APPROXIMATE BAYESIAN COMPUTATION APPLIED TO MODEL SELECTION AND PARAMETERS CALIBRATION OF CELLS PROLIFERATION

Favorite this paper
How to cite this paper?
Details
  • Presentation type: Doutorado
  • Track:
  • Keywords: Câncer; Approximate Bayesian Computation; Cells Proliferation Models;
  • 1 Universidade Federal do Rio de Janeiro
  • 2 Instituto Militar de Engenharia
  • 3 Universidade Federal do Amazonas
  • 4 Programa de Engenharia Mecânica / Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia / COPPE UFRJ

Please log in to watch the video

Log in
Abstract

INTRODUCTION 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.

Questions (3 topics)

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Author

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!
Author

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
Author

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.
Author

Bruna Loiola

Obrigada!