18359

۱۸۳۵۹

تجزيه و تحليل پديده آشوب در مدل اندركنش سيستم ايمني و تومور سرطاني

كارشناسي ارشد

مهندسي پزشكي

مهرماه ۱۳۹۶

دكتر سيد حجت سبز پوشان

برق

سرطان يكي از مهمترين عوامل مرگ و مير در جامعه بشري است؛ از اين رو دانشمندان همواره به دنبال يافتن روشهاي نوين براي روياوريي با اين بيماري هستند. درك بيشتر از ديناميك تومورهاي سرطاني در بدن كمك شاياني به ارايه اين روشها ميكند. بنابراين ساخت مدلهاي دقيق و ساده براي رشد تومور اهميت زيادي دارد. در مورد ديناميك رشد سلولهاي سرطاني در بدن، مدلهاي گوناگوني ارايه شده است. در برخي از مدلها به اندركنش انواع سلولها در سيستم سرطاني اشاره مي شود. سلولهاي موجود در سيستم سرطاني شامل سلولهاي تومور، سالم و سيستم ايمني ميباشند. معمولا مدلهاي ارايه شده قبلي كه برمبناي اين سه جمعيت سلولي بنا شدهاند نميتوانند رفتارهاي آشوبگونه را شبيه سازي كنند. اين در حالي است كه بيولوژي سرطان وجود آشوب در اين سيستم را تاييد كرده است. اين تحقيق با شروع از يك مدل رشد سرطاني كه سه متغير حالت دارد ) مدل TEN_L (، به بررسي نقش پارامترهاي مدل با استفاده از نمودار دوشاخگي مي پردازد. اين بررسي نشان ميدهد كه پارامترهاي مربوط به سلولهاي سيستم ايمني نقش كمي در ديناميك سيستم دارند. در ادامه با توسعه و تكميل مدل بالا، مدل جديدي كه آن را به اختصار مدل TEN_G مي ناميم، ارايه مي شود. در TEN_G ديناميك رشد سلولهاي سرطاني به صورت گمپرتز در نظر گرفته مي شود. سپس با توجه به ضرايب لياپانوف و تئوري شيلينيكوف نشان داده شده است كه مدل مذكور توانايي شبيهسازي رفتارهاي آشوبگونه را دارد. نقش پارامترهاي اين سيستم در ديناميك مدل به تفصيل بررسي گرديده و در مورد مفهوم بيولوژيكي آنها بحث مي شود. در پايان نيز مقايسهاي بين مدل TEN_L و مدل TEN_G انجام شده است. در بسترهاي جذب دو مدل تفاوتهايي ديده ميشود، مدل TEN_L بستر جذب باريكتري دارد كه با توجه به بعد همبستگي به دست آمده منطقي به نظر ميرسد. در مدل TEN_L سلولهاي تومور به مقدار بيشينه خود ميرسند در حالي كه در مدل TEN_G جمعيت سلولهاي ايمني مقادير بيشتري دارند. بررسيهاي ما در اين پژوهش نشان مي دهد كه تنظيم برخي پارامترها رفتار سيستم را از حالت آشوبگونه به پايداري در نقطه تعادل دلخواه ميرساند. اين نقطه تعادل فقط داراي سلولهاي سالم است. تنظيم ساير پارامترها، حالت پيشروي سرطان را شبيه سازي ميكند. دستاورد بالا يعني شناخت ارتباط بين پارامترها و رفتار بيولوژيكي سيستم ميتواند در انتخاب يا پيشنهاد روش درماني به پزشك كمك كند. روش پرتو درماني نيز براي كنترل بيماري و رسيدن به نقطه تعادل دلخواه، به مدل اعمال شده است. پرتو درماني در اين مدل به گونهاي است كه علاوه بر كاهش جمعيت سلولهاي تومور، به بافت اطراف كمترين آسيب برسد.

1396/11/03

1/21/2018 12:00:00 AM

Cancer is one of the most important causes of mortality in human society. Therefore, scientists are always looking for new ways to cope with the disease. Understanding the activity of cancerous tumors in the body can help this research. Thus, finding accurate models for tumor growth is very important. For the growth dynamic of cancer cells, various growth models have been proposed. In some models the interaction between cancerous cell's and the other cell's type in the body is considered. In cancerous systems usually there are tumor, normal and effector immune cells. Previous models which are base on these three type of cells, cannot simulate chaotic behavior. Whereas biology of cancer has confirmed chaos in cancerous systems. This study is started from a three-state cancer model (TEN_L) and the role of model parameters in the system dynamics is interpreted via bifurcation diagram. This analysis has shown that the parameter of immune system has the least effect in the dynamic of model. In the following with developing the previous model, a new model is presented which is called TEN_G. In this model, the tumor cell growth is consider as Gompertz. Then by considering the lyapanuov exponent and due to the Schilinikov teory it has shown that the new model have the ability of chaotic behavior. The role of parameter in the dynamic of this model considered and the biological relivance due to model parameter has discussed. At the end a comparison between two models has performed. Some differences between the attractors can be seen. In TEN_L the attractor is narrower. Also in TEN_L the tumor cells can reach their maximum whereas in TEN_G the immune system cells reach their maximum. The analysis in this study has shown that adjusting some parameters can change the chaotic behavior of system and driven it to the desire fix point which is tumor free. Adjusting some other parameters can simulate malignant tumor growth. This result can help to propose or choosing the best therapy for cancer. Finally, as an application of the TEN_G model, radiotherapy was applied to control the disease and reach the desired fix point. The results showed that the therapeutic method should be such that in addition to reducing the number of tumor cells, the damage to the surrounding tissue would be minimal. Accordingly, a range of radiation dose for radiotherapy was presented.