Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
INSTITUTO POLITECNICO NACIONAL
CENTRO DE INVESTIGACION Y DESARROLLO DE
TECNOLOGIA DIGITAL
ESTUDIO DE LAS ULTIMAS DINAMICAS DE
ALGUNOS MODELOS BIOFISICOS PARA LAS
INTERACCIONES CANCER-SISTEMA INMUNE
BAJO TERAPIAS
TESIS
QUE PARA OBTENER EL GRADO DE
MAESTRIA EN CIENCIAS EN SISTEMAS DIGITALES
PRESENTA:
LIC. ZYANYA ANAYA SOTO
BAJO LA DIRECCION DE:
DR. KONSTANTIN STARKOV
TIJUANA, B.C., MEXICO JUNIO 2019
CARTA CESIÓN DE DERECHOS
En la Ciudad de Tijuana, Baja California. el día 31 del mes mayo del años 2019, el que
suscribe Zyanya Anaya Soto, alumna del Programa de MAESTRÍA EN CIENCIAS EN
SISTEMAS DIGITALES, con número de registro B170651, adscrita al CENTRO DE
INVESTIGACIÓN Y DESARROLLO DE TECNOLOGÍA DIGITAL, manifiesta que es la
autora intelectual del presente trabajo de Tesis bajo la dirección de Dr. Konstantin Starkov
y cede los derechos del trabajo titulado Estudios de las últimas dinámicas de algunos
modelos biofísicos para las interacciones cáncer-sistema inmune bajo terapias, al
Instituto Politécnico Nacional para su difusión, con fines académicos y de investigación.
Los usuarios de la información no deben reproducir el contenido textual, gráficas o datos del
trabajo sin el permiso expreso de la autora y/o director del trabajo. Este puede ser obtenido
escribiendo a las siguientes direcciones Av. Instituto Politécnico Nacional No. 1310 Col
Nueva Tijuana, Tijuana, Baja California, México, correo electrónico de contacto:
[email protected]. Si el permiso se otorga, el usuario deberá dar el agradecimiento
correspondiente y citar la fuente del mismo.
Zyanya Anaya Soto
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA DE INVESTIGACIÓN Y POSGRADO
A Dios por bendecirme con salud y permitirme concluir una meta mas en mi vida.
A mi madre por su apoyo y paciencia a lo largo del posgrado.
A mi abuelita que siempre estara en mi mente y mi corazon.
A mi tıa Sofia, mi tıo Jesus y mi tıo Edmundo, por ser un ejemplo a seguir.
A Erick, Jorge y Alex por apoyarme en todo momento, dedicarme tiempo, explicarme con
paciencia y hacer este proceso un poco mas sencillo.
“No hay rama de la matematica, por abstracta que sea, que no pueda aplicarse algun dıa a los
fenomenos del mundo real.”
-Nikolai Lobachevski
Agradecimientos
Gracias a Dios por poner en mi camino a las personas correctas para iniciar y concluir mi
posgrado.
A mi madre, por ensenarme el gusto por el estudio y las matematicas, sobre todo a superarme.
Al Dr. Konstantin Starkov y a CITEDI por su apoyo antes y durante mi proceso de admision,
a pesar de mi formacion academica, y durante mi trayectoria en el posgrado. A mi comite
tutorial, Dr. Tupak, Dr. Nunez, Dr. Ross y M. en C. Teodoro, por su apoyo en el proceso de la
tesis. A los profesores por responder mis preguntas y ser considerados ante mi situacion.
A Sara y Miguel, por alentarme a ingresar al posgrado y brindarme apoyo moral. A Tania,
por ser una gran amiga y estar a mi lado en todo momento. Ası como a las companeras de
danza de la companıa Maktub, por sus consejos y animos.
A mis companeros de CITEDI por apoyarme, tenerme paciencia y permitirme ser parte de
sus vidas, por que ahora ustedes son parte de la mıa. Por esas risas y partidos de futbol, pero
sobre todo por el tiempo dedicado a mi aprendizaje academico. Por que todos, sin excepcion,
me brindaron su apoyo.
Al Instituto Politecnico Nacional (IPN) y al Consejo Nacional de Ciencias y Tecnologıa
(CONACyT), por su apoyo econommico.
