PLoS ONE: Modeling of Cancer Stem Cell Tilasiirtymät ennustaa Terapeuttinen Response
tiivistelmä
Syöpä kantasolut (CSCS) hallussaan kyky sekä itse uudistaa ja tuottaa kaikki solujen kasvain, ja uskotaan ajaa kasvain toistuminen. Kohdistaminen kantasolujen kapealla hävittää CSCS on tärkeä ala terapeuttisen kehittämisen. Monimutkaisen luonteen monia vuorovaikutteisia elementtejä kantasolujen markkinarako, mukaan lukien sekä solunsisäisiä signaaleja ja microenvironmental kasvutekijöiden ja sytokiinien, luo haaste valinnassa elementtejä kohdistaa, yksin tai yhdessä. Stokastinen stimulaatio tekniikat mahdollistavat huolellinen tutkiminen monimutkaisten järjestelmien biologian ja lääketieteen ja ovat ihanteellisia tutkinnan joilla pyritään CSC hävittämiseen. Esitämme matemaattinen malli rintasyöpä kantasolu (BCSC) kapealla ennustaa populaatiodynamiikkaa aikana syövän synnyn ja hoitovasteen mukaan. Käyttämällä tietoja solulinjasta ja hiiri vierassiirrekokeissa, arvioimme hinnat toisikseen välillä mesenkymaalisten ja epiteelin valtioiden BCSCs ja huomaavat, että EMT /MET siirtymiä esiintyy usein. Tarkastelemme bulk kasvaimen kasvua dynamiikka vastauksena muutoksiin määrä symmetrinen itsensä uusimisen BCSCs ja huomaavat, että pienet muutokset BCSC käyttäytyminen voi antaa aiheen Gompertzian kasvumalli havaittu rintojen kasvaimia. Lopuksi tutkimme stokastinen reaktion kineettinen simulaatiot, joissa elementit rintasyövän kantasolu kapealla on estetty yksittäin ja yhdistelmänä. Huomaamme, että hidastaa itseuudistumiseen ja häiritsevät positiivista palautetta silmukka välillä IL-6, Stat3 aktivointi, ja NF
κ
B opastinjärjestelmillä samanaikaisesti estämällä IL-6 ja HER2 on tehokkain yhdistelmä lopettamiseksi sekä mesenkymaalisten ja epiteelin populaatioita BCSCs. Ennustuksia mallimme ja simulaatiot osoittavat, erinomainen kanssa kokeelliset tiedot tehon osoittaminen yhdistetyn HER2 ja Il-6 saarto vähentämisessä BCSC populaatioissa. Meidän tulokset otetaan suoraan tutkitaan suunnitelmallisesti kliinisessä tutkimuksessa yhdistetyn HER2 ja IL-6 täsmähoitoihin HER2-positiivisen rintasyövän.
Citation: Sehl ME, Shimada M, Landeros A, Lange K, Wicha MS ( 2015) Modeling of Cancer Stem Cell Tilasiirtymät ennustaa hoitovasteen. PLoS ONE 10 (9): e0135797. doi: 10,1371 /journal.pone.0135797
Editor: Ilja Ulasov, ruotsalainen Neuroscience Institute, Yhdysvallat |
vastaanotettu: 5. marraskuuta 2014; Hyväksytty: 27 heinäkuu 2015; Julkaistu 23 syyskuuta 2015
Copyright: © 2015 Sehl et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään
Data Saatavuus: kaikki asiaankuuluvat tiedot kuuluvat paperin ja sen tukeminen Information tiedostoja.
Rahoitus: Tämä tutkimus tukivat NIH /National Center for edistäminen Translational Science (NCATS) UCLA Clinical and Translational Science Institute Grant Number KL2TR000122. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.
Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.
Johdanto
Rintasyöpä on yleisin syöpä naisilla, yli 230000 uutta tapausta diagnosoidaan ja lähes 40000 kuolemantapausta Yhdysvalloissa joka vuosi [1]. Suurin osa kuolemista aiheutuu etäpesäkkeenä [1]. Kantasolujen kohdistetut hoitomuodot tarjoavat uutta toivoa hävittämisessä rintasyövän kantasolujen kaltaisia soluja, jotka johtavat uusiutumiseen jälkeen standardin terapiat eivät [2-4]. Matemaattiset mallit ovat osoittautuneet hyödyllisiksi tutkimalla populaatiodynamiikkaan syövän kantasoluja alle täsmähoitoihin [5, 6]. Mallit ovat myös informatiivisia turvallisuuden arvioinnista ja hoidon kesto [7]. Kuitenkin monimutkaisia kantasolujen microenvironment rajoittaa ennustava kyky analyyttisiä malleja ja ehdottaa tarpeellisuutta tarkempia malleja tavoitellaan simuloinnin.
