Modelo matemático para predicción de la transición de la fase G1 a la fase s del ciclo celular de la línea celular HeLa

Abstract

RESUMEN: Los modelos matemáticos de predicción de fenómenos biológicos son una herramienta de gran utilidad para la investigación en áreas como la biología celular ya que permiten emular y analizar, a bajos costos y en reducidos tiempos, fenómenos celulares que solo pueden ser vistos bajo ensayos en cultivos in-vitro. Pero a pesar de su conocida practicidad, este tipo de herramientas carecen de impacto y uso en los centros de investigación en cultivos celulares, debido a que los modelos existentes aún son limitados en su simulación, careciendo de factores multivariables que les permiten a los investigadores analizar y simular diferentes conjuntos de hipótesis con un solo modelo. Con base en lo anterior, desde el área de investigación en modelos y sistemas biomédicos de la Universidad EIA y el grupo EBSC (Grupo Estudios BioSociales del Cuerpo) de la Universidad de Antioquia, se propone, un modelo matemático de predicción de división celular, basado en diferentes principios biológicos estandarizados en investigaciones previas. Recolectando y analizando, algunas variables previamente estudiadas en una monografía científica, que permitía examinar de manera cuantitativa la relevancia de dichas variables, para así escogerlas y relacionarlas en un modelo multivariable, que permita predecir los tiempos de la división celular, con énfasis en la transición de la fase G1 (Gap 1) a S (Síntesis). Así, los resultados mostraron que existe la posibilidad de modelar un sistema construido previamente con el cambio de su “variable retardo” en las fases S, por una ecuación que es función del cambio en la superficie del área nuclear durante la fase de síntesis de ADN (ácido desoxirribonucleico), mostrando una correlación entre estos retardos y la tasa de cambio de la superficie observada con la evolución de una población celular reportada en análisis de literatura del fenómeno celular. Este modelo muestra la posibilidad de crear relaciones multivariables basadas en información recolectada de bases de datos científicas lo que, a su vez, permite afirmar que es factible la creación de modelos de predicción de fenómenos celulares basados en aportes de otros autores con la viabilidad de ser mejorados por los mismo con la inclusión de más variables

ABSTRACT: Mathematical prediction models for biological phenomena are a very useful and innovative tool in areas such as cell biology, allowing the simulation and analysis of cellular phenomena at low costs and in reduced times that can only be seen under in-vitro culture tests. Despite their known practicality, these types of tools lack impact and use in cell culture research centers, because existing models are still limited in their simulation, it lacks multivariate factors that allow researchers to analyze and simulate different sets of hypotheses with a single model.

Therefore, from the area of research in biomedical models and systems of the EIA University and the biosocial study group of the body of the University of Antioquia, decide to design a mathematical model for predicting cell division, based on different standardized biological principles in previous research. The research collects and analyses some variables previously studied in a scientific monograph, which allows objectively to examining the relevance of these variables, to choose and relate them in a multivariate model, which allows predicting the times of cell division, with emphasis in the transition from G1 to S phase. In addition, the monograph showed that there was the possibility of modeling a previously built system with the change of one of its “delay variable “in the S phases by an equation of change in the surface of the nuclear area during the DNA Synthesis phase, showing a correlation between the dynamics of evolution from one to Cell population, reported in literature analysis of the cellular phenomenon. This model shows the possibility of creating multivariate models based on information collected from scientific databases, which in turn allows us to affirm that it is feasible to create prediction models of cellular phenomena based on contributions from other authors with the viability to be improved by the inclusion of more variables.