Dinâmica de populações tumorais : abordagens experimentais e computacionais

Abstract

A heterogeneidade tumoral contribui para a baixa eficácia de tratamentos antitumorais, por permitir que subpopulações do tumor resistam à terapia e causem a recidiva da doença. A heterogeneidade se manifesta não somente na forma de mutações genéticas estáticas, mas também em aspectos não genéticos, como nos níveis de expressão proteica, na flutuação de fenótipo e na dinâmica de fitness de células individuais. Para compreender melhor como estes processos dinâmicos afetam populações tumorais clonais, este trabalho se propõe a explorar a dinâmica de células individuais ao longo do processo de crescimento clonal, buscando entender o surgimento de comportamentos e desfechos heterogêneos em colônias formadas a partir de células únicas. Este objetivo foi abordado por três ângulos diferentes: uma revisão bibliográfica destacando a importância e desafios técnicos ao avaliar desfechos celulares em células únicas, a partir de experimentos de imageamento de células in vitro; a concepção do DynaFit, um framework analítico capaz de inferir a dinâmica de fitness de colônias celulares; e o desenvolvimento do CloVarS, um simulador de crescimento de colônias in silico, desenhado para simular colônias a partir de dados experimentais e avaliar seu crescimento diante de uma série de parâmetros. O DynaFit foi usado para medir a dinâmica de fitness em uma série de colônias celulares e avaliar o efeito da terapia sobre esta dinâmica. O uso de quimioterápicos combinado com moduladores epigenéticos foi capaz de “congelar” o fitness dinâmico de colônias tumorais. O CloVarS foi apresentado e validado com dados experimentais, podendo ser usado para simular colônias em cenários distintos e gerar dados de árvores de parentesco. A simulação permite o uso de dados experimentais próprios, inclusão de rotinas de tratamento, e ajustes em parâmetros como herdabilidade do fitness celular. O DynaFit e o CloVarS foram colocadas à disposição da comunidade científica geral. Formas inovadoras de estudar a heterogeneidade tumoral e dinâmica de fitness são essenciais para ampliar nossa compreensão do câncer e superar a resistência à terapia.

Tumor heterogeneity contributes to the low efficacy of antitumor treatments by allowing subpopulations of the tumor to resist therapy, leading to disease recurrence. Tumor heterogeneity manifests not only as static genetic mutations, but also in non-genetic aspects, such as protein expression levels, phenotypic fluctuations, and the fitness dynamics of individual cells. To better understand how these dynamic processes affect clonal tumor populations, this work aims to explore the dynamics of individual cells throughout the clonal growth process, in order to understand the emergence of heterogeneous behaviors and cell fates in colonies formed from single cells. This goal was tackled from three different perspectives: a literature review highlighting the importance and technical challenges of evaluating cellular outcomes through in vitro cell imaging; the creation of DynaFit, an analytical framework capable of inferring fitness dynamics in colonies; and the development of CloVarS, an in silico colony simulator, designed to simulate colony growth based on experimental data, and evaluate the results using a range of simulation parameters. DynaFit was used to measure the fitness dynamics in tumor cell colonies and the impact of chemotherapy on this dynamic. The combination of chemotherapeutic agents with epigenetic modulators was able to “freeze” the fitness dynamics of tumor colonies. CloVarS was introduced and validated with experimental data. It is able to simulate colonies under different scenarios and generate cell lineage tree data. The simulation allows users to use their own experimental data, as well as setting the treatment routine and adjusting parameters such as fitness heritability. DynaFit and CloVarS have been made available to the broad scientific community. Novel ways to study tumor heterogeneity and fitness dynamics are essential in order to expand our understanding of cancer and overcome therapy resistance.