Modelowanie matematyczne w zastosowaniach biomedycznych

Podobne dokumenty
Strategie ewolucyjne (ang. evolu4on strategies)

Modelowanie matematyczne w zastosowaniach biomedycznych

EGZAMIN DYPLOMOWY, część II, Biomatematyka

CHOROBY NOWOTWOROWE. Twór składający się z patologicznych komórek

Rozmnażanie i wzrost komórek sąściśle kontrolowane. Genetyczne podłoże nowotworzenia

Radiobiologia. Dawki promieniowania. Oddziaływanie promieniowania jonizującego z materią. Jonizacja. Wzbudzanie

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

Niskie dawki poza obszarem napromieniania: symulacje Monte Carlo, pomiar i odpowiedź radiobiologiczna in vitro komórek

J E Z I E R S K A K A R O L I N A

MODELE MATEMATYCZNE W UBEZPIECZENIACH

OCHRONA RADIOLOGICZNA PACJENTA BIOLOGICZNE EFEKTY DZIAŁANIA PROMIENIOWANIA JONIZUJĄCEGO

Narodowe Centrum Badań Jądrowych Dział Edukacji i Szkoleń ul. Andrzeja Sołtana 7, Otwock-Świerk

Szkoła z przyszłością. Zastosowanie pojęć analizy statystycznej do opracowania pomiarów promieniowania jonizującego

Radiobiologia: podstawowe modele matematyczne opisujące przeżywalność komórek

EGZAMIN MAGISTERSKI, Biomatematyka

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA

października 2013: Elementarz biologii molekularnej. Wykład nr 2 BIOINFORMATYKA rok II

Metody Rozmyte i Algorytmy Ewolucyjne

Rozwój metod dozymetrii biologicznej oraz biofizycznych markerów i indykatorów wpływu promieniowania na organizmy żywe

Radiobiologia. Działanie promieniowania jonizującego na DNA komórkowe. Oddziaływanie promieniowania jonizującego z materią. Jonizacja.

Analiza niepewności pomiarów

Estymacja parametrów w modelu normalnym

WYBRANE SKŁADNIKI POKARMOWE A GENY

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

STATYSTYKA MATEMATYCZNA

Pobieranie prób i rozkład z próby

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne

Testowanie hipotez statystycznych.

Promieniowanie jonizujące

Ekologia wyk. 1. wiedza z zakresu zarówno matematyki, biologii, fizyki, chemii, rozumienia modeli matematycznych

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

Metody statystyczne w socjologii SYLABUS A. Informacje ogólne Opis

Przyczyny i czynniki powodujące wypadki w radioterapii.

Deska Galtona. Adam Osękowski. Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski

CENTRALNE LABORATORIUM OCHRONY RADIOLOGICZNEJ ZAKŁAD KONTROLI DAWEK I WZORCOWANIA

Instrukcja do ćwiczeń laboratoryjnych

Wykład 3. Rozkład normalny

Algorytmy genetyczne

Tematy prac magisterskich i doktorskich

ELEMENTÓW PODANYCH W PN-EN i PN-EN

EGZAMIN DYPLOMOWY, część II, Biomatematyka

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów

Biologiczne podstawy radioterapii Wykład 4 podstawy radioterapii

Ćwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy

Testowanie hipotez statystycznych.

Ważne rozkłady i twierdzenia c.d.

Uwaga! Przetarg na oznaczenie stopnia destrukcji limfocytów

Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2

Zmienność. środa, 23 listopada 11

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

1. Przyszła długość życia x-latka

Matematyka ubezpieczeń majątkowych r.

Budowa i rola DNA. 1. Cele lekcji. a) Wiadomości. b) Umiejętności. 2. Metoda i forma pracy. 3. Środki dydaktyczne. Metadane scenariusza

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Pamiętając o komplementarności zasad azotowych, dopisz sekwencję nukleotydów brakującej nici DNA. A C C G T G C C A A T C G A...

Biologia medyczna, materiały dla studentów

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

Jeśli powyższy opis nie jest zrozumiały należy powtórzyć zagadnienie standaryzacji zanim przejdzie się dalej!

