Search

Your search keyword '"Vaghi, Cristina"' showing total 24 results
Start Over Author "Vaghi, Cristina"
24 results on '"Vaghi, Cristina"'

1. Model Credibility

Author

Courcelles, Eulalie, Horner, Marc, Afshari, Payman, Kulesza, Alexander, Curreli, Cristina, Vaghi, Cristina, Morales-Orcajo, Enrique, Pappalardo, Francesco, Maquer, Ghislain, Russo, Giulia, Geris, Liesbet, Viceconti, Marco, Neidlin, Michael, Favre, Philippe, Lesage, Raphaëlle, Kreuzer, Steve, Carbone, Vincenzo, Viceconti, Marco, editor, and Emili, Luca, editor

Published
2024
Full Text
View/download PDF

2. Asymptotic analysis of a biphase tumor fluid flow. The weak coupling case

Author

Vaghi, Cristina, Benzekry, Sébastien, and Poignard, Clair

Subjects
Mathematics - Analysis of PDEs
Abstract

The aim of this paper is to investigate the asymptotic behavior of a biphase tumor fluid flow derived by 2-scale homogenisation techniques in recent works. This biphase fluid flow model accounts for the capillary wall permeability, and the interstitial avascular phase, both being mixed in the limit homogenised problem. When the vessel walls become more permeable, we show that the biphase fluid flow exhibits a boundary layer that makes the computation of the full problem costly and unstable. In the limit, both capillary and interstitial pressures coincide except in the vicinity of the boundary where different boundary conditions are applied. Thanks to a rigorous asymptotic analysis, we prove that the solution to the full problem can be approached at any order of approximation by a monophasic model with appropriate boundary conditions on the tumor boundary and appropriate correcting terms near the boundary are given. Numerical simulations in spherical geometry illustrate the theoretical results.

Published
2021

6. Population Modeling of Tumor Growth Curves, the Reduced Gompertz Model and Prediction of the Age of a Tumor

Author

Vaghi, Cristina, Rodallec, Anne, Fanciullino, Raphaelle, Ciccolini, Joseph, Mochel, Jonathan, Mastri, Michalis, Ebos, John M. L., Poignard, Clair, Benzekry, Sebastien, Goos, Gerhard, Founding Editor, Hartmanis, Juris, Founding Editor, Bertino, Elisa, Editorial Board Member, Gao, Wen, Editorial Board Member, Steffen, Bernhard, Editorial Board Member, Woeginger, Gerhard, Editorial Board Member, Yung, Moti, Editorial Board Member, Bebis, George, editor, Benos, Takis, editor, Chen, Ken, editor, Jahn, Katharina, editor, and Lima, Ernesto, editor

Published
2019
Full Text
View/download PDF

7. Modeling and analysis of adipocytes dynamic with a differentiation process

Author

Gilleron Jérôme, Goudon Thierry, Lagoutière Frédéric, Martin Hugo, Mauroy Benjamin, Millet Pascal, Ribot Magali, and Vaghi Cristina

Subjects
Applied mathematics. Quantitative methods, T57-57.97, Mathematics, QA1-939
Abstract

We propose in this article a model describing the dynamic of a system of adipocytes, structured by their sizes. This model takes into account the differentiation of a population of mesenchymal cells into preadipocytes and of preadipocytes into adipocytes; the differentiation rates depend on the mean adipocyte radius. The considered equations are therefore ordinary differential equations, coupled with an advection equation, the growth rate of which depends on food availability and on the total surface of adipocytes. Since this velocity is discontinuous, we need to introduce a convenient notion of solutions coming from Filippov theory. We are consequently able to determine the stationary solutions of the system, to prove the existence and uniqueness of solutions and to describe the asymptotic behavior of solutions in some simple cases. Finally, the parameters of the model are fitted thanks to some experimental data and numerical simulations are displayed; a spatial extension of the model is studied numerically.

