Uso de modelos matemáticos para la descripción del crecimiento de tumores cancerosos

Use mathematical models to describe the growth of cancerous tumors

La producción de tumores cancerosos o tumorgénesis ha sido estudiada desde principios del siglo XX por matemáticos y físicos interesados en aplicaciones biológicas. En este trabajo se plantean diversos modelos que utilizan ecuaciones diferenciales ordinarias, ecuaciones diferenciales parciales, modelos estocásticos discretos, estadísticos y de análisis numérico para describir el crecimiento de tumores cancerosos. Se muestra un análisis comparativo entre estos modelos matemáticos, estableciendo particularidades y limitaciones debido a la especificidad de las poblaciones cancerosas. Se amplía un estudio del modelo de competencia por nutrientes utilizando una simulación computacional, donde se muestran resultados gráficos de las simulaciones para poblaciones de células cancerosas y muertas.

1. Kolev M, Zubik-Kowal B. Numerical Solutions for a Model of Tissue Invasion and Migration of Tumour Cells. Comput Math Methods Med. 2011;2011:452320.
2. Solé RV, Deisboeck TS. An error catastrophe in cancer?. J Theor Biol. 2004;228:47-54.
3. Menchón S.A. Modelado de diversas etapas del crecimiento del cáncer y de algunas terapias antitumorales. Córdoba. Tesis Doctoral
4. (Doctorado en física), Universidad Nacional de Córdoba, Argentina, Departamento de física. 2007.
5. Wodarz D, Komarova NL. Computational Biology Of Cancer: Lecture Notes And Mathematical Modeling. Ed. World Scientific, Singapore. 2005. p.13-26.
6. Sotolongo-Costa O, Morales L, Rodríguez D, Antoranz JC, Chacon M. Behavior of tumor under nonostationary therapy. Physical D.
7. ;178:242-253.
8. Kim Y, Friedman A. Interaction of tumor with its micro-environment: A mathematical model. Math Biol. 2010;72:1029-1068.
9. Doumic-Jauffret M, Kim PS, Perthame B. Stability analysis of a simplified yet complete model for chronic myelogenous leukemia.
10. Bull Math Biol. 2010;72:1732-1759.
11. Anderson AR, Chaplain MA. Continuous and discrete mathematical models of tumor-induced angiogenesis. Bull Math Biol. 1998;60:857-899.
12. Kansal AR, Torquato S, Harsh GR IV, Chiocca EA, Deisboeck TS. Simulated brain tumor growth dynamics using a three-dimensional
13. cellular automaton. J Theo Biol. 2000;203:367-382.
14. Azuaje F. Computational discrete models of tissue growth and regeneration. Brief Bioinform. 2011;12:64-77.
15. Komarova NL, Sengupta A, Nowak MA. Mutation-selection networks of cancer initiation: tumor suppressor genes and chromosomal instability. J Theor Biol. 2003;223:433-450.
16. Knudson AG. Hereditary cancer: two hits revisited. J Cancer Res Clin Oncol. 1996;122:135-140.
17. Knudson AG. Mutation and cancer: statistical study of retinoblastoma. En: Proc Natl Acad Sci USA. 1971;68:820-823.
18. Frank SA. Age-specific acceleration of cancer. Curr Biol. 2004;14:242-246.
19. Krewski D, Zielinski JM, Hazelton WD, Garner MJ, Moolgavkar SH. The use of biologically based cancer risk models in radiation
20. epidemiology. Radiat Prot Dosimetry. 2003;104:367-376.
21. Pescarmona GP, Scalerandi M, Delsanto PP, Condat CA. Nutrient competition as a determinant for cancer growth. Med Hypotheses.
22. ;53:497-503.
23. Zapata J.Jair M. Simulaciones por computadora de un modelo espaciotemporal para la interacción del sistema inmunológico y los tumores
24. cancerosos. Dissertations & Theses. 2009;1:76-80.
25. Menchón SA, Ramos RA, Condat CA. . Modeling subspecies and tumor-immune system interaction: Step towards understanding therapy.
26. Physica A. 2007;386:713-719.
27. Brú A, Pastor JM, Brú I, Melle S, Berenguer C. Super rough dynamics on tumor growth. Phys Rev Lett. 1998;18:4008- 4011.
28. Brú A, Albertos S, López García-Asenjo JA, Brú I. Pinning of tumoral growth by enhancement of the immune response. Phys Rev Lett.
29. ;92:238101-238104.
30. Kolobov AV, Gubernov VV, Polezhaev AA. Autowaves in a model of growth of an invasive tumor. Biofizika. 2009;54:334-342.
31. -------------------------------------------------------------------------------
32. DOI: http://dx.doi.org/10.22490/24629448.446