The cell cycle is an essential process in all living organisms that must be carefully regulated to ensure successful cell growth and division. Disregulation of the cell cycle is a key contributing factor towards the formation of cancerous cells. Understanding events at a cellular level is the first step towards comprehending how cancer manifests at an organismal level. Mathematical modelling can be used as a means of formalising and predicting the behaviour of the biological systems involved in cancer. In response, cell cycle models have been constructed to simulate and predict what happens to the mammalian cell over a time course in response to variable parameters.Current cell cycle models rarely account for certain precursors of cell growth such as energy usage and the need for non-essential amino acids as fundamental building blocks of macromolecules. Normal and cancer cell metabolism differ in the way they derive energy from glucose. In addition, normal and cancer cells also demonstrate different levels of gene expression. Two versions of a mammalian cell cycle and metabolism model, based on ordinary differential equations (ODEs) that respond to fluctuations in glucose concentration levels, have been developed here for the normal and cancer cell scenarios. Sensitivity analysis is performed for both normal and cancer cells using these cell cycle and metabolism models to investigate which kinetic reaction steps have a greater effect over the cell cycle period. Detailed analysis of the models and quantitatively assessing metabolite levels at various stages of the cell cycle may offer novel insights into how the glycolytic rate varies during the cell cycle for both normal and cancer cells.The results of the sensitivity analysis are used to identify potential drug targets in cancer therapy. Combinations of these individual targets are also investigated to compare the different effects of single and multiple drug compounds on the time it takes to complete a cell division cycle.

O presente trabalho possui como metas o estudo, simulação, identificação de parâmetros e comparação estatística de modelos compartimentais utilizados em tomografia por emissão de pósitrons (PET). Para tanto, propõe-se utilizar a metodologia de equações de sensibilidade e o método de Levenberg-Marquardt para a tarefa de estimação de parâmetros característicos das equações diferenciais descritoras dos referidos sistemas. Para comparação entre modelos, foi empregado o critério de informação de Akaike. São consideradas três estruturas compartimentais compostas, respectivamente, por dois compartimentos e duas constantes características, três compartimentos e quatro constantes características e quatro compartimentos e seis constantes características. Os dados considerados neste texto foram sintetizados preocupando-se em reunir as principais características de um exame de tomografia real, tais como tipo e nível de ruído e morfologia de função de excitação do sistema. Para tanto, foram utilizados exames de pacientes do setor de Medicina Nuclear do Instituto do Coração da Faculdade de Medicina da Universidade de São Paulo. Aplicando-se a metodologia proposta em três níveis de ruído (baixo, médio e alto), obteve-se concordância do melhor modelo em graus forte e considerável (com índices de Kappa iguais a 0.95, 0.93 e 0.63, respectivamente). Observou-se que, com elevado nível de ruído e modelos mais complexos (quatro compartimentos), a classificação se deteriora devido ao pequeno número de dados para a decisão. Foram desenvolvidos programas e uma interface gráfica que podem ser utilizadas na investigação, elaboração, simulação e identificação de parâmetros de modelos compartimentais para apoio e análise de diagnósticos clínicos e práticas científicas. / This work has as goals the study, simulation, parameter identification and statistical comparison of compartmental models used in positron emission tomography (PET). We propose to use the methodology of sensitivity equations and the method of Levenberg-Marquardt for the task of estimating the characteristic parameters of the differential equations describing such systems. For model comparison, Akaikes information criterion is applied. We have considered three compartmental structures represented, respectively, by two compartments and two characteristic constants, three compartments and four characteristic constants and four compartments and six characteristics constants. The data considered in this work were synthesized taking into account key features of a real tomography exam, such as type and level of noise and morphology of the input function of the system. To this end, we used tests of patients in the sector of Nuclear Medicine of the Heart Institute of the Faculty of Medicine, University of São Paulo. Applying the proposed methodology with three noise levels (low, medium and high), we obtained agreement of the best model with strong and considerable degrees (with Kappa indexes equal to 0.95, 0.93 and 0.63, respectively). It was observed that, with high noise level and more complex models (four compartments), the classification is deteriorated due to lack of data for the decision. Programs have been developed and a graphical interface that can be used in research, development, simulation and parameter identification of compartmental models, supporting analysis of clinical diagnostics and scientific practices.

O presente trabalho possui como metas o estudo, simulação, identificação de parâmetros e comparação estatística de modelos compartimentais utilizados em tomografia por emissão de pósitrons (PET). Para tanto, propõe-se utilizar a metodologia de equações de sensibilidade e o método de Levenberg-Marquardt para a tarefa de estimação de parâmetros característicos das equações diferenciais descritoras dos referidos sistemas. Para comparação entre modelos, foi empregado o critério de informação de Akaike. São consideradas três estruturas compartimentais compostas, respectivamente, por dois compartimentos e duas constantes características, três compartimentos e quatro constantes características e quatro compartimentos e seis constantes características. Os dados considerados neste texto foram sintetizados preocupando-se em reunir as principais características de um exame de tomografia real, tais como tipo e nível de ruído e morfologia de função de excitação do sistema. Para tanto, foram utilizados exames de pacientes do setor de Medicina Nuclear do Instituto do Coração da Faculdade de Medicina da Universidade de São Paulo. Aplicando-se a metodologia proposta em três níveis de ruído (baixo, médio e alto), obteve-se concordância do melhor modelo em graus forte e considerável (com índices de Kappa iguais a 0.95, 0.93 e 0.63, respectivamente). Observou-se que, com elevado nível de ruído e modelos mais complexos (quatro compartimentos), a classificação se deteriora devido ao pequeno número de dados para a decisão. Foram desenvolvidos programas e uma interface gráfica que podem ser utilizadas na investigação, elaboração, simulação e identificação de parâmetros de modelos compartimentais para apoio e análise de diagnósticos clínicos e práticas científicas. / This work has as goals the study, simulation, parameter identification and statistical comparison of compartmental models used in positron emission tomography (PET). We propose to use the methodology of sensitivity equations and the method of Levenberg-Marquardt for the task of estimating the characteristic parameters of the differential equations describing such systems. For model comparison, Akaikes information criterion is applied. We have considered three compartmental structures represented, respectively, by two compartments and two characteristic constants, three compartments and four characteristic constants and four compartments and six characteristics constants. The data considered in this work were synthesized taking into account key features of a real tomography exam, such as type and level of noise and morphology of the input function of the system. To this end, we used tests of patients in the sector of Nuclear Medicine of the Heart Institute of the Faculty of Medicine, University of São Paulo. Applying the proposed methodology with three noise levels (low, medium and high), we obtained agreement of the best model with strong and considerable degrees (with Kappa indexes equal to 0.95, 0.93 and 0.63, respectively). It was observed that, with high noise level and more complex models (four compartments), the classification is deteriorated due to lack of data for the decision. Programs have been developed and a graphical interface that can be used in research, development, simulation and parameter identification of compartmental models, supporting analysis of clinical diagnostics and scientific practices.