Published
2020
Full Text
View/download PDF

12. Mathematical modeling of antibody nanoconjugates transport in tumors

Author

VAGHI, Cristina, Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Modélisation Mathématique pour l'Oncologie (MONC), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], UNICANCER-UNICANCER-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université de Bordeaux, Sébastien Benzekry, Clair Poignard, Raphaëlle Fanciullino, Rebecca Shipley [Président], Helen Byrne [Rapporteur], Roberto Natalini [Rapporteur], Florence Gattacceca, Hans Peter Grimm, Benzekry, Sébastien, Poignard, Clair, Fanciullino, Raphaëlle, Shipley, Rebecca, Byrne, Helen, Natalini, Roberto, Gattacceca, Florence, and Grimm, Hans Peter

Subjects
Modèles non linéaires à effets mixtes, Antibody-Nanoconjugates, Pharmacocinétique, Pharmacodynamique, Nonlinear mixed-Effects modeling, Pharmacodynamic modeling, Nanoparticules, Pharmacokinetic, Two-Scale asymptotic expansion, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, [MATH.MATH-NA]Mathematics [math]/Numerical Analysis [math.NA], Développement asymptotique double-Échelle
Abstract

Nanomedicine offers promising and innovative tools to treat cancer. Recently, liposomes conjugated with an antibody were developed to target breast cancer cells while sparing healthy tissues from the toxicity of the chemotherapy. These nanoparticles are called antibody-nanoconjugates (ANCs) and are currently tested in a preclinical trial. However, the pharmacokinetics, biodistribution, and efficacy of these nanoparticles are not well known and could be improved. Mathematical modeling can help in understanding the intratumor penetration of the nanoparticles and in quantifying the treatment efficacy.Pharmacokinetic-pharmacodynamic modeling evaluates the dose-response relationship in vivo and can be used to optimize the therapy schedule. Here, we described several biological processes using ordinary differential equations: (i) the untreated tumor growth with a novel reduced Gompertz model, (ii) the nanoparticle biodistribution using a two-compartment pharmacokinetic model, and (iii) the therapeutic response with a resistance model. All the models were validated against experimental data in the statistical framework of nonlinear mixed-effects modeling, which models simultaneously the dynamic of the population and the inter-individual variability.Furthermore, we derived a spatial mathematical model with the two-scale asymptotic expansion method to describe the fluid and nanoparticle transport within the tumor tissue. This approach allowed us to evaluate the barriers that impair a homogeneous distribution of nanoparticles at the tumor site. Moreover, we propose a computational framework to predict tumor accumulation of nanoparticles using individual imaging data.; La nanomédecine offre des perspectives ambitieuses pour le traitement du cancer. Récemment, des liposomes conjugués à des anticorps spécifiques ont été développés pour cibler les cellules tumorales du cancer au sein, en réduisant la toxicité de la chimiothérapie dans les tissus sains. Ces nanoparticules, appelées ANC (pour antibody nano-conjugate), sont actuellement testées dans une phase préclinique. Cependant, la pharmacocinétique, la biodistribution et l'efficacité de ces nanoparticules ne sont pas bien caracterisées quantitativement et pourrait être ameliorées. La modélisation mathématique peut aider à mieux comprendre la dynamique de la pénétration des ANC dans la tumeur et à améliorer l'efficacité du traitement.La modélisation pharmacocinétique-pharmacodynamique permet d'évaluer la réponse du traitement extit{in vivo} en fonction de la dose injectée. Dans ce travail, nous avons décrit plusieurs phénomènes biologiques avec des équations differentielles ordinaires : (i) la croissance tumorale avec un nouveau modèle réduit de Gompertz, (ii) la biodistribution des nanoparticules avec un modèle pharmacocinétique à deux compartiments, et (iii) la réponse au traitement avec un modèle de résistance. Tous les modèles ont été calibrés dans le cadre des modèles non linéaires à effets mixtes, qui décrivent la dynamique globale de la population ainsi que la variabilité individuelle.De plus, nous avons dérivé un modèle mathématique spatial avec la technique de développement asymptotique double-échelle pour décrire le transport des fluides et des nanoparticules dans le tissu tumoral. Cette méthodologie nous permet d'évaluer les barrières microscopiques qui empêchent une distribution homogène des ANC dans la tumeur. Finalement, nous proposons un schéma computationnel pour prédire l'accumulation des nanoparticules à partir des données individuels d'imagerie.