Wpływ promieniowania jonizującego na organizmy

A. Ogólny opis przedmiotu

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

MODELE LINIOWE. Dr Wioleta Drobik

MODELOWANIE I PROGNOZOWANIE ZAGROŻEŃ EPIDEMIOLOGICZNYCH

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

Strategie ewolucyjne. Gnypowicz Damian Staniszczak Łukasz Woźniak Marek

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Wnioskowanie bayesowskie

Ważne rozkłady i twierdzenia

6. Z pięciowęglowego cukru prostego, zasady azotowej i reszty kwasu fosforowego, jest zbudowany A. nukleotyd. B. aminokwas. C. enzym. D. wielocukier.

Tablice trwania życia

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

prof. dr hab. Janusz Braziewicz Instytut Fizyki Uniwersytet Jana Kochanowskiego Świętokrzyska 15, Kielce

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Niezawodność i diagnostyka projekt

Analiza przeżycia. Wprowadzenie

g) wartość oczekiwaną (przeciętną) i wariancję zmiennej losowej K.

Zasady oceniania rozwiązań zadań 48 Olimpiada Biologiczna Etap centralny

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

Matematyka ubezpieczeń majątkowych r.

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Zadanie 1. (0 4) a ) (0-1) 1 p. za prawidłowe uzupełnienie 3 zasad azotowych Rozwiązanie:

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się.

Algorytm genetyczny (genetic algorithm)-

EGZAMIN MAGISTERSKI, Biomatematyka

Zadanie 1. Ilość szkód N ma rozkład o prawdopodobieństwach spełniających zależność rekurencyjną:

MODELOWANIE ZMIENNOŚCI CEN AKCJI MODEL ADDYTYWNY MODEL MULTIPLIKATYWNY

Spis treści. Trwałość jądra atomowego. Okres połowicznego rozpadu

Analiza Algorytmów 2018/2019 (zadania na laboratorium)

ZARZĄDZANIE POPULACJAMI ZWIERZĄT

Scenariusz lekcji przyrody/biologii (2 jednostki lekcyjne)

Oznaczenie polimorfizmu genetycznego cytochromu CYP2D6: wykrywanie liczby kopii genu

Niezawodność i diagnostyka projekt. Jacek Jarnicki

Zawartość. Zawartość

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Transkrypt:

Modelowanie matematyczne w zastosowaniach biomedycznych Wykład 6: Model liniowo-kwadratowy w radioterapii nowotworów Dr Jan Poleszczuk 5/04/2017 IBIB PAN

Znamiona raka ( Hallmarks of Cancer ) Hanahan & Weinberg, Cell 2000

Znamiona raka ( Hallmarks of Cancer ) Hanahan & Weinberg, Cell 2013

Terapie celowane Hanahan & Weinberg, Cell 2013

Radioterapia Radioterapię do leczenia nowotwór zastosowano po raz pierwszy już w 1896 roku. Szacuje się, że w ostatniej dekadzie około połowa wszystkich pacjentów z rozpoznanymi nowotworami poddawana była radioterapii na którymś z etapów leczenia. Co więcej, stanowiła ona element terapii u około 40% wszystkich pacjentów, których udało się wyleczyć z pierwotnego nowotworu. Źródło obrazka: https://pl.wikipedia.org/wiki/radioterapia

Działanie promieniowania jonizującego Promieniowanie nadające ładunek elektryczny atomom, które były wcześniej elektrycznie obojętne, na drodze wybijania elektronów z powłok elektronowych. Jonizacja zasad azotowych (adeniny, guaniny, cytozyny i tyminy) składających się na nić DNA, może prowadzić do powstawania w niej pęknięć i co za tym idzie uszkodzeń materiału genetycznego, którego integralność jest niezbędna dla przeżycia i funkcjonowania komórek. Do powstawania pęknięć dochodzi w dużo większym stopniu poprzez oddziaływanie nici DNA z produktami przemian chemicznych wody, wywołanych pochłonięciem przez nie promieniowania jonizującego (radioliza wody).

Działanie promieniowania jonizującego Przyjmuje się, że najbardziej szkodliwe dla komórki jest tzw. dwuniciowe pęknięcie (ang. Double Strand Break - DSB), czyli powstanie jednoczesnych pęknięć na obu niciach DNA na tyle blisko siebie, że dochodzi do rozerwania całego łańcucha DNA.