Indice general
Resumen VIII
Abstract X
Lista de sımbolos XII
1. Introduccion 1
1.1. Justificacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Hipotesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4. Marco teorico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5. Metodologıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6. Estructura de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2. Preliminares matematicos y notaciones 7
2.1. Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1. Funciones continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.2. Funcion continuamente diferenciable . . . . . . . . . . . . . . . . . . . . 7
2.2. Sistemas dinamicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3. Tipos de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.1. Conjunto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.2. Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.3. Vecindad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.4. Conjunto abierto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
ii
2.3.5. Conjunto cerrado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.6. Conjunto acotado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.7. Conjunto compacto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.8. Frontera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.9. Cerradura de conjunto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.10. Conjunto invariante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.11. Conjunto ω-lımite y α-lımite . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4. Conjunto compacto invariante . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4.1. Punto de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4.2. Orbitas periodicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4.3. Ciclo lımite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4.4. Orbita homoclınica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4.5. Orbita heteroclınica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.6. Atractores caoticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5. Localizacion de Conjuntos Compactos Invariantes . . . . . . . . . . . . . . . . . 13
2.5.1. Funcion localizadora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5.2. Derivada de Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5.3. Localizacion de conjuntos compactos invariantes . . . . . . . . . . . . . . 14
2.6. Estabilidad en el sentido de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . 16
2.6.1. Matriz Jacobiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6.2. Metodo indirecto de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6.3. Principio de invarianza de LaSalle . . . . . . . . . . . . . . . . . . . . . . 19
3. Modelo simple biofısico sobre evasion tumoral de un sistema inmune contro-
lado 20
3.1. Modelo matematico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2. Localizacion de conjuntos compactos invariantes . . . . . . . . . . . . . . . . . 22
3.3. Cota mejorada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4. Analisis de puntos de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5. Simulaciones numericas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
iii
3.6. Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4. Obesidad-cancer 32
4.1. Primer modelo matematico para mostrar la relacion entre la obesidad y el cancer 33
4.1.1. Localizacion de conjuntos compactos invariantes . . . . . . . . . . . . . 34
4.1.2. Punto de Equilibrio Libre de Tumor . . . . . . . . . . . . . . . . . . . . . 37
4.1.3. Simulaciones numericas . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2. Segundo modelo matematico para la interaccion entre las celulas adiposas y
las celulas cancerosas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2.1. Localizacion de conjuntos compactos invariantes . . . . . . . . . . . . . 42
4.2.2. Condicion de atraccion para el conjunto ω−lımite . . . . . . . . . . . . . 44
4.2.3. Punto de equilibrio libre de tumor . . . . . . . . . . . . . . . . . . . . . . 46
4.2.4. Linealizacion del sistema con respecto al PELT . . . . . . . . . . . . . . 47
4.2.5. Simulaciones numericas . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3. Tercer modelo matematico para la interaccion entre las celulas adiposas y la
respuesta del sistema inmune . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.3.1. Localizacion de los conjuntos compactos invariantes . . . . . . . . . . . 52
4.3.2. Analisis para la atraccion al conjunto ω−lımite . . . . . . . . . . . . . . 54
4.3.3. Punto de equilibrio libre de tumor . . . . . . . . . . . . . . . . . . . . . . 56
4.3.4. Linealizacion del sistema con respecto al PELT . . . . . . . . . . . . . . 57
4.3.5. Simulaciones numericas . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.4. Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5. Conclusiones 62
Bibliografıa 64
iv
Indice de cuadros
3.1. Parametros para la simulacion de un modelo simple biofısico. . . . . . . . . . . . 29
4.1. Parametros utilizados para las simulaciones del primer modelo matematico de
obesidad-cancer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2. Parametros utilizados para las simulaciones del segundo modelo obesidad-cancer. 48
4.3. Parametros utilizados para las simulaciones del tercer modelo obesidad-cancer. . 58
v
Indice de figuras
3.1. Atractor caotico y puntos de equilibrio dentro del politopo. . . . . . . . . . . . . 29
3.2. Plano de fase de las diferentes celulas formando el atractor caotico. En estos
planos no se considera el politopo solamente la dinamica de las celulas. . . . . . 30
4.1. Trayectoria de las poblaciones celulares del primer modelo obesidad-cancer con
respecto al tiempo y el PELT representado con una lınea punteada de color rojo. 39
4.2. Dinamica del primer modelo obesidad-cancer considerando las diferentes condi-
ciones iniciales y el PELT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3. Trayectoria de las poblaciones celulares del segundo modelo obesidad-cancer con
respecto al tiempo y el PELT representado con una lınea punteada de color rojo. 49
4.4. Dinamica del segundo modelo obesidad-cancer considerando las diferentes condi-
ciones iniciales y el PELT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.5. Trayectoria de las poblaciones celulares del tercer modelo obesidad-cancer con
respecto al tiempo y el PELT representado con una lınea punteada de color rojo. 59
4.6. Dinamica del tercer modelo obesidad-cancer considerando las diferentes condi-
ciones iniciales y el PELT.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
vi
vii
Resumen
En esta tesis se utiliza el metodo de Localizacion de Conjuntos Compactos Invariantes para
definir el dominio en el ortante no negativo que contiene todos los conjuntos compactos inva-
riantes aplicada en los modelos estudiados: d’Onofrio y Ciancio 2011 y tres modelos descritos
por Ku-Carrillo et al. en 2016. Se presentan condiciones de estabilidad utilizando el teorema
de estabilidad de Lyapunov y el principio de invarianza de LaSalle. El primer modelo describe
la interaccion entre las celulas tumorales, CTL y complejas CTL-tumorales, y se establecen
condiciones para la erradicacion y la disminucion de celulas tumorales. En el segundo, tercer y
cuarto modelo se describe la interaccion de las celulas inmune, cancerosas, normales y adiposas,
se establecen condiciones para la erradicacion de las celulas cancerosas y para la atraccion al
conjunto ω-lımite. Todos los resultados se ilustran por medio de simulaciones numericas.
