The role of viral dynamics and infectivity in models of oncolytic virotherapy for tumours with different motility

Dit onderzoek vergelijkt verschillende wiskundige modellen voor oncolytische virotherapie en concludeert dat de infectiviteit van het virus in bepaalde gevallen een grotere invloed heeft op het therapeutische succes dan de beweeglijkheid van de tumor.

De kern

De Virus-Strijd: Hoe Wiskunde Helpt bij het Verslaan van Kanker

Stel je voor dat kanker een enorme, chaotische stad is die door een kwaadaardige dictator (de tumor) wordt beheerd. De burgers van deze stad zijn de kankercellen. Normaal gesproken groeit deze stad onbeheersbaar en verspreidt ze zich naar de omliggende gebieden.

De Idee: Een Virus als "Trojan Horse"
In de afgelopen dertig jaar hebben wetenschappers een slim idee bedacht: gebruik een speciaal ontworpen virus als een "Trojan Horse". Dit virus is zo gemaakt dat het alleen kankercellen aanvalt en vernietigt, maar gezonde cellen met rust laat. Het virus infiltreert de stad, besmet de burgers en zorgt ervoor dat ze ontploffen (lyse), waardoor de stad instort.

Maar hier zit de kluif: in de echte wereld werkt dit niet altijd. Soms slaagt de behandeling, soms faalt hij. Waarom? Omdat tumoren complex zijn en virussen zich op verschillende manieren gedragen.

De Wiskundige Detectives
Dit artikel is geschreven door een team van wiskundigen die proberen dit probleem op te lossen met computermodellen. Ze spelen een soort virtueel bordspel om te zien wat er gebeurt als je een virus in een tumor spuit. Ze vergelijken twee manieren om dit spel te spelen:

1. Het Individuele Spel (Agent-Based Model): Hierbij kijken ze naar elke kankercel en elk virusje apart. Het is alsof je een film draait van miljoenen kleine acteurs die allemaal hun eigen beslissingen nemen. Dit is realistisch, maar erg willekeurig (stochastisch). Soms wint het virus door geluk, soms verliest het door pech.
2. Het Grote Overzicht (Continu Model): Hierbij kijken ze niet naar individuen, maar naar de "drukte" in de stad. Ze gebruiken een soepel model, alsof ze kijken naar een vloeistof die door de stad stroomt. Dit is makkelijker te berekenen, maar mist de kleine details van het individuele gedrag.

De Grote Ontdekkingen: Wat maakt het verschil?

De onderzoekers ontdekten drie belangrijke dingen die de uitkomst van de behandeling bepalen:

• 1. De "Snelheid" van het Virus is Cruciaal
  Stel je voor dat het virus een boodschapper is. Als de boodschapper te langzaam is (of snel doodgaat voordat hij iemand bereikt), kan hij de hele stad niet bereiken. De onderzoekers ontdekten dat de infectiekracht van het virus soms belangrijker is dan hoe snel de kankercellen zelf bewegen. Als het virus goed kan "zwemmen" door de tumor (diffunderen), kan het de hele stad besmetten, zelfs als de kankercellen vastzitten. Als het virus echter stilstaat, blijft de infectie beperkt tot het centrum en groeit de tumor aan de randen gewoon door.

• 2. De Beweging van de Tumor (De Drukte)
  Kankercellen kunnen zich op twee manieren verplaatsen:

  • Willekeurig: Ze dwalen rond als een menigte op een drukke markt.
  • Door druk: Ze duwen elkaar weg als een stuwmeer water. Als het erg druk is, moeten ze weg van de drukte.
    De wiskundigen ontdekten dat als de tumor zich verplaatst door "druk" (duwen), het virus het moeilijker heeft om zich te verspreiden, tenzij het virus zelf ook heel goed kan zwemmen. Als het virus niet goed kan zwemmen, blijft de infectie in het midden steken en kan de tumor aan de buitenkant gewoon doorgroeien.

• 3. Het Gevaar van "Trillingen" (Oscillaties)
  Dit is misschien wel het meest fascinerende deel. Soms ontstaat er een ritme: het virus maakt veel kankercellen dood, waardoor er ruimte komt. Dan groeien de overgebleven kankercellen weer snel, het virus vermenigvuldigt zich weer, en het patroon herhaalt zich. Dit is als een dans tussen jager en prooi.

  • Het risico: In deze dans kunnen de aantallen zo laag dalen dat het virus of de kankercellen door pure toeval (willekeur) volledig verdwijnen.
  • De kans: Als het virus sterk genoeg is, kan deze dans leiden tot het volledig uitdoven van de tumor. De wiskundige modellen laten zien dat als je de "dans" goed begrijpt, je de kans op volledige genezing kunt vergroten.

Wat betekent dit voor de toekomst?