Działanie promieniowania jonizującego Pojedyncze i podwójne pęknięcia nici DNA są wykrywane poprzez odpowiednie białka detektorowe, które przekazują następnie sygnał kolejnym białkom mediatorowym.

Działanie promieniowania jonizującego Następujące potem kaskady sygnałów prowadzi do zmian w regulacji różnorodnych aspektów funkcjonowania komórki. Podjęta jest próba naprawy DNA.

Białko p53 strażnik genomu Jednym z najważniejszych białek regulujących odpowiedź komórki na powstanie uszkodzeń w nici DNA jest białko p53. Jego rola polega na wydłużaniu czasu pomiędzy kolejnymi podziałami komórki co umożliwia naprawę uszkodzeń DNA indukowanych różnymi czynnikami egzo- i endogennymi. Co najważniejsze, jeśli uszkodzenia są zbyt rozległe lub naprawa nieskuteczna, białko p53 uruchamia proces zaprogramowanej samobójczej śmierci komórkowej apoptozy. Mutacje w genie TP53, które upośledzają jego działanie, stanowią najbardziej rozpowszechnione zmiany genetyczne odnajdywane w nowotworach ludzkich (około 50%).

Badanie frakcji komórek klonogennych Metoda powszechnie stosowana od lat pięćdziesiątych ubiegłego wieku do mierzenia wpływu radioterapii na komórki. Komórka, wokół której po czasie odpowiadającym około 5-6 cyklom podziału komórkowego (7-14 dni) powstanie kolonia składająca się z co najmniej 50 komórek, nazywamy klonogenną. Ten typ komórek napędza wzrost nowotworu. Ich frakcję w w populacji (PE) obliczamy w następujący sposób: PE = liczba ufromowanych kolonii liczba posianych komórek

Model formowania kolonii Najprostszy model podziału komórkowego Rozważmy populację N komórek luźno posianych na płytce hodowlanej. Załóżmy, że przy każdej próbie podziału komórka umiera z pewnym prawdopodobieństwem p (z uwagi na niestabilność genetyczną). Zakładamy, że obie komórki potomne są tak samo niestabilne, czyli mają taką samą wartość prawdopodobieństwa śmierci przy podziale p. Zakładamy, że czas cyklu komórkowego ma rozkład normalny o średniej 26 godzin i odchyleniu standardowym 1 godziny. Pytanie: Jaka będzie frakcja przeżywających komórek klonogennych w populacji w zależności od czasu hodowli i prawdopodobieństwa p? Spróbujmy najpierw odpowiedzieć na to pytanie korzystając z symulacji.

Funkcja zwracająca wielkość kolonii utworzonej z jednej komórki function y = wzrostkolonii(params, liczbadni) tend = 24*liczbaDni; %czas symulacji w godzinach t = 0; %czas poczatkowy %zaczynamy od pojedynczej komorki, losujemy dla niej czas cyklu cells = normrnd(params.mu, params.sigma); while t<tend [w, i] = min(cells); t = t+w; cells = cells - w; if rand()>params.p cells(i) = normrnd(params.mu, params.sigma); cells = [cells normrnd(params.mu, params.sigma)]; else cells(i) = []; end if length(cells)>100 break; end end y = length(cells); end

Skrypt rysujący zależność PE od p i liczby dni %definiowanie parametrow params.mu = 26; params.sigma = 1; N = 100; %liczba komorek pmesh = linspace(0, 0.5,10); dnimesh = linspace(7,14,5); PE = zeros(length(pmesh),length(dnimesh)); for i = 1:length(pMesh) for j = 1:length(dniMesh) params.p = pmesh(i); liczbadni = dnimesh(j); for k = 1:N PE(i,j) = PE(i,j) + (wzrostkolonii(params, liczbadni) > 50)/N; end end end [A,B] = meshgrid(pmesh, dnimesh); surface(a,b,pe ) xlabel( Prawdopodobienstwo p ) ylabel( Liczba dni ) zlabel( PE )

Zależność PE od p i liczby dni

Zależność teoretyczna Przy założeniu, że mamy nieograniczoną ilość czasu na eksperyment (liczba dnia obserwacji jest bardzo duża), można pokazać, że prawdopodobieństwo, tego że dana komórka wraz ze swoimi wszystkimi klonami umrze wynosi p P = min(1, 1 p ). Zatem PE powinno teoretycznie wynosić PE = 1 P = 1 min(1, p 1 p ).

