Το Γλοιοβλάστωμα (ΓΒ) συνιστά τον πιο κακοήθη και επιθετικό καρκίνο του εγκεφάλου και μέχρι σήμερα, δε θεωρείται ιάσιμη ασθένεια. Ένα διεπιστημονικό πλαίσιο που ολοκληρώνει τόσο τη Βασική όσο και τη Μεταφραστική έρευνα παρουσιάζεται στοχεύοντας τόσο στην επαλήθευση υπολογιστικών προβλέψεων για την ανάπτυξη του ΓΒ όσο και επιχειρείται μία καλύτερη κατανόηση της παθοφυσιολογίας του. Σε αυτό το εγχείρημα, ένας προσεκτικός συνδυασμός των in vitro, in vivo και in silico πειραματικών προσεγγίσεων σχεδιάστηκε. Στην εν λόγω εργασία, εγκαθιδρύθηκαν κυτταροκαλλιέργειες εξατομικευμένες ανά ασθενή που συνδυάστηκαν σε πειραματικές διεργασίες σε σχέση με παθοφυσιολογικούς παράγοντες του ΓΒ και ακολούθως, προβλεπτικοί αλγόριθμοι παραμετροποιήθηκαν, αρχικοποιήθηκαν και επαληθεύθηκαν, ανάλογα.
Επικεντρωνόμενοι αρχικά στον κυτταρικό πολλαπλασιασμό, η συνδυαστική in vitro-in silico προσέγγιση υποστήριξε ότι η ετερογένεια εντός του όγκου μαζί με το συνολικό πολλαπλασιασμό που αντανακλώνται τόσο στο ρυθμό πολλαπλασιασμού όσο και στη μηχανική κυτταρική αναστολή λόγω επαφής, αλλά όχι στο κυτταρικό μέγεθος, δύνανται να προβλέψουν την εργαστηριακή εξέλιξη των διάφορων κυτταροσειρών ΓΒ που μεγαλώνουν υπό τις ίδιες 3Δ συνθήκες.
Παρουσιάσαμε ότι τα πρωτογενή σφαιρίδια υιοθέτησαν ένα νέο, συνεκτικό μοτίβο που φαίνεται να μιμείται την περιαγγειακή διήθηση στον εγκέφαλο, ενώ τα U87MG και τα T98G σφαιρίδια υιοθετούν το τυπικό, ακτινωτό, διηθητικό μοτίβο υπό την ίδια 3Δ πειραματική διάταξη. Η προτεινόμενη μαθηματική μας προσέγγιση δεικνύει ότι επιτρέποντας φαινοτυπική ετερογένεια στον καρκινικό πληθυσμό είναι ικανό ώστε να αναδειχτούν διάφορες διηθητικές μορφολογίες.
Η επικουρική χημειοθεραπεία κατά του ΓΒ περιλαμβάνει την Τεμοζολαμίδη (ΤΜΖ)- ωστόσο, δεν είναι όλοι οι ασθενείς ευαίσθητοι σε αυτή. Οι πιο πρόσφατες τάσεις στις κλινικές μελέτες του ΓΒ συχνά αναφέρονται στη Δοξορουμπικίνη (ΔΟΞ)- ωστόσο, είναι αδύνατο να περάσει επαρκώς τον αιματεγκεφαλικό φραγμό. Ένα εύρος συγκεντρώσεων ΤΜΖ και ΔΟΞ χρησιμοποιήθηκαν σε πρωτογενή σφαιρίδια βασισμένο στις IC50 τιμές που εκτιμήθηκαν σε 2Δ πειράματα. Οι αποτελεσματικές συγκεντρώσεις της ΔΟΞ και της ΤΜΖ διαφοροποιήθηκαν κατά τέσσερις τάξεις μεγέθους. Χρησιμοποιήσαμε Απεικόνιση Λεπτής Δέσμης Φθορισμού ώστε να οπτικοποιήσουμε τη διείσδυση του φαρμάκου και τη νέκρωση. Η ΔΟΞ ήταν ικανή να προκαλέσει νέκρωση με σωρευτικό τρόπο. Τα σφαιρίδια στα οποία έγινε αγωγή με ΤΜΖ, μη σημαντικά ανασταλτικά αυξητικά φαινόμενα παρατηρήθηκαν σε μη συστηματικό δοσοεξαρτώμενο τρόπο. Έχουμε ενδείξεις σε σχέση με ένα θεραπευτικό σχήμα που συνδυάζει ΤΜΖ-ΔΟΞ με στόχο να αδρανοποιήσει τον πολλαπλασιασμό και να αυξήσει την κυτταροτοξικότητα. Ένα εργαστηριακό εργαλείο διαλογής φαρμάκων προτάθηκε και επιπλέον, προτείνουμε σε επόμενο στάδιο να επεκτείνουμε αυτές τις παρατηρήσεις στο υβριδικό διακριτό-συνεχές υπολογιστικό μοντέλο.