Stokastinen reaktiokinetiikat mahdollistaa simuloinnin monimutkaisten biologisten järjestelmien kanssa luonnostaan stokastisuuden ja useita päällekkäisiä palaute ja feedforward silmukoita [8, 9]. Tavoitteena stokastinen simulointi lääketieteessä on integroida tietoa biologisesta monimuotoisuudesta, purkaa toiminnallisia ominaisuuksia organismien terveys- ja käyttöliittymä malleja tautitilojen kanssa hoitoja, jotka saattavat edistää terveyttä [10-14]. Vuonna stokastinen simulointi, joukko reagoivien lajien etenee määritteleminen reaktioita. Molecular populaatiot ovat kokonaislukuja, jotka muutosta erillisten määrien. Kukin reaktio tapahtuu reaktio taipumus, joka on verrannollinen reaktion nopeusvakio ja numerot reagoivien lajien alussa reaktion. Nykyiset algoritmit seuraa aikakehitystä hyvin sekoitetulla kemiallisesti reagoivat järjestelmä edellyttää molekyyli- melua. Nämä algoritmit ovat onnistuneet torjumaan monimutkaisia useiden dynaamisten järjestelmien onkologian, mukaan lukien geenien säätelyverkkojen ja tuumorisuppressoriproteiinia polkuja [11-14].
rintasyöpä kantasolu markkinarako edustaa monimutkainen järjestelmä, jossa useita reittejä säännellä käyttäytymistä rintasyövän kantasolu, kuten onko se läpikäy itseuudistumisen, liikkumattomuus, erilaistumista tai apoptoosin. Discoveries viime vuosina mukaan eriytetty epiteelisolujen normaalissa ja rintasyöpä kudoksiin voi olla kyky dedifferentiate osaksi kantasolujen kaltaisia soluja, ja tämä plastisuus on merkittäviä vaikutuksia kohdistamista syövän kantasoluja [15-17]. Olemassa stokastisia malleja että määrällisesti muuntokursseille erilaistuneita soluja varsi kaltainen tila [18] ei oteta huomioon vaikutukset kantasolujen ympäristöön tai erilaiset syövän kantasolujen toteaa. Olemme äskettäin raportoitu, että BCSCs fenotyyppisiä plastisuus avulla ne se muuntaa välillä nopeasti proliferatiivinen tila (epiteeli- tai MET kaltainen tila) leimaa ALDH ilmaisun ja invasiivisen lepotilassa (mesenkymaalisten tai EMT kaltainen tila) merkitty CD44 + /CD24- ilme [19]. Lisäksi CSC tilasiirtymät säädellään komponenttien kasvaimen mikroympäristössä mikä puolestaan säätelevät solunsisäinen signalointi reittejä ja MikroRNA CSC väestöstä [19-22]. Stokastinen simulointi sopii käsittelemään hinnat ja sääntelyviranomaisten EMT /MET siirtymiä ja ennustamisessa hoitovaste.
stokastiset mallit ovat osoittautuneet hyödyllisiksi tutkimuksessa populaatiodynamiikkaan syövän kantasoluja, kun syöpä kantasolujen populaatio on pieni suhteessa koko tuumorisolupopulaatioon, ja tapahtumien edun kuten sukupuuttoon ja mutaation, ovat harvinaisia tapahtumia [5, 7]. Käyttämällä stokastisia malleja, voimme arvioida koko jakaumat syövän kantasolujen määrä ajan mittaan koko ajan erilaisten terapeuttisten yhdistelmien sekä määrällisesti varianssi näissä solumäärä kun ne pudottaa kriittisesti vähän. Määrällisesti taajuus Mikäli syöpä kantasolujen populaatio menee sukupuuttoon käyttämällä stokastista simulointia voimme tutkia ne olosuhteet, joissa voimme odottaa syövän kantasolujen populaatio hävitettäväksi terapialla.
rakentaa malli, joka sisältää solunsisäisiä signaaleja ja microenvironmental tekijät kuvata populaatiodynamiikan rintasyövän kantasoluja aikana syövän synnyn ja hoitovasteen mukaan. Vakuuttava kysymykset puutumme mallinnus ovat: (1) Mikä on nopeus siirtyminen epiteelin ja mesenkymaaliset valtioissa? (2) Kuinka harvoin jakamalla syövän kantasoluja lopulta johtaa nopeaan kasvaimen kasvua? (3) Mitkä ovat keskeiset osat kapealla sääntelyä, ja mitkä ovat vaikutukset estää jokaisen komponentin erikseen ja yhdessä? Me tutkia ennustuksemme meidän mallinnus ottelu kokeellista tietoa rintojen kasvaimen kasvua. Lopuksi kuvaamme hoitoyhdistelmiä että optimaalisesti hyödyntää rintasyöpä kantasolujen ominaisuuksia. Huomaamme, että estämällä tulehduksellinen positiivista palautetta loop välillä IL-6 ja NF
κ
B mukana
β
kateniinin signalointi ja BCSC itseuudistumisen vaaditaan kohdistamaan sekä mesenchyaml ja epiteelin BCSCs, ja meidän ennusteet sopivat kokeellisen havainnot osoittavat yhteenlaskettu teho IL-6 ja HER2 saarto [19].