Published
2020

13. Modélisation mathématique du transport des nanoparticules dans les tumeurs

Author

Vaghi, Cristina, Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Modélisation Mathématique pour l'Oncologie (MONC), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], UNICANCER-UNICANCER-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université de Bordeaux, Sébastien Benzekry, Clair Poignard, Raphaëlle Fanciullino, Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), and Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux]

Subjects
Modèles non linéaires à effets mixtes, Antibody-Nanoconjugates, Pharmacocinétique, Pharmacodynamique, Nonlinear mixed-Effects modeling, Pharmacodynamic modeling, Nanoparticules, Pharmacokinetic, Two-Scale asymptotic expansion, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, [MATH.MATH-NA]Mathematics [math]/Numerical Analysis [math.NA], Développement asymptotique double-Échelle
Abstract

Nanomedicine offers promising and innovative tools to treat cancer. Recently, liposomes conjugated with an antibody were developed to target breast cancer cells while sparing healthy tissues from the toxicity of the chemotherapy. These nanoparticles are called antibody-nanoconjugates (ANCs) and are currently tested in a preclinical trial. However, the pharmacokinetics, biodistribution, and efficacy of these nanoparticles are not well known and could be improved. Mathematical modeling can help in understanding the intratumor penetration of the nanoparticles and in quantifying the treatment efficacy.Pharmacokinetic-pharmacodynamic modeling evaluates the dose-response relationship in vivo and can be used to optimize the therapy schedule. Here, we described several biological processes using ordinary differential equations: (i) the untreated tumor growth with a novel reduced Gompertz model, (ii) the nanoparticle biodistribution using a two-compartment pharmacokinetic model, and (iii) the therapeutic response with a resistance model. All the models were validated against experimental data in the statistical framework of nonlinear mixed-effects modeling, which models simultaneously the dynamic of the population and the inter-individual variability.Furthermore, we derived a spatial mathematical model with the two-scale asymptotic expansion method to describe the fluid and nanoparticle transport within the tumor tissue. This approach allowed us to evaluate the barriers that impair a homogeneous distribution of nanoparticles at the tumor site. Moreover, we propose a computational framework to predict tumor accumulation of nanoparticles using individual imaging data.; La nanomédecine offre des perspectives ambitieuses pour le traitement du cancer. Récemment, des liposomes conjugués à des anticorps spécifiques ont été développés pour cibler les cellules tumorales du cancer au sein, en réduisant la toxicité de la chimiothérapie dans les tissus sains. Ces nanoparticules, appelées ANC (pour antibody nano-conjugate), sont actuellement testées dans une phase préclinique. Cependant, la pharmacocinétique, la biodistribution et l'efficacité de ces nanoparticules ne sont pas bien caracterisées quantitativement et pourrait être ameliorées. La modélisation mathématique peut aider à mieux comprendre la dynamique de la pénétration des ANC dans la tumeur et à améliorer l'efficacité du traitement.La modélisation pharmacocinétique-pharmacodynamique permet d'évaluer la réponse du traitement extit{in vivo} en fonction de la dose injectée. Dans ce travail, nous avons décrit plusieurs phénomènes biologiques avec des équations differentielles ordinaires : (i) la croissance tumorale avec un nouveau modèle réduit de Gompertz, (ii) la biodistribution des nanoparticules avec un modèle pharmacocinétique à deux compartiments, et (iii) la réponse au traitement avec un modèle de résistance. Tous les modèles ont été calibrés dans le cadre des modèles non linéaires à effets mixtes, qui décrivent la dynamique globale de la population ainsi que la variabilité individuelle.De plus, nous avons dérivé un modèle mathématique spatial avec la technique de développement asymptotique double-échelle pour décrire le transport des fluides et des nanoparticules dans le tissu tumoral. Cette méthodologie nous permet d'évaluer les barrières microscopiques qui empêchent une distribution homogène des ANC dans la tumeur. Finalement, nous proposons un schéma computationnel pour prédire l'accumulation des nanoparticules à partir des données individuels d'imagerie.