Frakcja przeżywających komórek klonogennych Po zaaplikowaniu promieniowania jonizującego komórki posiewa się na płytki hodowlane i po upływie tego samego czasu co przy wyliczaniu wartości PE dla komórek nieleczonych znów zliczane są kolonie. Frakcję przeżywających komórek klonogennych (SF) po ekspozycji na czynnik określa się poprzez formułę SF = liczba ufromowanych kolonii po zastosowaniu leczenia liczba posianych komórek PE

Model formowania kolonii po napromienieniu Załóżmy, że w eksperymencie posiewamy jedynie te komórki, które przeżyły daną dawkę promieniowania. Przyjmijmy, że promieniowanie jonizujące zwiększa prawdopodobieństwo śmierci komórki przy podziale p = min(p(1 + c), 1). Załóżmy, że eksperyment dla PE przeprowadzony został dla 8 dniowego okna czasowego. Pytanie: Jak wygląda zależność SF od parametrów p oraz c?

Skrypt wyznaczający zależność na drodze symulacji params.mu = 26; params.sigma = 1; N = 100; %liczba komorek liczbadni = 8; %rozwazanae wartosci dla p pmesh = linspace(0,0.3,10); cmesh = linspace(0,2,5); PE = zeros(length(pmesh),length(cmesh)); for i = 1:length(pMesh) for j = 1:length(cMesh) params.p = min(pmesh(i)*(1+cmesh(j)),1); for k = 1:N PE(i,j) = PE(i,j) + (wzrostkolonii(params, liczbadni) > 50)/N; end end end [A,B] = meshgrid(pmesh, cmesh); surface(a,b,pe ) xlabel( Prawdopodobienstwo p ) ylabel( Parametr c ) zlabel( PE )

Zależność pomiędzy SF a prawdopodobieństwem p i parametrem c

Model liniowo-kwadratowy Kluczowym zagadnieniem dla radiobiologów jest opisanie zależności wartości frakcji przeżywających komórek klonogennych (SF) od dawki promieniowania oraz protokołu jej dostarczenia. Najczęściej wykorzystywanym do tego celu modelem matematycznym jest radiobiologiczny model liniowo-kwadratowy. W przypadku gdy rozważania dotyczą krzywej przeżycia uzyskanej dla pojedynczych dawek promieniowania jonizującego, model ten opiera się na trzech prostych założeniach.

Założenia modelu liniowo-kwadratowego 1 Pojedyncze trafienie może wywołać dwuniciowe pęknięcie DNA, w wyniku czego może dojść do patologicznej zmiany w genotypie komórki i, co za tym idzie, utraty klonogenności. Zakładamy, że prawdopodobieństwo takiego zdarzenia zależy liniowo od dawki. 2 Zmiany patologiczne mogą również powstać na skutek błędnej naprawy położonych blisko siebie dwuniciowych pęknięć DNA, które powstały w wyniku dwóch niezależnych trafień. Przyjmuje się, że liczba tego typu zmian jest wprost proporcjonalna do kwadratu dawki promieniowania. 3 Liczba patologicznych zmian przypadających na pojedynczą komórkę ma w całej populacji rozkład Poissona (P(k) = λ k e λ /k!).

Model liniowo-kwadratowy Na podstawie powyższych założeń postuluje się, że w wyniku działania promieniowania jonizującego w komórce dochodzi średnio do Y = αd + βd 2 patologicznych zmian w materiale genetycznym, czyli Y jest parametrem założonego rozkładu Poissona. Ostatecznie, w populacji klonogenne pozostają jedynie te komórki, w których nie doszło do żadnej patologicznej zmiany, czyli frakcja przeżywających komórek klonogennych w zależności od dawki (SF (D)) wyraża się wzorem SF (D) = exp( Y ) = exp( αd βd 2 ) gdzie D określa wykorzystaną dawkę promieniowania.

Model liniowo-kwadratowy dobrze opisuje dane eksperymentalne

Efekty nielokalne

Efekty nielokalne

Efekty nielokalne