Materiaalit ja menetelmät
Arvio siirtymisnopeuksia
Rintasyöpä kantasoluja esiintyvät kahdessa vapaasti toisikseen valtiota: mesenkymaaliset valtio, ja epiteelin tila. Tässä osiossa hyväksyä yksinkertainen malli varten arvioimiseksi määrien siirtyminen näiden kahden valtion. Arvioida siirtymisen todennäköisyydet EMT ja MET, mallinnetaan rintasyövän kantasolun väestön jatkuva-aikaisen Markovin ketju, jossa on kaksi valtiota. Kahden valtion jatkuva-aikainen Markovin ketju aina täyttää yksityiskohtaisen sapainotilanne
π
1
λ
12 =
π
2
λ
21, jossa
π
= (
π
1,
π
2) on tasapainotilan jakelu ketju, ja
λ
12 ja
λ
21 ovat siirtymisnopeuksia valtioiden välille [23]. Perustuen koehavaintoja että kolminkertainen negatiivinen rintasyöpä SUM159 solulinja ALDH + solupopulaation arvioituna Aldefluor määrityksen muodostaa noin 4% rintasyöpään solupopulaatioiden, 1% soluista ovat kasvaimeen aloittamista, ja lähes kaikki solut ovat CD44 + CD24- [20], arvioimme tasapainojakauma on mesenkymaalisten tila (
π
EMT
) on 0,2, ja että epiteelin tila (
π
MET
) on 0,8. Sen sijaan, MCF-7-solulinjan kokeissa, joissa solut ovat peräisin enemmän veltto luminaaliselle rintasyöpä, 0,3% soluista ovat ALDH + ja 0,8% soluista ovat CD44 + CD24-, ja. Teoreettinen kaava: ilmaisee
π
MET
kannalta
λ
MET
, muuntokurssia peräisin mesenkymaaliset epiteeliosaan tilaan, ja
λ
EMT
, nopeus muuntaminen epiteelin on mesenkymaaliset tilaan. Ensimmäisessä skenaariossa me vastaavasti arvioimme
λ
MET
olevan 4 x
λ
EMT
.
Regulators siirtymisen
BCSC kapealla hallitsee onko BCSC pysyy lepotilassa (mesenkymaaliset) tai solmia proliferatiivinen tila (epiteelin), jossa he voivat läpikäydä itseuudistumisen ja erilaistumista. Kuvio 1 esittää avaimen säätimiä, jotka moduloivat toisikseen näiden kahden valtion. Sytokiinit, mukaan lukien IL-6 ja TGF-
β
, on osoitettu ajaa EMT [19]. Tulehdus aktivoi NF
κ
B, joka puolestaan käyttää IL-6: n tuotantoa, tuottaa positiivista palautetta silmukka [19]. Menetys PTEN liittyy HER2-täsmähoitoihin vastus, ja tämä yhdistys välittyy Akt myöhempien NF-KB
κ
B yllä IL-6 tulehduksellinen silmukka [19]. MikroRNA, mukaan lukien mir-93, säännellä mesenkymaaliset epiteeli- siirtyminen sekä lisääntymistä ja erilaistumista BCSCs [20].
Rintasyöpä kantasolut (BCSCs) helposti konvertoi- kahden tilan välillä: erittäin proliferatiivinen MET-like tila leimaa ALDH + ilmentymisen ja ilmentymisen epiteelin markkereita, ja EMT kaltainen tila, joka on CD44 +, lepotilassa, ilmaisee mesenkymaalisten markkereita, ja pystyy kudosinvaasio ja etäpesäke. Muuntaminen on mesenkymaaliset tilaan edistävät IL-6 ja TGF-
β
, kun muuntaminen takaisin epiteeliosaan tilaan on parantaa BMP: t, HER2, ja mir-93 ilme. BCSC itseuudistumisen on parannettu
β
kateniinin signalointia, joka aktivoituu HER2 ja Lin-28. Sekä Lin-28 ja IL-6 inhiboi Let-7. Akt aktivoidaan HER2 ja IL-8, kun taas Stat3 aktivoidaan IL-6 ja IL-8-reseptorin sitoutumisen. Aktivointi Akt ja Stat3 molemmat johtavat NF-KB
κ
B signalointi, lisäämällä ilmentymistä Lin-28 ja IL-6, joka johtaa positiivista palautetta silmukka.