Published
2020

18. Improving the efficacy of anti-cancer nanoparticles with data-driven mathematical modeling

Author

Vaghi, Cristina, Rodallec, Anne, Fanciullino, Raphaelle, Ciccolini, Joseph, Poignard, Clair, Benzekry, Sébastien, Modélisation Mathématique pour l'Oncologie (MONC), Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], UNICANCER-UNICANCER-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Simulation and Modeling of Adaptive Response for Therapeutics in Cancer (SMARTc), Centre de Recherche en Cancérologie de Marseille (CRCM), Aix Marseille Université (AMU)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Aix Marseille Université (AMU)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Aix Marseille Université (AMU)-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Aix Marseille Université (AMU), and Benzekry, Sebastien

Subjects
[SDV.IB] Life Sciences [q-bio]/Bioengineering, [STAT.AP]Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], [SPI.NANO] Engineering Sciences [physics]/Micro and nanotechnologies/Microelectronics, [SDV]Life Sciences [q-bio], [SDV.CAN]Life Sciences [q-bio]/Cancer, [SDV.SP]Life Sciences [q-bio]/Pharmaceutical sciences, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, [SDV] Life Sciences [q-bio], [SDV.SP] Life Sciences [q-bio]/Pharmaceutical sciences, [SPI]Engineering Sciences [physics], [SDV.CAN] Life Sciences [q-bio]/Cancer, [STAT.AP] Statistics [stat]/Applications [stat.AP], [SDV.IB]Life Sciences [q-bio]/Bioengineering, [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, [SPI.NANO]Engineering Sciences [physics]/Micro and nanotechnologies/Microelectronics, ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2018

19. Modeling and analysis of adipocytes dynamic with a differentiation process.

Author

Calvez, Vincent, Grandmont, Céline, Lochërbach, Eva, Poignard, Clair, Ribot, Magali, Vauchelet, Nicolas, Gilleron, Jérôme, Goudon, Thierry, Lagoutière, Frédéric, Martin, Hugo, Mauroy, Benjamin, Millet, Pascal, and Vaghi, Cristina

Subjects
FAT cells, MESENCHYMAL stem cells, ADVECTION, DIFFERENTIAL equations
Abstract

Copyright of ESAIM: Proceedings & Surveys is the property of EDP Sciences and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Published
2020
Full Text
View/download PDF

20. Combining Population Modeling and Bayesian Inference for Tumor Growth Prediction

Author

Vaghi, Cristina, Modélisation Mathématique pour l'Oncologie (MONC), Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], UNICANCER-UNICANCER-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], and Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [SDV.CAN]Life Sciences [q-bio]/Cancer, [MATH]Mathematics [math], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

21. Macro-scale models for fluid flow in tumour tissues: impact of microstructure properties

Author

Cristina Vaghi, Sebastien Benzekry, Clair Poignard, Raphaelle Fanciullino, Modélisation Mathématique pour l'Oncologie (MONC), Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], UNICANCER-UNICANCER-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Simulation and Modeling of Adaptive Response for Therapeutics in Cancer (SMARTc), Centre de Recherche en Cancérologie de Marseille (CRCM), Aix Marseille Université (AMU)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Aix Marseille Université (AMU)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Méthodes computationnelles pour la prise en charge thérapeutique en oncologie : Optimisation des stratégies par modélisation mécaniste et statistique (COMPO), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Cancérologie de Marseille (CRCM), Plan Cancer Numep NUMEP, Plan Cancer QUANTIC, Vaghi, Cristina, Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Aix Marseille Université (AMU)-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut Paoli-Calmettes, and Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Aix Marseille Université (AMU)

