Targeting cancer-associated fibroblasts for treatment of ER+ breast cancer: A mathematical modeling perspective and optimization of treatment strategies

Dit onderzoek presenteert een wiskundig model dat aantoont dat het richten op kanker-geassocieerde fibroblasten de effectiviteit van hormoontherapieën bij ER+ borstkanker kan verbeteren door de interacties tussen tumorcellen en het micro-omgeving te optimaliseren.

De kern

Stel je voor dat een tumor in de borst niet alleen bestaat uit kwaadaardige cellen, maar dat het een heel klein, chaotisch ecosysteem is. In dit ecosysteem zijn er twee hoofdrolspelers: de kankercellen (de boeven) en de kanker-geassocieerde fibroblasten ofwel CAF's (de helpers).

Deze CAF's zijn normaal gesproken onschuldig weefsel, maar in een tumor worden ze omgebogen tot "bad guys". Ze bouwen een beschermend schild om de kankercellen, voeden ze en helpen ze te groeien, zelfs als je probeert de kanker te verzwakken door de hormoonvoorraad af te knijpen.

Dit onderzoek is als een simulatiespel (een wiskundig model) dat wetenschappers hebben gemaakt om te begrijpen hoe deze twee samenwerken en hoe we ze het beste kunnen verslaan.

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen:

1. Het Probleem: De Kankercellen en hun "Bodyguards"

Bij borstkanker die gevoelig is voor hormonen (ER+), proberen artsen de kankercellen te laten verhongeren door de oestrogeen (een hormoon) te blokkeren. Het is alsof je de sleutel van de voordeur van een huis wegneemt; de boeven (kankercellen) kunnen niet meer naar binnen.

Maar hier komt de twist: De CAF's (de bodyguards) hebben een geheime achterdeur. Zelfs als de voordeur (hormonen) dicht is, kunnen de bodyguards de kankercellen voeden en laten groeien. Ze zeggen tegen de kankercellen: "Geen zorgen, we hebben genoeg eten en bescherming, blijf maar groeien!" Hierdoor werken de standaard medicijnen soms niet meer.

2. De Oplossing: Een Wiskundig Simulatiespel

De onderzoekers hebben een computermodel gebouwd. Dit is als een virtueel laboratorium waar ze duizenden scenario's kunnen testen zonder dat ze echt dieren of mensen hoeven te behandelen.

Ze hebben drie soorten "wapens" (behandelingen) bedacht om te testen:

• Type I: De bodyguards (CAF's) zelf verzwakken. (Alsof je de bodyguards uitlaat).
• Type II: De communicatie tussen de bodyguards en de boeven (kankercellen) onderbreken. (Alsof je de walkietalkie van de bodyguards kapotmaakt, zodat ze de boeven niet meer kunnen waarschuwen).
• Type III: De standaard hormoonbehandeling (de voordeur dicht houden).

3. De Grote Ontdekking: Samenwerking is Slecht, maar ook de Oplossing

Het model liet zien dat als je alleen de bodyguards (Type I) aanpakt, of alleen de voordeur (Type III) dichtdoet, de kanker vaak toch blijft groeien.

De beste strategie? Een combinatie!
Het model toonde aan dat de grootste winst wordt behaald door Type II en Type III te combineren:

1. Je blokkeert de communicatie tussen de bodyguards en de kankercellen (zodat de bodyguards niet meer kunnen helpen).
2. Je houdt tegelijkertijd de hormoonvoorraad laag.

De analogie: Stel je voor dat je een huis wilt veroveren. Als je alleen de voordeur dichtdoet, klimmen de boeven over het hek (de bodyguards). Als je alleen het hek verwijderd, kunnen ze nog steeds naar binnen via de voordeur. Maar als je zowel de voordeur dichtdoet als het hek verwijdert, zijn ze echt vastgepakt.

4. De Slimme Timing: Niet Altijd Voluit Gas

Een heel belangrijk onderdeel van dit onderzoek is het gebruik van optimale besturing (een wiskundige methode om de beste timing te vinden).

Vroeger dachten artsen: "Geef de medicijnen altijd op het maximale niveau."
Dit model zegt: "Nee, dat is niet altijd nodig en het kan zelfs schadelijk zijn."