Palabras clave: Estabilidad, LaSalle, Localizacion de conjuntos compactos invariantes,
Lyapunov.
viii
ix
Abstract
In this work we use the method of Localization of Compact Invariant Sets to define the
domain in the non negative orthant, which contains all compact invariant sets, applied in the
models studied: d’Onofrio and Ciancio 2011 and three models described by Ku-Carrillo et al. in
2016. Stability conditions are presented using the Lyapunov stability theorem and the LaSalle
invariance principle. The first model describes the interaction between tumor cells, CTL and
CTL-tumor complexes, and conditions are established for the eradication and reduction of tumor
cells. In the second, third and fourth models the interaction between the immune, cancerous,
normal and fat cells is described, conditions are established for the eradication of cancer cells
and for the attraction to the set ω-limit. Numerical simulations illustrate all the results.
Key words: Estability, LaSalle, Localization of compact invariant sets, Lyapunov.
x
xi
Lista de sımbolos
:= Se define como
∀ Para todo
∈ Pertenece a
∂ Derivada parcial
⊂ Subconjunto
∪ Union
∩ Interseccion
∂S Frontera del conjunto S
⇒ Implica que
→ Tiende a
|α| El valor absoluto del escalar α
‖x‖ Norma Euclidiana de x
sup Valor supremo
ınf Valor ınfimo
R Conjunto de numeros reales
Rn Espacio n-dimensional de numeros reales
Rn+,0 Conjunto de numeros reales en el ortante no negativo
f : S1 → S2 La funcion f mapea el conjunto S1 al conjunto S2
h(x) Notacion empleada para una funcion localizadora
Lfh(x) Derivada de Lie de la funcion h(x) a lo largo de f(x)
S(x) Conjunto x ∈ Rn|Lfh(x) = 0
C∞ Campo vectorial infinitamente diferenciable
Indica el final de una demostracion
xii
xiii
Capıtulo 1
Introduccion
Para el estudio de las celulas cancerosas se consideran dos tipos de investigacion: la practica y
la teorica. El metodo practico requiere de un laboratorio, instrumentos y maquinaria especıfica,
un alto presupuesto y un lapso grande de tiempo para realizar los experimentos y observaciones
pertinentes. Sin embargo, el metodo teorico, visto desde una perspectiva matematica, permite la
manipulacion de ciertos parametros y simulaciones controladas para obtener el comportamiento
deseado del sistema estudiado a largo plazo.
Estas manipulaciones y simulaciones son posibles realizarlas haciendo uso del modelado
matematico en sistemas evolutivos en el tiempo, es decir, sistemas dinamicos que permiten un
analisis de estabilidad a largo plazo ası como conocer el comportamiento del sistema y si es o
no sensible a las condiciones inciales.
Se pretende que en los sistemas analizados se aplique el metodo de Localizacion de Conjuntos
Compactos Invariantes obteniendo las cotas ınfimas y supremas que delimitan los conjuntos
compactos invariantes que se presenten en el sistema analizado.