Subjects
Materials science, [SDV.CAN]Life Sciences [q-bio]/Cancer, Models, Biological, 01 natural sciences, Imaging data, 03 medical and health sciences, Hydraulic conductivity, [SDV.CAN] Life Sciences [q-bio]/Cancer, Neoplasms, Interstitial tissue, Tumor Microenvironment, Fluid dynamics, Fluid flow in tumours, Humans, [MATH.MATH-AP]Mathematics [math]/Analysis of PDEs [math.AP], 0101 mathematics, [MATH.MATH-AP] Mathematics [math]/Analysis of PDEs [math.AP], 030304 developmental biology, Interstitial fluid pressure, 0303 health sciences, Tumour microenvironment, Applied Mathematics, Biological Transport, Extracellular Fluid, Mechanics, Fluid transport, Microstructure, Agricultural and Biological Sciences (miscellaneous), Interstitial fluid flow, 010101 applied mathematics, Macroscopic scale, Modeling and Simulation, Two-scale homogenisation
Abstract

Understanding the dynamics underlying fluid transport in tumour tissues is of fundamental importance to assess processes of drug delivery. Here, we analyse the impact of the tumour microscopic properties on the macroscopic dynamics of vascular and interstitial fluid flow by using formal asymptotic techniques.Here, we obtained different macroscopic continuum models that couple vascular and interstitial flows. The homogenization technique allows us to derive two macroscale tissue models of fluid flow that take into account the microscopic structure of the vessels and the interstitial tissue. Different regimes were derived according to the magnitude of the vessel wall permeability and the interstitial hydraulic conductivity. Importantly, we provide an analysis of the properties of the models and show the link between them. Numerical simulations were eventually performed to test the models and to investigate the impact of the microstructure on the fluid transport.Future applications of our models include their calibration with real imaging data to investigate the impact of the tumour microenvironment on drug delivery.

Published
2022
Full Text
View/download PDF

22. Population modeling of tumor growth curves, the reduced Gompertz model and prediction of the age of a tumor

Author

Raphaelle Fanciullino, Clair Poignard, Sebastien Benzekry, Cristina Vaghi, Michalis Mastri, Anne Rodallec, Jonathan P. Mochel, John M.L. Ebos, Joseph Ciccolini, Modélisation Mathématique pour l'Oncologie (MONC), Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], UNICANCER-UNICANCER-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Simulation and Modeling of Adaptive Response for Therapeutics in Cancer (SMARTc), Centre de Recherche en Cancérologie de Marseille (CRCM), Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Aix Marseille Université (AMU)-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Aix Marseille Université (AMU), Simulation & Modelling : Adaptive Response for Therapeutics in Cancer (SMARTc unit), Centre de Recherches en Oncologie biologique et Oncopharmacologie (CRO2), Institut National de la Santé et de la Recherche Médicale (INSERM)- Hôpital de la Timone [CHU - APHM] (TIMONE)-Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM)- Hôpital de la Timone [CHU - APHM] (TIMONE)-Aix Marseille Université (AMU), Iowa State University (ISU), Roswell Park Cancer Institute [Buffalo], Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Aix Marseille Université (AMU)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Aix Marseille Université (AMU)-Institut Paoli-Calmettes, Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Fédération nationale des Centres de lutte contre le Cancer (FNCLCC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Aix Marseille Université (AMU)- Hôpital de la Timone [CHU - APHM] (TIMONE)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Aix Marseille Université (AMU)- Hôpital de la Timone [CHU - APHM] (TIMONE)-Institut National de la Santé et de la Recherche Médicale (INSERM), Roswell Park Cancer Institute [Buffalo] (RPCI), and Vaghi, Cristina