De boodschap van dit onderzoek is hoopvol maar ook voorzichtig:

• Niet alle modellen zijn hetzelfde: Simpele modellen die alleen kijken naar gemiddelden, missen soms de belangrijke details van hoe virussen zich echt verspreiden.
• Het virus moet kunnen "zwemmen": Voor een succesvolle behandeling is het belangrijk dat het virus niet vastloopt in de tumor. Het moet de ruimte kunnen vinden om de hele tumor te bereiken.
• Willekeur speelt een rol: Soms wint de behandeling door geluk (dat het virus net op het juiste moment een laatste cel vindt), soms verliest hij door pech.

Conclusie
Deze wiskundige studie helpt artsen en onderzoekers om beter te begrijpen waarom een behandeling werkt of faalt. Het suggereert dat we niet alleen moeten kijken naar hoeveel virus we spuiten, maar ook naar hoe dat virus zich beweegt en hoe de tumor op dat virus reageert. Door deze "dans" tussen virus en kanker beter te begrijpen, hopen ze in de toekomst protocollen te ontwikkelen die voor meer patiënten werken en kanker definitief kunnen verslaan.

Kortom: Het is een strijd tussen een slim virus en een slimme tumor, en de wiskunde helpt ons de regels van het spel te lezen om de winnende strategie te vinden.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "The role of viral dynamics and infectivity in models of oncolytic virotherapy for tumours with different motility" in het Nederlands.

Probleemstelling

Oncolytische virotherapie, waarbij genetisch gemodificeerde virussen worden gebruikt om tumorcellen te infecteren en te vernietigen, is een veelbelovende kankerbehandeling. Echter, het is nog niet volledig duidelijk hoe betrouwbare protocollen kunnen worden ontwikkeld voor een breed scala aan tumoren. Een van de belangrijkste uitdagingen is het begrijpen van de rol van viraal dynamiek (de verspreiding en concentratie van vrije virionen) versus cel-cel infectie in de therapeutische uitkomst.

Bestaande wiskundige modellen maken vaak gebruik van vereenvoudigingen:

1. Ze negeren de expliciete dynamiek van virale deeltjes en modelleren infectie alleen als een contactproces tussen geïnfecteerde en niet-geïnfecteerde cellen (quasi-stationaire benadering).
2. Ze gebruiken vaak lineaire diffusie (onbelemmerde beweging) voor tumorcellen, terwijl tumoren in werkelijkheid vaak bewegen door drukgedreven mechanismen (niet-lineaire kruisdiffusie).

Het doel van dit onderzoek is om te analyseren hoe het expliciet modelleren van virale deeltjes en het kiezen van verschillende bewegingsregels voor tumorcellen (onbelemmerd vs. drukgedreven) de uitkomst van de therapie beïnvloedt, met name in termen van infectiegolven, oscillaties en tumoruitroeiing.

Methodologie

De auteurs vergelijken twee hoofdklassen van modellen die zijn afgeleid van dezelfde onderliggende regels, maar op verschillende schalen worden geformuleerd:

1. Agent-Based Models (ABM):

   • Een stochastisch, individueel gebaseerd model in discrete tijd en ruimte.
   • Het model trackt het aantal niet-geïnfecteerde cellen ($U$), geïnfecteerde cellen ($I$) en virale deeltjes ($V$) op roosterpunten.
   • Het bevat expliciete regels voor proliferatie, celdood (lyse), infectie (via vrije virionen) en beweging (zowel onbelemmerd als drukgedreven).
   • Virale dynamiek wordt beschreven door een balansvergelijking met diffusie, verval en productie bij celdood.

2. Continu Modellen (PDE's):

   • Deterministische partiële differentiaalvergelijkingen afgeleid uit de ABM door de limiet te nemen van kleine tijdstappen en roosterafstanden.
   • Systeem (U3): Lineaire diffusie voor cellen + expliciete virale dynamiek.
   • Systeem (P3): Kruisdiffusie (drukgedreven) voor cellen + expliciete virale dynamiek.
   • Vergelijking met vereenvoudigde modellen: De auteurs vergelijken deze ook met modellen zonder expliciete virale dynamiek (systeem U2 en P2), waarbij infectie alleen via cel-cel contact plaatsvindt (quasi-stationaire aanname).

Analysemethoden:

• Numerieke simulaties in Matlab (zowel voor ABM als PDE).
• Lineaire stabiliteitsanalyse en bifurcatie-analyse voor niet-ruimtelijke ODE-systemen.
• Berekening van de snelheid van reizende golven (travelling waves) via linearisatie en numerieke methoden.
• Analyse van stochastische uitroeiing via "Tumour Control Probability" (TCP).