voi tutkia arvoja
λ
EMT
ja
λ
MET
vastauksena sääntelyviranomaisten, mukaan lukien solunsisäiset signaalit kuten miRNA ja microenvironmental sytokiinien, kuten IL-6. Käytämme tietoja muuttuviin mRNA ilmentymisen vimentiinista ja E-cadeherin in pTRIPZ-SUM159-mir-93-solut päällystetty doksisykliinihoidon aiheuttavan mir-93 ilmentyminen [20]. Koska aiheuttama mir-93 ilme ajaa MET [20], me sopimaan laskussa eksponenttikäyrän tasolle vimentiinista ilmaisun arvioida yläraja nopeuteen MET muuntaminen. Näiden laskelmien perusteella arvioimme määrä siirtyminen mesenchmal epiteeli- valtion olevan 0,08 soluun
-1päivä
-1, ja siksi nopeus siirtymistä epiteelin joka mesenkymaaliset valtion olevan 0,02 soluun
-1päivä
-1.
menettäminen PTEN liittyy aktivaatio IL-6 tulehduksellinen takaisinkytkentäsilmukka 10- 20-kertainen nousu sytokiinitasoja [19]. Asennus eksponenttikäyrän kasvavaan tasoa vimentiinista ilmaisun BT474PTEN
– soluja, arvioimme muuntokurssia peräisin epiteelin joka mesenkymaaliset valtion olevan 0,46 soluun
-1päivä
-1 kun IL- 6 tasot ovat erittäin korkeat.
estimoitujen EMT /MET interkonversiot ovat paljon nopeammin kuin nopeus erilaistamattomuuden arvioitu ihmisen iPS Solukokeita [24]. Tässä ympäristössä, fibroblasteja ohjelmoida ja viljeltiin 28 vuorokautta, ja noin 1% soluista onnistuneesti transformoitu ≈ 0,0036 solu
-1päivä
-1. Nämä tulokset viittaavat siihen, että kantasolujen tilasiirtymät ovat paljon useammin kuin sattuessa erilaistamattomuuden.
Vaihe ennakointi
τ
-leaping
Stokastinen simulointi otettiin käyttöön vuonna 1976 Daniel Gillespie tuottaa tarkka liikeratoja stokastisen yhtälö, jotta tarkasti simuloida kemiallinen tai biokemiallinen järjestelmien pieniä määriä molekyylien [25]. Vuonna stokastinen simulointi puitteissa, prosessi on muotoiltu jatkuva-aikaisen Markovin ketju, jossa tilavektori
X
(
t
) = (
X
1 (
t
), …,
XN
(
t
)) tarjoaa molekyylien määrä kunkin lajin hetkellä t, kehittyy stokastisesti. Satunnainen törmäykset ohjaavat luontainen satunnaisuuden termisen molekyyliliike aiheuttaa satunnaisia tilasiirtymiin määritelty joukko reaktion kanavia, ja odotusajat ennen tilojen välisten siirtymien noudattavan eksponentiaalista jakelu [25]. Algoritmi, reaktantti lajien ja joukko tapahtumia tai reaktioita ”on määritelty. Kutakin reaktiota
j
, taipumus
r
j
(
X
t
) on määritelty, joka on riippuvainen vallitsevasta laskee kunkin lajin osallistuu reaktioon, sekä reaktionopeus vakio
j
. Stoikiometrinen matriisi tarkoittaa diskreetti määrä kunkin reaktion lajin muuttuu jokaisen reaktion. Tämä algoritmi on käytetty onnistuneesti moniin ongelmiin laskennallisen systeemibiologian. Koska algoritmi liittyy simulointi jokaisen reaktiossa, joka tapahtuu, se voi olla hidasta suurille ja yhä monimutkaisempia järjestelmiä.
