Les traitements existants des métastases hépatiques du cancer colorectal montrent une efficacité insuffisante. Le projet GR5FU visait à améliorer cette efficacité et consistait à délivrer le 5-fluorouracile (5FU) dans le foie via son encapsulation dans des globules rouges (GR). Dans ce contexte, la modélisation visait à prédire la quantité de 5FU à encapsuler dans les GR pour atteindre une efficacité équivalente à celle du 5FU standard. Dans cette thèse, nous avons construit et implémenté un modèle mathématique multi-échelle qui relie l’injection du 5FU à son efficacité sur la croissance tumorale en intégrant sa pharmacocinétique et son mécanisme d’action intracellulaire. Des simulations de population de ce modèle, s’appuyant sur des paramètres de la littérature, nous ont permis (i) de reproduire des résultats cliniques montrant le pouvoir prédictif de l’enzyme Thymidylate Synthase (TS) et (ii) d’identifier deux prédicteurs potentiels de la réponse au 5FU à l’échelle d’une population virtuelle, en complément du niveau de TS : la vitesse de croissance tumorale et le métabolisme intracellulaire des pyrimidines. Nous avons également analysé, à l’aide de modèles à effets mixtes, (i) la croissance in vivo de la tumeur intra-hépatique VX2 sans traitement, tenant lieu de modèle animal de métastase hépatique, et (ii) la distribution plasmatique et hépatique du 5FU chez l’animal. Cette modélisation statistique nous a permis d’identifier les modèles décrivant des données expérimentales, d’estimer les paramètres de ces modèles et leur variabilité, et de générer une meilleure connaissance de la croissance de la tumeur VX2 et de la pharmacocinétique animale du 5FU, en particulier hépatique. Dans cette thèse, nous avons illustré comment l’intégration du métabolisme d’un médicament et de son mécanisme d’action dans un modèle global et la simulation de ce modèle à l’échelle d’une population virtuelle, constituent une approche prometteuse pour optimiser le développement d’hypothèses thérapeutiques innovantes en collaboration avec des expérimentateurs. / Existing treatments for liver metastases of colorectal cancer show a lack of efficacy. In order to improve the prognosis of patients, the GR5FU project has been implemented. It consisted in delivering the drug 5-fluorouracil (5FU) in the liver via its encapsulation in red blood cells (RBC) to increase its efficacy / toxicity ratio. In this context, the modeling aimed at predicting the amount of 5FU to encapsulate in RBC to achieve an efficacy equivalent to standard 5FU. In this thesis, we have created and implemented a multiscale mathematical model that links the injection of 5FU to its efficacy on tumor growth by integrating its pharmacokinetics and mechanism of intracellular action. Population simulations of this model, using parameters from the literature, allowed us (i) to reproduce clinical results showing the predictive power of TS enzyme level and (ii) to identify two potential predictors of response to 5FU at the level of a population of virtual patients, in addition to TS level. We also analyzed, using mixed effects models, (i) the in vivo growth of intrahepatic VX2 tumor without treatment, serving as an animal model of liver metastasis, and (ii) the distribution of 5FU in the animal’s organism. This statistical modelization enabled us to identify the models describing experimental data, to estimate the parameters of these models and their variability, and generate a better knowledge of VX2 tumor growth and animal 5FU pharmacokinetics. In this thesis, we illustrated how the integration of drug metabolism and its mechanism of action in a global model and the simulation of this model at the scale of a virtual population, form a promising approach to optimize the development of innovative therapeutic hypotheses in collaboration with experimentalists.
| Identifer | oai:union.ndltd.org:theses.fr/2010LYO10142 |
| Date | 24 September 2010 |
| Creators | Bodin, Justine |
| Contributors | Lyon 1, Gueyffier, François |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0021 seconds