Proceeding Series of the Brazilian Society of Computational and Applied Mathematics, v. 6, n. 2, 2018.
Trabalho apresentado no XXXVIII CNMAC, Campinas - SP, 2018.
Proceeding Series of the Brazilian Society of Computational and Applied
Mathematics
Simulação Numérica da Viroterapia Oncolı́tica como
Tratamento do Câncer
S. Palomino
1
Departmento de Matemática, UFSC, Florianópolis, SC
V. Gittens
2
Departmento de Matemática, UFSC, Florianópolis, SC
J. C. Samamé-Pérez-Vargas3
Oncologia Médica, Hospital Nacional Arzobispo Loayza, Lima, Perú
Resumo. Neste trabalho é apresentado um modelo alternativo ao modelo dado no trabalho de Macnamara [1] usando viroterapia oncolı́tica para o tratamento do câncer. Após
apresentação do modelo, as simulações mostradas devem indicar a aceleração ou não do
processo evolutivo (no tempo) da população de células tumorais quando comparadas com
os resultados do artigo em estudo.
Palavras-chave. Modelagem matemática, viroterapia, estabilidade, simulações numéricas.
Segundo Martin A. Nowak [2], o câncer pode ser encarado como uma evolução destrutiva por se livrar de mecanismos que foram desenvolvidos para nos proteger do mesmo. A
prioridade quando se desenvolvem imunoterapias para câncer (referido em [4]) é a procura
de mecanismos biológicos viáveis que levem à erradicação do câncer ou controle do mesmo.
É bem conhecido o fato de que após uma reação positiva a um patógeno, a imunidade a
longo prazo pode ser estimulada. Aproveitar o sistema de defesa que já possuı́mos através
de vacinas é, há tempos, um importante aliado no combate de doenças e infecções. Com
relação ao câncer, foram propostas estratégias para otimizar a imunidade e uma delas é
o uso da viroterapia oncolı́tica, utilizada desde 2015, quando o tratamento com o talimogene (T-VEC) foi aprovado para o melanoma [5]. Esta terapia baseia-se na geração
de uma resposta anti-tumoral direta, infectando a célula tumoral com vı́rus (naturais ou
geneticamente modificados) gerando sua subsequente lise e, portanto, neo-antı́genos relacionados ao tumor, que servem para promover uma resposta imune local adaptável à
distância. Os principais vı́rus que estão sendo utilizados em ensaios clı́nicos e pré-clı́nicos
são o Adenovı́rus, Herpesvı́rus, Vaccinia, Reovı́rus ou Coxsackievı́rus, entre outros; testados em modelos murinos e em humanos (em neoplasmas múltiplos) principalmente no
caso de gliomas e tumores pancreáticos.
Da mesma forma como é estudado clı́nicamente, a utilização de modelos matemáticos
[1, 3, 4] ajuda na compreensão de como as células tumorais são atingidas quando se usa a
viroterapia oncolı́tica. E, é esse o assunto que abordamos neste trabalho.
1
sonia.palomino@ufsc.br
vicgittens@gmail.com
3
jcsamamepv@gmail.com
2
010207-1
© 2018 SBMAC
Proceeding Series of the Brazilian Society of Computational and Applied Mathematics, v. 6, n. 2, 2018.
2
Para modelar a interação entre tumor e vı́rus, consideremos as seguintes populações
(em densidade): células doentes não infectadas xu e infectadas xi , células imunes de
memória xm e efetoras xe , e as partı́culas de vı́rus xv . Aqui, as partı́culas de vı́rus são os
Vesicular Stomatitis Virus, e as células de memória efetoras são do tipo CD8+ .
As equações abaixo levam em consideração o fato de que a proliferação das células
efetoras é estimulada pela presença de partı́culas livres de vı́rus e das células doentes não
infectadas. Dessa forma, a diferência de [1] e com base em trabalhos anteriores [3,4], neste
trabalho propomos estudar o seguinte modelo:
x˙u
= r xu
ẋi
= du
x˙m = pm
xu + xi
1−
k
xu n
hu n + x u n
xv n
hu n + x v n
− du
xu n
hu n + x u n
x v − δ xi − d u x i
xv − du xu
xe n
he n + x e n
xe n
he n + x e n
xm
xm 1 −
M
(1)
(xv + xu )t
xm − de xe − dt xu xe , t ≤ n
hu t + (xv + xu )t
x˙e
= pe
x˙v
= δ b x i − ω xv
com condições iniciais xu (0) = xu0 , xi (0) = xi0 , xm (0) = xm0 , xe (0) = xe0 , xv (0) = xv0
(t, n são inteiros positivos). Pela limitação de espaço, os parâmetros do modelo serão
definidos posteriormente. Os resultados das simulações indicarão a aceleração (ou não)
da evolução do crescimento das células tumorais no tempo. Também, compararemos os
resultados com aqueles descritos no modelo em [1].
Referências
[1] C. K. Macnamara and R. Eftimie. Memory versus effector immune responses in oncolytic
virotherapy. J. Theor. Biol. 377: 1-9, 2015. DOI: 10.1016/j.jtbi.2015.04.004
[2] M. Nowak. Evolutionary Dynamics: Exploring the Equations of Life. Harvard University
Press, Cambridge, 2006.
[3] S. Palomino, J.C. Samamé, Análise de estabilidade de um problema em imuno-oncologia: uma
abordagem teórica, Proceeding Series of the Brazilian Society of Applied and Computational
Mathematics, volume 5 (1), 2017. DOI:10.5540/03.2017.005.01.0073.
[4] S. Palomino, Análise da estabilidade de um problema em imuno-oncologia: uma abordagem teórica ampliada, Trends in Appl. and Comput. Math., volume 18 (3), 493-514, 2017.
DOI:10.5540/tema.2017.018.03.0493.
[5] J. Pol, G. Kroemer and L. Galluzzi. First oncolytic virus approved for melanoma immunotherapy. OncoImmunol., 5 (1), 2016. DOI: 10.1080/2162402X.2015.1115641.
010207-2
© 2018 SBMAC