Stokastisk modellering av glioblastom
Publicerad
Typ
Examensarbete för kandidatexamen
Bachelor Thesis
Bachelor Thesis
Program
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Glioblastom (GBM) är en av de mest aggressiva och dödliga formerna av hjärncancer,
med mycket varierande och invasiva tillväxtmönster som innebär stora utmaningar för prognos och behandling. Denna kandidatuppsats presenterar en stokastisk, agentbaserad modell
för att simulera dynamiken hos glioblastomtumörer, med fokus på de biologiska mekanismerna
go or growöch ”cell-cell repulsion”. I modellen antar varje tumörcell slumpmässigt en av tre
fenotyper: ”idle”, ”go” eller ”grow”. En specialutvecklad sökalgoritm kallad P*, som inkluderar stokasticitet och en kostnadsfunktion, styr cellernas migration och delning mot mindre
tätbefolkade områden i ett tredimensionellt rutnät.
För att validera modellen användes in vitro-data från Uppsala universitet, bestående av
time-lapse-bilder av glioblastomsfäroider odlade i 3D-kollagenmatriser. Bildanalys användes
för att extrahera centrala mätvärden som kärnradie, invasiv radie och fraktaldimension, vilka
därefter jämfördes med motsvarande simulerade tumörer. Parameterestimering gjordes med
hjälp av parametersvep för att kalibrera modellen. Resultaten visar att modellen kan reproducera observerad tillväxtdynamik för vissa tumörer, och de härledda parametrarna uppvisar
korrelationer med kliniska data såsom patientöverlevnad och tumörsubtyp. Arbetet framhäver
potentialen hos stokastisk modellering som ett kompletterande verktyg inom cancerforskningen.