ارائه‌ي يك مدل رشد تومور ناهمگون با اثر سلول‌هاي موثر ايمني بر اساس اتوماتاي سلولي: بررسي مدل از نقطه‌نظر درماني

Presenting a Heterogeneous Tumor Growth Model based on Cellular Automata Algorithm by Considering the Effect of Effective Immune Cells: Study the Model from Cancer Therapy Viewpoint

سرطان يكي از عوامل اصلي مرگ در دنياي امروز است. مدل‌هاي رياضي و كامپيوتري مي­تواند به محققان در درك بهتر اين بيماري و بهبود روش‌هاي درماني فعلي كمك كند. مدل‌هاي جديد ارائه شده ممكن است به معرفي روش‌هاي درماني جديدي منجر شود. در اين مقاله، يك مدل اتوماتاي سلولي شبكه‌ي مربعي از رشد تومور جامد، بدون رگ و ناهمگون با در نظرگرفتن اثر سيستم ايمني ارائه شده است. در نظر گرفتن توام ناهمگوني زماني و مكاني در فرايند رشد كه در بسياري از مدل‌ها در نظر گرفته نشده، يكي از نوآوري‌هاي اين مدل است. علاوه بر اندركنش سلول سالم-تومور، هر سلول تومور در شبكه­ي مدل مي‌تواند با سلول‌هاي ايمني در همسايگي خود نيز اندركنش داشته باشد. فرار و حتي نجات سلول توموري از سلول­ هاي ايمني و در نظر گرفتن مدلي ساده براي نمايش اثر فراخواني سيستم هاي ايمني به بافت مورد مطالعه، از ديگر نوآوري‌هاي اين مقاله به شمار مي‌رود. در اين تحقيق، قوانين تغيير حالات هر سلول با استفاده از مدلي تصادفي تعريف شده است. شبيه‌سازي‌ها در اين مقاله براي دو حالت با/بدون در نظر گرفتن سيستم ايمني انجام شده است. علاوه بر نمايش گرافيكي دوبعدي رشد، پارامترهاي كسر رشد و كسر نكروتيك به عنوان خروجي­ هاي مدل در نظر گرفته شده است. شبيه­ سازي‌ها نشان مي ­دهد كه مدل با ساختار ناهمگون، نتايج سازگارتري با بيولوژي سرطان داشته و با داده‌هاي تجربي انطباق بيش‌تري دارد. هم‌چنين شبيه­ سازي­ ها نشان مي ­دهد كه تعداد سلول­ هاي موثر ايمني با ديناميكي مشابه سلول­ هاي توموري افزايش مي ­يابد. در اين مقاله هم‌چنين به مقايسه‌ي نتايج حاصل از شبيه­ سازي­­ ها با نتايج مطرح شده در مراجع و بررسي تاثير پارامترهاي مدل در مراحل مختلف رشد از نقطه‌نظر درماني پرداخته­ شده است.

Cancer is a leading cause of death in the world. Mathematical and computer models may help scientists to better understand it, and improve current treatments. They may also introduce new aspects of therapy. In this paper, a Cellular Automata model of tumor by emphasizing on immune system is presented. Considering the spetio-temporal heterogeneity that is not considered in most mathematical models, is one of the novelity of this work. In presented model each tumor cell in a square lattice can interact with both immune and normal cells in its Moore neighborhood. The rules for updating the states of the model are stochastic. Modeling tumor cells scaping from immune system and their survivance and considering immune system recurrement into the studied tissue is another innovation of this model. The results of our simulations are presented with/without considering immune system. The growth fraction and necrotic fraction are considered as output parameters of model as well as a 2-D graphical growth presentation. Results show that considering the heterogeneity will improve the compatibility of the model with biological reality and experimental studies. It can be seen that the number of immune cells increases during the tumor growth and follows the same dynamics as tumor cells. In this paper, we have innovatively focused on the effect of model parameters on different steps of tumor growth from the cancer therapy viewpoint.