1.1. Justificacion
El cancer es una enfermedad antigua, existen pruebas de aproximadamente setencientos mil
anos [1]. Afecta a toda la poblacion mundial y cada vez se presenta con mayor frecuencia, ademas,
1
es una de las principales causantes de muerte a nivel mundial. De acuerdo a las estadısticas de
GLOBOCAN [2], en el ano 2018 se reportaron los casos de 18.1 millones de personas afectadas
y los casos de 9.6 millones de defunciones. Sin embargo, en Mexico es considerado la tercer
causa de mortalidad. Los principales tipos de cancer en Mexico son: cancer de pulmon, cancer
hepatico, cancer colorrectal, cancer gastrico y cancer de mama [3].
De acuerdo a la OMS [4] algunos de los factores de riesgo que provocan cancer son el tabaco, el
alcohol, una alimentacion inadecuada y una vida sedentaria. Estos ultimos dos factores conllevan
a diferentes padecimientos, entre ellos al sobrepeso y a la obesidad afectando al 72,5 % de la
poblacion adulta en Mexico, con base en las estadısticas de ENSANUT en 2016 [5]. La obesidad
puede causar o facilitar otras enfermedades de gran seriedad e incluso mortales, tales como
la diabetes tipo II, hipertension, problemas cardiovasculares, diferentes tipos de cancer, entre
otros [6, 7]. Sin embargo, la relacion que existe entre la obesidad y el cancer no recibe la misma
atencion que recibe la relacion entre la obesidad y los padecimientos cardiovasculares [9].
La relacion que existe entre la obesidad y el cancer se ha registrado en la literatura medica
desde multiples decadas atras [10]. En los anos 70 se realizaron estudios que arrojaron como
resultado la existencia de una relacion en las celulas adiposas y un incremento en los incidentes
y/o muertes provocadas por diferentes tipos de cancer [8]. Es decir, que algunos tipos de cancer
son mas sensibles a las celulas adiposas, como lo son el cancer de colon, cancer de mama, cancer
endometrico, cancer de rinon, entre otros. Toda la informacion referente a la obesidad y el cancer
fue recolectada en el ano 2004.
Las personas que sufren de obesidad desarrollan con mayor facilidad cancer. Se ha registrado
que una persona con obesidad que sufre de cancer tiene una mayor tasa de mortalidad a la de
una persona que solo padece de cancer [11]. Por esta razon es de gran interes e importancia
el estudio sobre el comportamiento y la relacion que existe entre las celulas cancerosas, celulas
adiposas y otras poblaciones celulares del sistema inmune.
2
1.2. Objetivos
Objetivo general
Analizar la dinamica global de algunos sistemas que modelan las interacciones entre las
celulas cancerosas, linfocitos T citotoxicos y del sistema inmune humano.
Objetivos especıficos
Encontrar la ubicacion de los conjuntos compactos invariantes para los sistemas que des-
criban la relacion entre las diferentes poblaciones celulares.
Analizar los modelos matematicos y determinar el dominio en el ortante no negativo,
donde se localicen los conjuntos compactos invariantes de los sistemas estudiados.
1.3. Hipotesis
El metodo de Localizacion de Conjuntos Compactos Invariantes permite establecer las cotas
que delimitan a todos los conjuntos compactos invariantes y junto con la teorıa de estabilidad
de Lyapunov y el principio de invarianza de LaSalle es posible establecer las condiciones para
la estabilidad en los modelos biofısicos estudiados.
3
1.4. Marco teorico
En los trabajos [12–15] se permite ver el estudio de la dinamica existente entre las celulas
cancerosas y otras poblaciones celulares. Gracias a los modelos matematicos es posible estudiar y
predecir el comportamiento del sistema analizado, obtener puntos fijos y establecer condiciones
segun los resultados deseados.
Por ello es importante conocer la dinamica a largo plazo del sistema analizado y su dominio
en Rn donde se encuentran los conjuntos compactos invariantes; estos conjuntos compactos
invariantes se representan como puntos de equilibrio, ciclos lımite, orbitas periodicas, orbitas
heteroclınicas, orbitas homoclınicas y atractores caoticos. Este analisis es posible haciendo uso
del metodo de Localizacion de Conjuntos Compactos Invariantes (LCCI):
En 1995 Krishchenko obtiene los primeros resultados de localizacion de orbitas periodicas
basados en condiciones de extrema.[16]
En 1997 Krishchenko introduce el termino de conjuntos compactos invariantes dentro de
la estimacion de ciclos lımites en los sistemas de Lorenz y Rossler. [17]
En 2005 Krishchenko aplica la teorıa de localizacion de conjuntos compactos invariantes
al sistema de Lorenz [18]
En el ano 2006 se realiza una optimizacion del metodo por Krischenko y Starkov [19],
el metodo de LCCI se utiliza en el sistema de Lorenz. Se utilizan diferentes funciones
localizadoras y se establece el dominio de los conjuntos compactos invariantes presentes
en el sistema.