Subjects
0301 basic medicine, Gompertz function, Population, Mixed-effects modeling, [SDV.CAN]Life Sciences [q-bio]/Cancer, Tumor growth kinetics, 01 natural sciences, [STAT.CO] Statistics [stat]/Computation [stat.CO], 010104 statistics & probability, 03 medical and health sciences, [SDV.CAN] Life Sciences [q-bio]/Cancer, [STAT.AP] Statistics [stat]/Applications [stat.AP], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], Statistics, Tumor growth, 0101 mathematics, [MATH]Mathematics [math], education, [STAT.CO]Statistics [stat]/Computation [stat.CO], [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST], ComputingMilieux_MISCELLANEOUS, Mathematics, Bayes estimator, education.field_of_study, [STAT.AP]Statistics [stat]/Applications [stat.AP], Mathematical model, Gompertz model, Bayesian estimation, 030104 developmental biology, Quantitative analysis (chemistry)
Abstract

International audience; Quantitative analysis of tumor growth kinetics has been widely carried out using mathematical models. In the majority of cases, individual or average data were fitted. Here, we analyzed three classical models (exponential, logistic and Gom-pertz within the statistical framework of nonlinear mixed-effects modelling , which allowed us to account for inter-animal variability within a population group. We used in vivo data of subcutaneously implanted Lewis Lung carcinoma cells. While the exponential and logistic models failed to accurately fit the data, the Gompertz model provided a superior descriptive power. Moreover, we observed a strong correlation between the Gompertz parameters. Combining this observation with rigorous population parameter estimation motivated a simplification of the standard Gompertz model in a reduced Gompertz model, with only one individual parameter. Using Bayesian inference, we further applied the population methodology to predict the individual initiation times of the tumors from only three measurements. Thanks to its simplicity, the reduced Gompertz model exhibited superior predictive power. The method that we propose here remains to be extended to clinical data, but these results are promising for the personalized estimation of the tumor age given limited data at diagnosis.

Published
2019
Full Text
View/download PDF

23. Modeling and analysis of adipocytes dynamic with a differentiation process

Author

Thierry Goudon, Benjamin Mauroy, Pascal Millet, Frédéric Lagoutière, Jérôme Gilleron, Hugo Martin, Cristina Vaghi, Magali Ribot, Centre méditerranéen de médecine moléculaire (C3M), Université Nice Sophia Antipolis (1965 - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Côte d'Azur (UCA), COmplex Flows For Energy and Environment (COFFEE), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Alexandre Dieudonné (LJAD), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (1965 - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA), Université de Lyon, Université Claude Bernard Lyon 1 (UCBL), Institut Camille Jordan (ICJ), École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Laboratoire Jacques-Louis Lions (LJLL (UMR_7598)), Université Paris Diderot - Paris 7 (UPD7)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Laboratoire Jean Alexandre Dieudonné (LJAD), Département de Mathématiques et Applications - ENS Paris (DMA), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Institut Denis Poisson (IDP), Université d'Orléans (UO)-Université de Tours (UT)-Centre National de la Recherche Scientifique (CNRS), Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Modélisation Mathématique pour l'Oncologie (MONC), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], UNICANCER-UNICANCER-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Vaghi, Cristina, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Alexandre Dieudonné (JAD), Institut Camille Jordan [Villeurbanne] (ICJ), Laboratoire Jean Alexandre Dieudonné (JAD), Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Université Côte d'Azur (UCA)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), École normale supérieure - Paris (ENS Paris), Centre National de la Recherche Scientifique (CNRS)-Université de Tours (UT)-Université d'Orléans (UO), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Institut Bergonié [Bordeaux], Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL), and Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Université d'Orléans (UO)

Subjects
0301 basic medicine, Surface (mathematics), education.field_of_study, T57-57.97, Applied mathematics. Quantitative methods, Advection, Population, 030209 endocrinology & metabolism, Radius, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, 03 medical and health sciences, 030104 developmental biology, 0302 clinical medicine, Simple (abstract algebra), Scientific method, Ordinary differential equation, QA1-939, Applied mathematics, [MATH.MATH-AP]Mathematics [math]/Analysis of PDEs [math.AP], Uniqueness, [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, [MATH.MATH-AP] Mathematics [math]/Analysis of PDEs [math.AP], education, Mathematics
Abstract