Tau-loikki algoritmit sallivat tehostetut nopeuden hyppäämällä yli joukko reaktioita pieni aikaväli , mutta voi vähentää tarkkuutta, jos reaktiossa taipumukset muuttuvat huomattavasti aikana hyppy [26]. In tau-hyppääminen, siirrymme läpi jatkuva-aikainen Markovin ketju hyppäämällä jakson aikana (
t
,
t
+
τ
), jossa teemme oletukseen, että määrä reaktioita type
j
jotka tapahtuvat aikana aikaväli (
t
,
t
+
τ
) on Poisson jakautunut keskiarvolla asetetaan reaktion taipumus [26]. Edellyttäen, että koko hyppy on riittävän pieni niin, että taipumus toiminto ei muutu enempää kuin tietyn määrän, joka riippuu ennalta määritetyn virheen ohjaus parametri, todennäköisyys jotain tapahtumaa seuraavan äärettömän aika
dt
on
⋅
dt
jossa
on vakio, ja voimme arvioida tilan muutoksen aikana hyppy Poisson näytteitä [26]. Otamme riippumaton Poisson kullekin reaktiokanavan ja summata tulokset.
Käytämme vaiheen ennakointi
τ
-leaping (SAL) algoritmin meidän simulaatioita, koska parantuneeseen tarkkuuteen tinkimättä nopeutta [27]. Vuonna SAL, laajennamme kukin intensiteetti käyttäen Taylorin sarjan vasteaika
t
kanssa perusarvoa
r
j
(
X
t
). Anna
c
ilmi useita reaktion kanavien ja
d
ilmi useita reagoivien lajien. Reaktioiden lukumäärää tyypin
j
näytteistetään Poisson jakaumasta meanWe aloittaa reaktionopeus yhtälön (RRE), joka mallintaa keskimääräinen käyttäytyminen
μ
(
t
) = ???? (
X
t
) järjestelmän avulla järjestelmän tavallisten differentiaaliyhtälöiden: missä
ν
j
on lisäys vektori reaktio
j
. Saadakseen aikaderivaatta
r
j
(
X
t
), käytämme ketjusäännön : ja setusing keskiarvo järjestelmän käyttäytymistä laskettu käyttämällä RRE. SAL lisää tarkkuutta simulaatioiden vaarantamatta nopeus, jolloin simuloinnin edetä suurempia vaiheet [27]. Parantunut tarkkuus on enemmän korostunut järjestelmiä monimutkaisempia malleja korkeamman asteen kinetiikkaa, joka merkitsee enemmän nopeasti muuttuvassa intensiteettiä.
Stokastinen simulointi BCSC kapealla
Vaikka intial mallin edellä kuvatun sisältää ainoastaan kaksi kantasolujen todetaan, kehittyneempiä malleja tarvitaan tutkimaan vaikutuksia microenvironment rintasyövästä kantasolujen käytöstä. Palveluksessamme stokastinen reaktiokinetiikan tekniikoita tutkia populaatiodynamiikan rintasyövän kantasolujen ja niiden jälkeläisten. Mallimme on kaavamaisesti esitetty kuviossa 1. Rintasyöpä kantasolut (BCSCs) helposti konvertoi- välillä lepotilassa, invasiivisia, mesenkymaalisten valtio, ja proliferatiivisen epiteelin tila. Vaikka proliferatiivisen epiteelin valtiota, BCSC voi käydä läpi symmetrinen itseuudistumisen synnyttää kaksi samanlaista epiteelin BCSCs tai epäsymmetrinen itseuudistumisen, joka aiheuttaa yhden epiteelin BCSC, ja yksi bipotent kantaisä (BPP). BCSCs on epiteelin tila voi myös läpikäydä symmetrinen erilaistumista, mikä aiheuttaa kaksi BPPs. Lisäksi epiteelin BCSCs ovat herkkiä apoptoosia. Bipotent esiasteita joko symmetrisesti jakaa, antaa pois kaksi esiasteita tai erilaistuvat luminal tai tyvisoluihin. Sytokiinit, mukaan lukien IL-6 ja TGF-
β
edistää muuntaminen epiteelin tilasta mesenkymaaliset tilaan [19]. MikroRNA, kuten mir-93 edistää heräämistä lepotilassa BCSCs peräisin mesenkymaalisten epiteeliosaan tilaan, osittain estämällä TGF-
β
signalointi [20]. BMP: t ja HER2 signalointi myös parantaa siirtyminen mesenkymaalisten epiteeliosaan tilaan [28, 29]. Lisäksi, IL-6 edistävät Stat3 aktivointi, ja Il-8 edistää Akt ja Stat3 aktivointi, jotka molemmat aktivoivat NF-KB:
κ
B. Aktivoidut NF
κ
B johtaa ilmentymisen Lin28, joka aktivoi
β
kateniinin signalointia, joka ajaa itseuudistumisen epiteelisolujen BCSCs. Lisäksi aktivoitu NF
κ
B lisää transkription Il-6, joka johtaa positiivista palautetta silmukka lisääntynyt Stat3 ja NF
κ
B aktivointia. Lin28 tärkeä varsi säätelygeenillä, vähentää solujen erilaistumista ja lisää itseuudistumisen kautta downregulation Let-7, joka on microRNA joka rajoittaa kykyä itseuudistumisen [30]. Lin28 liittyy HER2 ja ylläpitää tulehduksellinen palautteen, johon IL-6 ja NF-KB:
κ
B. Edistämisen lisäksi itseuudistumisen, Lin28 lisää transkriptio Her2-reseptorin. Dimeroitumi- Her2 ja EGFR johtaa Akt aktivointia. Anna-7 estää Lin28, mikä rajoitti itseuudistumiseen, ja lisäksi estää Il-6. Vuonna stokastinen reaktiokinetiikkaa puitteet, määrittelemme mallin luettelemalla reaktantti lajeja, reaktiot (tai tapahtumien), ja reaktio taipumukset.