Συνολικά, σε αυτή τη Διδακτορική Διατριβή, ισχυριζόμαστε πως η μελλοντική έρευνα οφείλει να βασίζεται σε πρωτογενή κύτταρα και οι κοινές κυτταροσειρές θα πρέπει να εξυπηρετούν μόνο ως σημεία αναφοράς μεταξύ ερευνητικών έργων. Τα υπολογιστικά μοντέλα μπορούν να εξυπηρετήσουν ως προβλεπτικά εργαλεία όχι μόνο της καρκινικής εξέλιξης, αλλά και του σχεδιασμού στοχευμένων βιολογικών πειραμάτων και να επιτρέψουν την καλύτερη κατανόηση των εμπλεκόμενων βιολογικών φαινομένων. Οι προσομοιώσεις της καρκινικής εξέλιξης δεν πρέπει πλέον να εξαρτώνται από θεωρητικές τιμές, ιδίως όταν το ενδιαφέρον επικεντρώνεται στην κλινική μεταφραστικότητα.
(EL)
Glioblastoma (GB) is the most malignant brain cancer and is not considered a curable disease so far. A multidisciplinary framework that integrates basic and translational research is presented targeting both the validation of computer-based predictions of GB growth progress, while attempting a better understanding of its pathophysiology. In this attempt, a carefully planned combination of in vitro, in vivo and in silico experimental approaches were mobilized. Specifically, patient-specific cell cultures were established and used in experimental assays to assess GB pathophysiologic factors and parametrize/initialize/validate the computational predictive algorithms, accordingly.
Focusing on proliferation, the combined in vitro-in silico approach supported that the intra-tumoral heterogeneity together with the overall proliferation reflected in both the proliferation rate and the mechanical cell contact inhibition, but not the cell size, can predict the evolution of different GB cell lines.
Focusing on invasion, we showed that the primary GB spheroids adopt a novel, cohesive pattern mimicking perivascular invasion in the brain, while the U87MG and the T98G adopt a typical, starburst, invasive pattern, under the same 3D in vitro experimental setup. Our proposed mathematical approach suggested that allowing phenotypic heterogeneity within the tumor population is sufficient for variable invasive morphologies to emerge.
GB adjuvant chemotherapy includes Temozolomide (TMZ); yet, not all patients are responsive. The latest trends in GB clinical trials usually refer to Doxorubicin (DOX); yet, it is unable to adequately overpass the blood brain barrier. A range of TMZ and DOX concentrations were used to treat the primary GB spheroids based on the IC50 values previously estimated in 2D. The effective concentrations of DOX and TMZ exhibit four orders of magnitude difference. In addition, we used Light Sheet Fluorescence imaging to visualize the drug penetration and necrosis. We observed that DOX was able to accumulatively cause necrosis, while in the TMZ-treated spheroids slight growth-inhibiting effects were observed in a non-consistent dose-response relationship. We have indications regarding the option of a TMZ-DOX therapeutic scheme to disable proliferation and increase cytotoxicity. An in vitro drug screening tool was proposed, while we followingly suggest to extend these observations to the hybrid discrete-continuous model.
Overall, in this PhD thesis, we conclude that future research should be based on primary cells and that common cell lines should only serve as landmarks between different groups. Computational models may serve as predictor tools not only for estimating cancer progress, but also for designing targeted biological experiments and allow a better understanding of the involved biological phenomena. Simulations of cancer progress should not anymore be based on theoretical values, especially if clinical translation is of interest.
(EN)
University of Crete