Het model berekende dat je medicijnen slimmer kunt geven. Soms is het beter om de medicatie even te verlagen of te stoppen, en dan weer voluit te gaan.

• Vergelijking: Het is als het rijden van een auto in de bergen. Je hoeft niet constant op het gaspedaal te staan. Soms moet je even afremmen om de bocht te nemen, en dan weer versnellen. Door slim te schakelen (de medicatie aan te passen), haal je je bestemming (een kleine tumor) sneller en met minder brandstof (minder bijwerkingen voor de patiënt).

5. Wat betekent dit voor de toekomst?

Dit onderzoek is een grote stap voorwaarts omdat het laat zien dat we niet alleen naar de kankercellen moeten kijken, maar ook naar hun "omgeving" (de CAF's).

• Conclusie: Als we medicijnen ontwikkelen die specifiek de "bodyguards" (CAF's) uitschakelen of hun communicatie verstoren, kunnen we de standaard hormoontherapie veel effectiever maken.
• Personalisatie: Omdat elk tumorecosysteem anders is, kan dit wiskundige model in de toekomst helpen om voor elke patiënt een persoonlijk behandelplan te maken: "Voor jou is het beste om eerst de bodyguards aan te vallen, en dan pas de hormonen te blokkeren."

Kort samengevat:
Deze wetenschappers hebben een wiskundig "simulatiespel" gemaakt dat laat zien dat kankercellen slimme helpers hebben (CAF's) die hen beschermen. De beste manier om hen te verslaan, is niet door één ding aan te vallen, maar door een slimme combinatie van medicijnen te gebruiken die zowel de helpers als de kankercellen uitschakelen, op het perfecte moment. Dit kan leiden tot betere behandelingen met minder bijwerkingen voor vrouwen met borstkanker.

Technische samenvatting

Probleemstelling

Kanker-geassocieerde fibroblasten (CAFs) zijn een cruciaal onderdeel van het tumormicro-omgeving (TME) en spelen een sleutelrol bij het faciliteren van tumorprogressie en metastase bij borstkanker. Specifiek bij ER+ (oestrogeenreceptor-positieve) borstkanker kunnen CAFs tumorgroei stimuleren die onafhankelijk is van oestrogeen. Dit mechanisme ondermijnt de effectiviteit van hormonale therapieën (endocriene therapie), wat leidt tot resistentie en therapeutische falen. Hoewel er veel wiskundige modellen bestaan voor borstkankerbehandeling, ontbreken er modellen die de complexe interacties tussen tumorcellen, hormoonsignalering en CAFs expliciet kwantificeren. Het is essentieel om deze interacties te begrijpen om geïndividualiseerde en effectievere behandelstrategieën te ontwikkelen.

Methodologie

De auteurs hebben een wiskundig raamwerk ontwikkeld dat bestaat uit een systeem van niet-lineaire gewone differentiaalvergelijkingen (ODE's) en optimalisatie via optimale besturingstheorie (Optimal Control Problem - OCP).

1. Modelbouw:

   • Basismodel: Een model voor de dynamiek van tumorvolume ($T$), ER$\alpha$-concentratie ($ER$) en oestrogeen-gebonden ER-complexen ($E2ER$). Dit model omvat logistische groei, transcriptie/degradatie van ER$\alpha$ en bindingskinetiek.
   • Uitbreiding met CAFs: Het model is uitgebreid met de populatie van CAFs ($CAF$). Belangrijke aannames zijn:
     • CAFs groeien logistiek en worden gestimuleerd door tumorcellen.
     • CAFs remmen de transcriptie van ER$\alpha$ (verklarende factor voor hormoononafhankelijke groei).
     • CAFs stimuleren direct de tumorproliferatie.
   • Data-calibratie: Het model is gekalibreerd met experimentele data van Reid et al. (MCF7-cellen in muismodellen) onder drie verschillende oestrogeencondities (hoog, medium, laag). De parameters zijn geschat met behulp van Monolix 2024R1.
   • Identificeerbaarheid: Een structurele identificeerbaarheidsanalyse (met GenSSI 2.0) bevestigde dat het model structureel globaal identificeerbaar is.