Parametrit ja alkuehdot
Parametriarvot ovat peräisin kirjallisuudesta kun mahdollista ja muuten vain kohtuulliset arviot perustuvat kokeellista näyttöä käytettävissä. Valuuttojen symmetrinen itseuudistumisen otetaan ekstrapolointeja kissan ja hiiren kokeiluja Veren kantasolut [31]. Epäsymmetrinen itseuudistumisen oletetaan esiintyvän paljon useammin kuin symmetrinen itseuudistumisen, kun taas symmetrinen erilaistuminen tapahtuu samaan harvoin nopeudella kuin symmetrinen itseuudistumisen [32, 33]. Reseptorisidostutkimukset ja dissosiaatio tapahtuu samanlainen aikajänteellä, kun taas transkription tapahtumat ovat harvinaisia [8]. S1 Taulukossa luetellaan vakiona kunkin reaktion. Tutkimme herkkyys ennustuksemme vaihtelevassa kuolleisuus epiteelin BCSCs ja määrä epiteelin ja mesenkymaalitransitioon (EMT).
alussa kunkin simuloinnin, asetamme hiukkanen laskea yhtä kuin 800 epiteelin BCSCs , ja 200 mesenkymaalisten BCSCs. Nämä arviot perustuvat laskelmiin suhteellista taajuuksille kunkin partikkelityypin otettu vierassiirrekokeissa. Alkuperäisestä hiukkasten laskee sytokiinien IL-8 ja TGF-
β
oli asetettu yhtä suureksi kuin 100, kun taas alkuperäisen laskee IL-6 asetettiin 1000 tutkia tilannetta, jossa suhde IL-6 muiden sytokiinien on koholla rintojen kasvaimia. Vaikka todellisuudessa odotamme molekyylien määrä sytokiinien (≈ 10
8 /ml) paljon suuremmat kuin kasvain solujen määrä (≈ 10
3 /ml), teimme yksinkertaistava oletus, että kaikki 37 reaktiot olivat esiintyviä samanlaisille aikatauluista ja taipumukset samanlaisten suuruudet. Teimme tämän oletuksen, jotta voitaisiin tutkia vaikutusta estämällä sytokiinien ja solunsisäiset signaalit, sekä erikseen ja yhdessä, vähentämällä nopeusvakio kunkin reaciton. Alustava laskee reseptoreihin, kuten gp130, HER2, EGFR, CXCR1, ja TGF
β
R2, ja molekyylejä, kuten Akt, I
κ
B⋅p50⋅RelA, Anna-7,
β
kateniinin, mir-93, BMP, Stat3, HER2 mRNA, asetettiin 100. Laskee kaikille signaali-reseptorin dimeerit (esim Il-6 ⋅ gp130) ja aktivoitu molekyylejä (esim aktivoitu Stat3) sekä Lin-28, alun perin valittu 0.
jotta simuloida tilannetta, jossa reaktio estyy, ylläpidämme samoja alkuehdot ja muuttaa reaktionopeutta vakiona. Uusi reaktionopeus saadaan kertomalla nopeusvakio reaktion 10
-10.
Tulokset
Kantasolujen kapealla sääntelyä ja Gompertzian kasvukinetiikka
syöpä kantasolujen hypoteesi väittää, että kasvaimen kasvu ja invaasio ohjaavat syöpä kantasolun väestöstä. Tämä viittaa siihen, että suurin kasvaimen kasvua kinetiikka riippuu voimakkaasti pieniä muutoksia käyttäytymisessä syövän kantasoluja. Tutkimme vaikutukset vaihtelemalla symmetrinen itseuudistumisen in BCSCs pitäen määrien jako, erilaistuminen ja kuolema vakio kantaisä ja eriytetty solupopulaatioiden.