We propose in this article a model describing the dynamic of a system of adipocytes, struc-tured by their sizes. This model takes into account the differentiation of a population of mesenchymal cells into preadipocytes and of preadipocytes into adipocytes; the differentiation rates depend on the mean adipocyte radius. The considered equations are therefore ordinary differential equations, coupled with an advection equation, the growth rate of which depends on food availability and on the total surface of adipocytes. Since this velocity is discontinuous, we need to introduce a convenient notion of solutions coming from Filippov theory. We are consequently able to determine the stationary solutions of the system, to prove the existence and uniqueness of solutions and to describe the asymptotic behavior of solutions in some simple cases. Finally, the parameters of the model are fitted thanks to some experimental data and numerical simulations are displayed; a spatial extension of the model is studied numerically., Nous proposons dans cet article un modèle décrivant la dynamique d'un ensemble d'adipocy-tes structurés en taille. Ce modèle tient compte de la différentiation d'une population de cellules mésenchymales en préadipocytes et des préadipocytes en adipocytes; les taux de différentiation dépen-dent du rayon moyen des adipocytes. LeséquationsLeséquations considérées sont, par conséquence, deséquationsdeséquations différentielles ordinaires, couplées avec uné equation d'advection, dont le taux de croissance dépend de la nourriture disponible et de la surface totale des adipocytes. Comme la vitesse est discontinue, nous introduisons une notion appropriée des solutions, provenant de la théorie de Filippov. Nous sommes alors en mesure de déterminer les solutions stationnaires du système, de prouver l'existence et l'unicité de solutions et de décrire le comportement asymptotique des solutions dans certains cas simples. Finalement, les paramètres du modèles sont estimés grâcè a des données expérimentales et des simulations numériques sont présentées; une extension spatiale du modèles estétudiéeestétudiée numériquement.

Published
2019
Full Text
View/download PDF

24. A Senescence-Mimicking (Senomimetic) VEGFR TKI Side Effect Primes Tumor Immune Responses via IFN/STING Signaling.

Author

Dolan M, Shi Y, Mastri M, Long MD, McKenery A, Hill JW, Vaghi C, Benzekry S, Barbi J, and Ebos JML

Abstract

Tyrosine kinase inhibitors (TKIs) that block the vascular endothelial growth factor receptors (VEGFRs) not only disrupt tumor angiogenesis but also have many unexpected side effects that impact tumor cells directly. This includes the induction of molecular markers associated with senescence, a form of cellular aging that typically involves growth arrest. We have shown that VEGFR TKIs can hijack these aging programs by transiently inducting senescence markers (SMs) in tumor cells to activate senescence-associated secretory programs that fuel drug resistance. Here we show that these same senescence-mimicking ("senomimetic") VEGFR TKI effects drive an enhanced immunogenic signaling that, in turn, can alter tumor response to immunotherapy. By using a live cell sorting method to detect β-galactosidase, a commonly used SM, we found that subpopulations of SM-expressing (SM+) tumor cells have heightened IFN signaling and increased expression of IFN-stimulated genes (ISGs). These ISGs increase under the control of the STimulator of the INterferon Gene (STING) signaling pathway, which we found could be directly activated by several VEGFR TKIs. TKI-induced SM+ cells could stimulate or suppress CD8 T-cell activation depending on host-tumor cell contact while tumors grown from SM+ cells were more sensitive to PDL1 inhibition in vivo, suggesting that offsetting immune-suppressive functions of SM+ cells can improve TKI efficacy overall. Our findings may explain why some (but not all) VEGFR TKIs improve outcomes when combined with immunotherapy and suggest that exploiting senomimetic drug side effects may help identify TKIs that uniquely "prime" tumors for enhanced sensitivity to PDL1-targeted agents., (©2024 American Association for Cancer Research.)

Published
2024
Full Text
View/download PDF

Catalog

Books, media, physical & digital resources
See catalog results