Belangrijkste Bijdragen

1. Expliciete Virale Dynamiek: Het artikel introduceert en analyseert systemen waarin virale deeltjes een eigen variabele en diffusiecoëfficiënt hebben, in plaats van ze te verwaarlozen of als quasi-stationair te beschouwen.
2. Vergelijking van Bewegingsmechanismen: Het biedt een grondige vergelijking tussen onbelemmerde beweging (standaard diffusie) en drukgedreven beweging (niet-lineaire kruisdiffusie) in de context van virotherapie.
3. Analytische Karakterisering van Golven: De auteurs leiden analytische uitdrukkingen af voor de snelheid van infectiegolven en tonen aan hoe deze afhankelijk is van virale diffusie en cel-dichtheid.
4. Rol van Stochasticiteit: Het onderzoek toont aan hoe stochastische fluctuaties in kleine populaties (vooral bij drukgedreven beweging) kunnen leiden tot lokale uitroeiing of therapiefalen, iets wat deterministische modellen vaak missen.

Resultaten

1. Rol van Virale Diffusie en Infectiesnelheid:

• Hoge Virale Diffusie: Wanneer virussen zich snel kunnen verspreiden (hoge $D_v$), is de snelheid van de infectiegolf vaak groter dan bij puur cel-cel infectie. De therapie is effectiever omdat het virus de tumor sneller bereikt, zelfs als de tumorcellen zich traag bewegen.
• Lage Virale Diffusie: Bij lage virale diffusie is de verspreiding van de infectie sterk afhankelijk van de beweging van de tumorcellen.
  • Bij onbelemmerde beweging verspreidt de infectie zich nog steeds over de hele tumor.
  • Bij drukgedreven beweging blijft een centrale infectie vaak gevangen in het midden van de tumor. Omdat cellen niet naar gebieden met hogere dichtheid kunnen bewegen en virussen niet ver reiken, kan de infectie de buitenste tumorcellen niet bereiken. Dit leidt tot therapiefalen, zelfs bij een hoge initiële virale lading.

2. Oscillaties en Uitroeiing:

• Het expliciet modelleren van virussen introduceert persistent oscillatief gedrag (cyclische patronen van groei en afname van cellen en virussen), wat niet voorkomt in de vereenvoudigde twee-vergelijking modellen (U2/P2).
• Deze oscillaties kunnen de tumorcellen tot zeer lage dichtheden drijven. Op dit punt wordt stochasticiteit cruciaal: in de agent-based modellen kunnen lokale uitroeiingen optreden die leiden tot volledige tumorremissie, iets wat het continuümmodel niet voorspelt (het continuümmodel voorspelt vaak een hergroei).
• De kans op volledige uitroeiing (TCP) neemt toe met een hogere virale burst size ($\alpha$) en een lagere virale verouderingsrate ($q_v$).

3. Vergelijking van Modellen:

• Onbelemmerde beweging: De resultaten van het expliciete virusmodel (U3) komen goed overeen met het vereenvoudigde model (U2) als de virale diffusie hoog is, maar U3 toont snellere initiële invasie en oscillaties.
• Drukgedreven beweging: Hier zijn de verschillen drastisch. Het vereenvoudigde model (P2) voorspelt vaak lokale infectie en falen. Het expliciete model (P3) kan succes tonen, maar alleen als de virale diffusie hoog genoeg is om de beperkingen van de celbeweging te overbruggen.
• Snelheid van invasie: De snelheid van de tumorinvasie is constant bij onbelemmerde beweging, maar vertraagt bij drukgedreven beweging als de cel-dichtheid daalt.

Significantie en Conclusie

De studie concludeert dat de capaciteit van virussen om tumoren te infecteren (virale dynamiek) in veel gevallen belangrijker is voor een positieve uitkomst dan de motiliteit van de tumorcellen zelf.

• Klinische Implicaties: Voor tumoren met een dichte extracellulaire matrix of beperkte celbeweging (drukgedreven), is het essentieel dat de virale vectoren een hoge diffusie hebben of dat de infectie op meerdere plaatsen wordt geïnjecteerd. Een model dat alleen cel-cel infectie beschouwt, kan het succes van de therapie overschatten in deze scenario's.
• Modelkeuze: Hoewel onbelemmerde beweging (lineaire diffusie) wiskundig eenvoudiger is, is drukgedreven beweging biologisch realistischer. Het expliciet opnemen van virale dynamiek is noodzakelijk om de complexiteit van infectiegolven, oscillaties en de kans op volledige uitroeiing correct te voorspellen.
• Toekomstperspectief: De resultaten suggereren dat combinatietherapieën (bijv. met immunotherapie) en de optimalisatie van injectieprotocollen gebaseerd moeten worden op modellen die zowel virale diffusie als de fysieke beperkingen van de tumoromgeving expliciet meenemen.

Kortom, dit werk biedt een brug tussen discrete stochastische processen en continue deterministische modellen, en benadrukt dat het negeren van virale dynamiek kan leiden tot onnauwkeurige voorspellingen over de effectiviteit van oncolytische virotherapie.