Self-uusiminen voi olla symmetrinen, antaen nousta kaksi BCSCs tai epäsymmetrinen, joka aiheuttaa yhden BCSC ja yksi osittain eriytetty tytärsolu. Kohtalo BCSC on erittäin säännelty microenvironmental signalointi, mukaan lukien sytokiinit sekä solunsisäinen signalointi ja miRNA. Hallitseva tila terveen kantasolun itseuudistumisen on epäsymmetrinen, mutta osuus kantasolujen meneillään symmetrinen itseuudistumisen saattaa kasvaa ajan myötä aikana syövän synnyn. Tuore tutkimus osoitti, että epäsymmetrinen erottelu templaatti-DNA vaihtelee molekyyli rintasyöpä alatyyppi ja useat tekijät voivat muuttaa taajuutta epäsymmetrinen eriytyminen rintasyövän [33]. Tutkimukset seuraat useita solujakaantumisia alkuperäisestä yhden soluista osoittavat, että symmetrinen jako on hallitseva (84,6%) tila jako Oct4 + rintasyövän solujen [34]. Lisätutkimukset maitorauhasen kantasolujen mammospheres osoittavat, että p53 säätelee polaarisuus solunjakautumisen maitorauhasen kantasoluja ja viittaavat siihen, että menetys p53 suosii shoft kohti symmetrinen jako syövän kantasolujen [35]. Olemme näin ollen, mallia, jossa määrä symmetrinen itseuudistumisen rintasyövän kantasoluja kasvaa vähitellen aikana syövän synnyn. Rintojen kasvaimet on osoitettu seuraamaan Gompertzian käyrää [36-38], sigmoidisen toiminto, jossa kasvu on hitainta alussa ja lopussa ajanjakson, ja tulevan arvon asymptootti funktion lähestytään huomattavasti hitaammin kuin alempi arvo asymptootti. Osoitamme tässä, miten Gompertzian kasvukinetiikat selittyy pienet muutokset hinnat symmetrinen vastaan epäsymmetrinen itseuudistumisen.
tutkia kasvaimen kasvua dynamiikka alla asteittain kasvava osuus symmetrisesti jakamalla kantasoluja. Oletamme, että alkunopeus symmetrinen itseuudistumisen on hidas ja kun muutos on rintasyöpä kantasolujen määrä symmetrinen itseuudistumisen tasaisesti nousee [34, 35, 39]. Epäsymmetrinen itseuudistumisen on vallitseva itseuudistumisen terveissä kantasoluja, havaintoihin 80% WT mammmary solujen jakamalla epäsymmetrisesti [35], ja oletamme, että loput aika jakaantuu tasan symmetrinen itseuudistumisen ja symmetrinen erilaistumista. Ekstrapolointeja kissan ja hiiren tiedot hematopoieettisten kantasolujen osoittavat, että symmetrinen itseuudistumisen esiintyy noin kerran 42 viikkoa (
β
= 0,0034 cell
-1päivä
-1). Oletamme, että määrä epäsymmetrinen itseuudistumisen ollen paljon nopeampi (
α
= 0,027 cell
-1päivä
-1). Symmetrinen erilaistuminen tapahtuu samalla hitaasti symmetrisen itseuudistumisen (
ρ
= 0,0034 cell
-1päivä
-1). Tutkimukset seuraat useita solujakaantumisia alkuperäisestä yhden soluista osoittavat, että symmetrinen jako on hallitseva (84,6%) tila jako Oct4 + rintasyövän solujen [34]. Lisätutkimukset maitorauhasen kantasolujen mammospheres osoittaa p53 säätelee napaisuus solunjakautumisen maitorauhasen kantasoluja ja ehdottaa, että menetys p53 suosii siirtymistä symmetrinen jako syövän kantasolujen [35]. Loss of p53 liittyy lisääntymiseen taajuus symmetrisen jakoa mammospheres, vaikka farmakologinen palauttaminen p53 johtaa palauttamiseen epäsymmetrinen jako kuin vallitseva jako [35]. Kun pahanlaatuisiksi, on havaittu lisääntyminen symmetrinen kantasolujen osastojen 78% [35]. Näiden tulosten perusteella, tarkastellaan kasvaimen kasvua dynamiikka vastauksena asteittainen nostaminen rintasyövän kantasolujen symmetrinen jako 20%: sta 80% useiden vuosien aikana.
