modelo que varios órganos, a fin de examinar la formación de metástasis, y el efecto de la vacuna sobre la metástasis. El trabajo en estas direcciones está en curso y los resultados se publicarán en su debido momento.

Nota

2 Paul E. Negro ", la distancia Hamming", del Diccionario de Algoritmos y estructura de datos, Paul E. Negro, ed., NIST. Http://www.nist.gov/dads/HTML/hammingdist.html

Agradecimientos

PF y SM parcial reconocer el apoyo de la Universidad de Catania beca de investigación y MIUR (PRIN 2004: Problemi matematici delle teorie cinetiche). Parte de este trabajo se ha realizado mientras que FP es investigador de la Facultad de Farmacia de la Universidad de Catania.

P.-LL reconoce el apoyo financiero de la Universidad de Bolonia, el Departamento de Patología Experimental ( "Pallotti" fondo) y MIUR.