2. Behandelingsstrategieën en Optimalisatie:
   Drie therapeutische mechanismen werden gemodelleerd als besturingsvariabelen ($u_1, u_2, u_3$):

   • Type I: Remming van de groei van CAFs zelf.
   • Type II: Remming van de proliferatieve invloed van CAFs op tumorcellen.
   • Type III: Remming van de binding van oestrogeen (E2) aan de receptor (hormonale therapie).

   Een Optimal Control Problem (OCP) werd geformuleerd om de totale tumorgrootte te minimaliseren terwijl de bijwerkingen van de behandeling (gepenaliseerd via kwadratische termen in de kostenfunctie) worden geminimaliseerd. De oplossing werd gevonden met de voorwaarts-achterwaartse sweep-methode (forward-backward sweep method).

Belangrijkste Bijdragen

• Mechanistisch Model: Het eerste wiskundige model dat expliciet de feedbacklus tussen CAFs en ER$\alpha$-signalering in ER+ borstkanker kwantificeert, en hoe CAFs hormoononafhankelijke groei mogelijk maken.
• Optimalisatie Framework: Toepassing van optimale besturingstheorie om niet alleen de beste combinatietherapie te identificeren, maar ook de tijdsafhankelijke dosering te optimaliseren (wanneer en hoe lang behandelen).
• Validatie: Het model reproduceert succesvol de experimentele observaties waarbij tumoren met CAFs doorgroeien na onttrekking van oestrogeen, terwijl tumoren zonder CAFs stagneren.

Resultaten

De simulaties, uitgevoerd voor hoge, middelhoge en lage oestrogeendoses, leverden de volgende inzichten op:

1. Effectiviteit van Monotherapie vs. Combinatietherapie:

   • Type I (remming van CAF-groei alleen) was over het algemeen de minst effectieve strategie.
   • Type III (hormonale therapie) was effectief, maar minder bij lage oestrogeencondities waar CAFs de groei overnemen.
   • Combinatie Type II + Type III (remming van CAF-gedreven tumorgroei én hormonale therapie) bleek de meest effectieve strategie voor alle oestrogeenniveaus. Dit resulteerde in de grootste reductie van het tumorvolume (tot wel 93% reductie bij hoge doses en specifieke verhoudingen).

2. Invloed van CAF-populatie:

   • Er is een positieve correlatie tussen de initiële verhouding van tumorcellen tot CAFs en de reductie van het tumorvolume bij de meeste behandelingen.
   • Bij lage oestrogeencondities wordt de bijdrage van hormonale therapie (Type III) duidelijker wanneer de initiële CAF-populatie lager is.

3. Optimale vs. Constante Behandeling:

   • Optimale besturing bleek superieur aan constante behandeling (waarbij een vaste remmingsfactor wordt gehandhaafd).
   • De optimale strategie toont aan dat continue maximale remming niet altijd nodig is. Het model suggereert perioden van lagere dosering of zelfs tijdelijke inactiviteit van de behandeling om overtreatment te voorkomen, terwijl toch een maximale tumorreductie wordt bereikt.
   • Dit leidt tot een lagere totale "kosten" (combinatie van tumorgrootte en toxiciteit) vergeleken met constante hoge dosering.

Significantie en Conclusie

De studie onderstreept dat CAFs niet passieve omstanders zijn, maar actieve modulatoren van resistentie tegen endocriene therapieën. De belangrijkste conclusie is dat het targeten van de interactie tussen CAFs en tumorcellen (Type II), gecombineerd met traditionele hormonale therapie (Type III), de meest veelbelovende strategie is om hormoononafhankelijke groei te doorbreken.

Het gebruik van wiskundige modellering en optimale besturingstheorie biedt een kwantitatief raamwerk om:

• De complexiteit van het tumormicro-omgeving te doorgronden.
• Behandelingsprotocollen te optimaliseren die minder toxisch zijn maar even effectief (of effectiever) dan standaardregimes.
• De weg te effenen voor "digital twin" benaderingen in de kliniek, waarbij behandelingen worden aangepast op basis van de specifieke dynamiek van de patiënt.

De auteurs pleiten voor toekomstig onderzoek dat de heterogeniteit van CAF-subpopulaties meeneemt en klinische data gebruikt om de translatie naar de praktijk te verbeteren.