Aloitamme asukkaan 25 BCSCs, 5 lepotilassa mesenkymaaliset valtion ja 20. nopeasti lisääntyvien epiteelin tila sekä 100 bipotent esisolujen, ja 500 erilaistuneita soluja. Jokaisessa skenaariossa vähitellen tihentää symmetrisen jakautumisen BCSCs 20%: sta 80% yli 6 vuodeksi ja seuraa populaatiodynamiikkaan ulos 9 vuotta. Pidämme määrä epäsymmetrinen itseuudistumisen vakio (0,027 cell
-1päivä
-1) ja kasvattaa nopeuksia symmetrisen itseuudistumisen (
β
) ja symmetrinen eriyttäminen (
ρ
). Taajuus symmetrinen jako on kasvanut vuosittain (20% vuonna 1, 30% vuonna 2, 40% vuonna 3, 50% vuonna 4, 60% vuodessa 5, 70% vuonna 6, 80% vuosina 7 kautta 12). Taajuus epäsymmetrinen jako vastaavasti vähenee vuosittain (80% vuonna 1, …, 20% vuosina 7 kautta 9). Annamme taajuus symmetrinen itseuudistumisen hieman suurempi kuin symmetrinen erilaistumisen ja seuraa ennustettu koko tuumorisolupopulaatioon.
Kuvio 2 esitetään keskimääräiset kehityskaari koko solupopulaation vastauksena siirtyminen epäsymmetrinen symmetrinen jako. Käytimme karkea muunnelmat suhde
β
ja
ρ
eri ajanjaksoina ja käytetään pienimmän neliösumman arvioida sovitus välillä ennustetun yhteensä tuumorisolupopulaatioon liikeradat ja kasvaimen kasvua dataa rintojen kasvaimia [37, 38]. Huomasimme, että kerroit
β
= 5 x
ρ
vuosina 1-4 ja
β
=
ρ
vuosina 5-12 edellyttäen paras istuvuus. Toteamme, että ennustettu koko tuumorisolupopulaatioon muistuttaa läheisesti muodoltaan Gompertzian kasvukinetiikat, jossa on jatkuva hidastuminen kasvaimen kasvua [36]. Pystyimme arvioida sovi välillä simulointituloksia ja Gompertz toiminto
N
(
t
) = exp [(
0 /
c
) (1-exp (-
ct
)] vaihtelemalla samalla alkuperäisen spesifinen kasvunopeus
0 0,02-0,04, ja suhteellinen määrä rappeutuminen
c
+0,001-+0,002. parametriarvot aikaisemmin arvioitu suhteellista pidätystä reikiintymistä tietojen avulla ihmisen rinta- kasvaimia ovat tällä alueella [37]. Jotta simulointi kuvassa 2, huomaamme, että koko kasvaimen kasvua tulitikut havaittu Gompertzian kasvaimen kasvun kinetiikka, jossa kasvain kestää 8 vuotta kasvaa yhdestä solusta kliinistä tunnustusta 10
9 solua [37, 38]. Saimme erinomaisen istuvuuden (
R
2 = 0,99) välillä Gompertz käyrän ja meidän simulointi kun
c
= 0,0013 ja
0 = 0,027.
Simulaatio tulokset osoittavat koko väestöstä laskee vastauksena asteittaista siirtymistä pääasiallisesti epäsymmetrinen symmetrinen jako BCSCs. Meidän simulointi osoittivat hyviä kanssa Gompertz toimintoa kasvuvauhti parametri
c
vaihtelee 0,001 ja 0,002 solua
-1 päivä-1, joka vastaa aiemmin arvioitu kasvu parametrit saadaan sovittamalla Gompertz toiminto tietoa rintojen kasvaimen kasvua [37, 38]. Tässä osoitamme sovitus välillä simulointituloksia ja Gompertz toiminto parametrien
0 = 0,0193 (95%: n luottamusväli 0,0192-0,0194),
c
= 0,00133 (95% luottamusväli ,00133-+0,00134) ja asymptootti 1,2 × 10
9 (
R
2 = 0,989).
Seuraavaksi tutkimme kasvun vaikutukset eron välinen symmetrinen itseuudistumiseen hinnat ja symmetrinen erilaistumista hinnat. Kussakin tapauksessa annamme taajuus symmetrinen itseuudistumisen ylittävän symmetrinen erilaistumista vuosina 1 kautta 4. Paneeli A kuvassa 3 osoittaa vaihtelun vaikutusta tämän piikin ero koko syöpäsolun populaation koko. Kun lisäämme erotus taajuuksien symmetrinen itseuudistumisen ja symmetrinen erilaistumista (
β
= 4,5
ρ
osoitteeseen
β
= 5,5
ρ
), toteamme, että asymptoottinen väkiluvuista lisääntyvät.
korkeampi huippu ero |
β
–
ρ
| johtaa korkeampaan asymptoottiset populaation koko (paneeli A). Sallimalla
β
poikkeamaan
ρ
myöhemmin aikana syövän kääntää Gompertz käyrää oikealle ja viivästyttää kasvaimen kasvua ja lisäävät sen lopullinen koko (paneeli B). <