To cite this paper use one of the standards below:
Please log in to watch the video
Log inINTRODUCTION AND OBJECTIVES: Several models based on ordinary differential equations have been proposed in the literature for cells proliferation. In order to verify which model better represent in vitro experiments performed with DU-145 human prostate cancer cell line, the Approximate Bayesian Computation (ABC) algorithm of TONI et al. (2009) was applied for model selection and parameters calibration. This algorithm becomes very attractive when the likelihood of the data is not available in an analytical way or when it is computationally very expensive (TONI et al. (2009), Costa et al. (2017)). Instead of using the likelihood function, the ABC algorithm is based on a set of successive populations evolving with more restrictive tolerances. MATERIAL AND METHODS: Four mathematical models were analyzed: Logistic Model, Gompertz Model, Richards Model and Generalized Logistic Model. The information about the DU-145 prostate cancer cell growth was measured each 24 hours during seven days. The Euclidian distance between the experimental observations and the responses of the mathematical models was used as the selection criterion based on the preview stipulated tolerances. RESULTS AND CONCLUSION: The ABC method with 2000 particles was applied for model selection and estimation of cells proliferation parameters. Model parameters were considered with uniform priors and uniform transition kernels. In order to solve the inverse problem, the four mathematical models were solved using Runge-Kutta 4th order. The vector of tolerances for the sequential populations of ABC code started in 5.4187e+05 and finished in 0.0542 e+05, covering a total of fifty-seven populations, where the last tolerance was imposed in accordance to the assumed measurement uncertainty (1%) and to the Morozov’s discrepancy principle. The Richards Model and the Generalized Logistic Model were selected providing accurate results to the number of cells varying with the time.
Lucas Delmonico
Olá Bruna, tudo bem? Gostaria de saber mais um pouco da parte biológica do estudo. Porque vocês optaram por escolher linhagem de próstata.
Lucas Delmonico
Outra pergunta, gostaria de saber se vocês pensam em desenvolver algum protótipo para contagem das células, aplicando o modelo matemático 4, que foi o mais adequado
Bruna Loiola
Boa tarde. Não pretendemos desenvolver algum protótipo para contagem das células, mas sim utilizar a técnica de problemas inversos para quantificar as incertezas proveniente da utilização desse modelo. Futuras pesquisas envolvem acrescentar a esse modelo os efeitos da inserção das nanopartículas de paládio e do aquecimento via laser.
Lucas Delmonico
Ok. Obrigado
Juliana Cazarin de Menezes
Olá Bruna, inicialmente gostaria de te parabenizar pelo trabalho! Deixo algumas questões referentes a sua apresentação:
1) Que variáveis práticas inerentes ao cultivo celular podem interferir com a eficiência da predição do modelo?;
2) Essa predição leva em consideração condições de cultivo como: pressão de O2, umidade, tipo de meio de cultura, quantidade de glicose no meio, tipo e quantidade de soro? Seria interessante especificar em que condições aquele experimento de proliferação celular foi feito. O ATCC indica em detalhes as condições de cultivo?
3) Quais são os principais desafios e perspectivas desse projeto?
Bruna Loiola
Boa tarde, Juliana. Grata pela mensagem. Esse modelo tem como variável de estado o número de células com o qual são estimados os parâmetros, como capacidade de suporte e taxa de crescimento. 1) Na prática, a previsão é influenciada pela frequência de medição, que precisa ser factível com as condições práticas, mas que também precisa fornecer as informações necessárias para utilizar o Algoritmo ABC SMC. Além disso, a estimação também é influenciada pela incerteza do método de medição do número de células. 2) Não, esses parâmetros não são variáveis estimadas para o modelo selecionado. Entretanto, estão contabilizados indiretamente pela medida experimental do número de células. Sim, o fornecedor ATCC disponibiliza todos os dados utilizados no experimento. 3) Os principais desafios envolvem obter, por meio da técnica de problemas inversos, modelos matemáticos que tenham boa representatividade do crescimento celular e conseguir incorporar a esses modelos, os efeitos da inserção de nanopartículas ao meio de cultura e a influência do aquecimento desse meio no crescimento celular.
Juliana Cazarin de Menezes
Obrigada, Bruna! Sucesso no segmento do seu trabalho.
Bruna Loiola
Obrigada!
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper
Bruna Loiola
Boa tarde, grata pela pergunta. A tese de Doutorado do Nilton se baseia em aplicar uma fonte de calor por meio de um laser diodo para aquecer células cancerosas com nanopartículas de paládio e verificar o efeito desse tratamento na susceptibilidade das células do câncer aos medicamentos quimioterápicos e radioterápicos. Os dados experimentais de teses anteriores eram para células da linhagem da próstata e, por isso, as simulações foram efetuadas para esse tipo de célula. Entretanto, o modelo não se restringe somente a DU-145, pois o modelo é de crescimento populacional e poderia ser aplicado a outros tipos de células.
Lucas Delmonico
Maravilha. Obrigado!