Mise au point des outils analytiques et formels utilisés dans la recherche préclinique en oncologie.

Development of analytic and formal tools for preclinical research in oncology

• Auteur / Autrice : Stephan Benay
• Direction : Joseph Ciccolini
• Type : Thèse de doctorat
• Discipline(s) : Pathologie humaine
• Date : Soutenance le 17/11/2014
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : Ecole Doctorale Sciences de la Vie et de la Santé (Marseille)
• Jury : Président / Présidente : Bruno Lacarelle
• Jury : Examinateurs / Examinatrices : Thierry Lavé, Athanassios Iliadis
• Jury : Rapporteurs / Rapporteuses : Alexandre Evrard, Gérard Milano

Mots clés

Mots clés contrôlés

Algorithmes optimaux

Pharmacologie endocrinologique

Cancérologie

Mots clés libres

Oncologie

Modélisation Pharmacocinétique-Pharmacodynamique

Préclinique

Impédance-Métrie

Algorithmes

Modèle récursif

Oncology

Pharmacokinetic-Pharmacodynamic modeling

Preclinical

Impedance-Based

Algorithms

Recursive model

Résumé

Afin d'analyser les données in vitro de l'effet de l'erlotinib sur la croissance des cellules A431 suivie par impédance-métrie, nous avons développé un modèle pharmacocinétique - pharmacodynamique non linéaire décrivant simultanément la diminution de la concentration d'erlotinib et son effet sur la croissance cellulaire au cours du temps. La non-linéarité du modèle imposant le recours à des méthodes itératives pour l'estimation des paramètres, plusieurs étapes de la procédure d'identification du modèle ont été étudiées et des solutions proposées, avec des exemples d'application à des molécules utilisées en oncologie:Choix du critère d'optimisation à employer - supériorité de la relation fonctionnelle de la moyenne géométrique pour l'identification de modèles non linéaires. Application données réelles: courbe de calibration d'une expérience de dosage ELISA du bevacizumab. Choix de l'algorithme d'optimisation le plus approprié au problème d'identification du processus pharmacocinétique. Les algorithmes dérivatifs sont les plus performants. Application données réelles: estimation simultanée des paramètres du modèle pharmacocinétique du 5-fluorouracile et de son métabolite principal.Transformation de la forme différentielle initiale du modèle en temps continu vers un modèle récursif en temps discret. Par ce moyen le modèle devient linéaire en ses paramètres, ce qui permet d'estimer directement les paramètres sans utiliser d'algorithme d'optimisation. Il devient également possible de suivre les variations des paramètres au cours du temps. Application données réelles: pharmacocinétique de la fotemustine, de la mitoxantrone et du 5-fluorouracile.

A nonlinear pharmacokinetic-pharmacodynamic model has been devised do simultaneously describe the loss of erlotinib and its effect on the cell growth over time, in order to analyze impedance-based data of erlotinib effect on A431 cells growth in vitro over time. The model non-linearity requiring the use of iterative methods for parameter estimation, several steps of the model identification were studied, and solutions proposed, with application examples to cancer drugs :Choice of the optimization criterion - superiotity of the geometric mean functionnal relationship for non-linear model identification. Real data application : calibration curve of a bevacizumab ELISA quantification experiment.Choice of the most appropriate algorithm for the pharmacokinetic process identification problem. The derivative algorithms perform better. Real data application : simultaneous identification of the 5-fluorouracil and of its main metabolite pharmacokinetic system.Transform of the differential initial continuous-time model in a recursive discrete time model. The transformed model becomes linear with respect to its parameters, allowing straightforward parameter estimation without using any optimization algorithm. It is then also possible to track the parameter variations over time. Real data application : pharmacokinetic model parameter estimation of fotemustine, mitoxantrone and 5-fluorouracil.