DSpace Repository

Modelación y simulación de inmunoterapias para el tratamiento de la leucemia

Show simple item record

dc.contributor.author León Santiago, Jareth
dc.date.accessioned 2019-11-26T16:58:42Z
dc.date.available 2019-11-26T16:58:42Z
dc.date.created 2019-05-28
dc.date.issued 2019-11-13
dc.identifier.citation León Santiago, Jareth. (2019). Modelación y simulación de inmunoterapias para el tratamiento de la leucemia. (Maestría en Ciencias de la Computación). Instituto Politécnico Nacional, Centro de Investigación en Computación, México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/27558
dc.description Tesis (Maestría en Ciencias de la Computación), Instituto Politécnico Nacional, CIC, 2019, 1 archivo PDF, (79 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: El cáncer es uno de los retos más grandes que enfrenta la ciencia médica en esta época. La Agencia Internacional para la investigación del Cáncer (IARC) estima que para 2030 el ´índice global para nuevos casos de cáncer crezca a 21.7 millones y 13 millones de muertes por este padecimiento debido al crecimiento y envejecimiento de la población. Mientras tanto, muchos de los tratamientos médicos utilizados para tratar el cáncer son obsoletos o en muchos casos no son efectivos para erradicar esta enfermedad, debido a la gran cantidad de efectos secundarios que conllevan. Por lo que los biólogos y médicos propusieron utilizar el propio sistema inmune para pelear contra el cáncer. Esta propuesta resultó en muchas terapias que son conocidas como inmunoterapias, y que se basan en el principio de utilizar las partes fundamentales del sistema inmune como las células T, células NK, células dendríticas y algunas citocinas con el propósito de combatir cierto tipo de cánceres. Tal es el caso de la terapia con células T-CAR, ´esta consiste en utilizar los linfocitos T autológos del cuerpo y modificarlos con la habilidad de detectar y destruir las células malignas mediante una combinación de la especificidad monoclonal de un anticuerpo y sus capacidades de memoria y citotoxicidad. Para avanzar en la investigación de los tratamientos contra el cáncer y otros males fue indispensable que la biología se uniera con las matemáticas y la computación con el fin de mejorar los resultados y reducir los tiempos de experimentación. Pero lo más destacado es que la unión de estas disciplinas marcan el comienzo de una nueva, conocida como Biología Matemática. El desarrollo de esta ciencia mejora a cada rama de la ciencia involucrada de forma individual, por ejemplo haciendo que las matemáticas y la computación evolucionen con el fin de resolver problemas biológicos. En este trabajo tratamos la leucemia linfoblástica aguda de tipo B (LLA-B) utilizando la terapia con células T-CAR aplicada a un paciente, con el fin de entender y tratar de simular la dinámica entre la inmunoterapia y las células tumorales para el mismo. Para esto, se construyó un modelo matemático basado en un sistema de ecuaciones diferenciales ordinarias, que involucran a tres poblaciones celulares diferentes, las células tumorales, las células T auxiliares y las células T citotóxicas, además agregamos dos tipos de citocinas IL-2 e IL-10. Después resolvimos el sistema de ecuaciones utilizando un método numérico llamado Runge-Kutta de cuarto orden. El método fue programado en MatLab y los resultados se presentan en el capítulo 5, en la discusión de los resultados, fue necesario comparar estos mismos respecto a los datos que se tenían de un ensayo clínico. En este ensayo se aplica la terapia con células T-CAR a adultos jóvenes y niños de entre 1-30 años, los cuales presentaban LLA-B o linfoma no hodgkiniano, con la finalidad de estudiar los efectos y la eficacia de la terapia con T-CAR en los seres humanos. Los resultados obtenidos muestran que la terapia con células T-CAR es efectiva para el paciente en el combate de la leucemia linfoblástica aguda, ya que se observa la expansión y permanencia de las células T-CAR a lo largo de un año. Es decir, estas células continúan creciendo en el cuerpo por más de 28 días mientras que la población de células cancerosas disminuye en el lapso en que se lleva a cabo el ensayo clínico. ABSTRACT: Cancer is one of the biggest challenges the medical science has to face in this time. The International Agency for Research on Cancer (IARC) states that by 2030, the global index is expected to grow to 21.7 million new cases of cancer and 13 million deaths due to the growth and aging of the population. Meanwhile, most of the medical treatments used to treat cancer are obsolete in many cases, due to the many secondary e↵ects that can be presented, furthermore, besides many occasions, they do not have any e↵ect over the disease. So the biologist and physicians came out with the idea to use the immune system to fight back against cancer. This results in many therapies called immunotherapies, these processes use the fundamental pieces of the immune system like T lymphocytes, Nk cells, dendritic cells and some cytokines to fight a certain type of cancer. Such is the case of T-CAR cell therapy. The therapy consists of using the autologous T cells of the body and modify the patient’s cells with the ability to detect and destroy malignant cells by combining the specificity of a monoclonal antibody with the cytotoxic and memory capabilities of endogenous T cells. In order to go forward in the investigation to treat cancer and other su↵erings, biology has formed a relationship with mathematics and computer science to improve the results, making the experimentation phase quicker. But most importantly, the union of these three disciplines makes a new one call Mathematical Biology. The developing of Mathematical Biology improves every discipline that is contained in here in an individual way, making computer science and maths evolve in order to solve the biological problems. In this work, we treat B-cell acute lymphoblastic leukemia (ALL-B) using T- CAR cell therapy in order to understand and try to simulate the dynamics between immunotherapy and tumor cells for a pacient. A mathematical model was built with a system of ordinary di↵erential equations that involves three di↵erent cell populations, ALL-cells, helper T cells, and cytotoxic T cells, also we had to add two types of cytokines, IL-2 and IL-10. Later we solve the system using a numerical method called Runge-Kutta of 4th order. The Runge-Kutta method is programmed in MatLab, and the results are shown in chapter 4, meanwhile in the discussion of the results was necessary to compare these with respect to the data that was available in a clinical trial. In this trial, T-CAR therapy was applied to young adults and children between 1 and 30 years of age, who presented B-ALL or non-Hodgkin’s lymphoma, in order to study the e↵ects and efficacy of therapy with T-CAR on the human body. The results that were obtained show that the T-CAR cell therapy is e↵ective in the pacient we study against the acute linfoblastic leukemia, we observed that the T-CAR cells expand and stay for a year. The cells continue to grow for more than 28 days, meanwhile the cancer cell population decreases during the period in which the trial is carried out. es
dc.language.iso es es
dc.subject Modelos matemáticos es
dc.subject Leucemia linfoblástica es
dc.subject Inmunoterapia es
dc.subject Ecuaciones diferenciales es
dc.title Modelación y simulación de inmunoterapias para el tratamiento de la leucemia es
dc.contributor.advisor Castillo Montiel, Erandi
dc.contributor.advisor Chimal Eguía, Juan Carlos


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account