Modelado computacional predictivo para definir estrategias de tratamiento efectivas para el cáncer de próstata metastásico óseo

La capacidad de evaluar rápidamente la eficacia de las estrategias terapéuticas para el cáncer de próstata metastásico óseo incurable es una necesidad urgente. Los modelos in vivo preclínicos son limitados en su capacidad para definir los efectos temporales de las terapias sobre las interacciones multicelulares simultáneas en el microentorno cáncer-hueso. La integración de enfoques biológicos y de modelado computacional puede superar esta limitación. Aquí, generamos un modelo de autómata celular híbrido discreto (HCA) impulsado biológicamente del cáncer de próstata metastásico óseo para identificar la ventana terapéutica óptima para terapias dirigidas potenciales. Como prueba de principio, nos enfocamos en TGFβ debido a sus conocidos efectos celulares pleiotrópicos. Las simulaciones de HCA predicen un efecto óptimo para la inhibición de TGFβ en un entorno premetastático, con salidas cuantitativas que indican un impacto significativo en la viabilidad celular del cáncer de próstata, la formación de osteoclastos y la diferenciación de osteoblastos. Las predicciones in silico se validaron in vivo con modelos de cáncer de próstata metastásico óseo (PAIII y C4-2B). El análisis de especímenes de cáncer de próstata metastásico óseo humano revela un uso heterogéneo de TGFβ por las células cancerosas. Se introdujo información específica del paciente en el modelo HCA para predecir el efecto del tratamiento con inhibidores de TGFβ en la evolución de la enfermedad. En conjunto, demostramos cómo un enfoque integrado computacional/biológico puede optimizar rápidamente la eficacia de terapias dirigidas potenciales en el cáncer de próstata metastásico óseo.