En 2013 Starkov y Pogromsky [20], examinan la dinamica global y demuestran la existencia
de un politopo invariante positivo. Y en [21] Starkov y Coria analizan la dinamica global
del modelo Kirschner-Panetta donde se describe la inmunoterapia del tumor. A las cotas
ınfimas y supremas se denota un significado biologico sobre la densidad de las celulas.
En el 2014 se realizan estudios sobre el comportamiento global del sistema analizado [22],
se trabajo con sistemas que describen el comportamiento del cancer de vegija [23], sobre
4
el crecimiento de un tumor bajo inmunoterapia [24], relacion entre el cancer y el SIDA
[25] y la interaccion de diferentes poblaciones celulares [26].
En el 2016 se investiga la dinamica global de los sistemas analizados, se hace uso de la teorıa
de estabilidad, se analiza la dinamica de diferentes poblaciones celulares y tratamiento de
quimioterapia y tambien terapia para el cancer de vejiga. Ver las referencias [27], [28], [29]
y [30].
En el ano 2017, Korobeinikov, Starkov y Valle trabajaron con un modelo que describe la
interaccion entre los subtipos de celulas tumorales y sus correspondientes genotipos es-
pecıfico de la respuesta inmune [31], Starkov y Jimenez trabajaron con el estudio global de
un modelo de melanoma que describe la interaccion de las celulas tumorales y citotoxicas
[32]. Y Starkov y Krishchenko consideran la ultima dinamica de un modelo que estudia la
respuesta inmune sobre tumores bajo ciertos tipos de inmunoterapia en [33].
En el 2018 Starkov estudia la dinamica ultima del crecimiento de un tumor cancerıgeno
en fase de angiogenesis, ver [34]. En [35], Krishchenko y Starkov continuan con el estudio
de las ultimas dinamicas de un modelo que describe la interaccion entre celulas inmune,
interluquimıa-2 y transformcion del crecimiento factor-β.
En el 2019 se ha examinado la convergencia de la dinamica de un virus-tumor-inmune por
Starkov y Garfias, ver [36].
Los trabajos anteriores se han publicado en revistas como Physics Letters A, Communica-
tions in Nonlinear Science and Numerical Simulation, Mathematical Bioscience and Enginee-
ring, International Journal of Bifurcation and Chaos, entre otras.
1.5. Metodologıa
La relacion que existe entre las celulas cancerosas y otras poblaciones celulares es no lineal.
Por la complejidad que conllevan los sistemas analizados se utiliza el metodo de Localizacion de
5
Conjuntos Compactos Invariantes, haciendo uso de funciones localizadoras y la derivada de Lie
se encuentran las cotas de los conjuntos compactos invariantes. Estas cotas definidas ınfimas y
supremas generan un politopo en el ortante no negativo. Para realizar un analisis de estabilidad
local o global se utiliza la teoria de Lyapunov y el principio de invarianza de La Salle. Para
comprender mejor los resultados obtenidos se realizan simulaciones numericas por medio del
software Matlab.
1.6. Estructura de la tesis
Este trabajo se organiza de la siguiente manera:
En el capıtulo 2 se presentan las definiciones y teoremas matematicos necesarios para la
comprension del contenido de este trabajo de investigacion.
El capıtulo 3 se proporciona el analisis de un modelo biofısico simple por medio del metodo
de Localizacion de Conjuntos Compactos Invariantes y se establecen las condiciones para la
estabilidad local en sentido de Lyapunov.
El capıtulo 4 se cosideran tres modelos matematicos donde se relaciona la obesidad y el
cancer, se aplica el metodo de Localizacion de Conjuntos Compactos Invariantes y se establecen
las condiciones donde se erradiquen las celulas cancerosas.
En el capıtulo 5 se presentan las conclusiones generales de los modelos matematicos estu-
diados.
6
Capıtulo 2
Preliminares matematicos y notaciones
Con el obejtivo de una mejor comprension del trabajo realizado se presentan las siguientes
definiciones obtenidas de [37, 46].
2.1. Funciones
2.1.1. Funciones continuas
Una funcion f que mapea de un conjunto S1 a otro conjunto S2 es denotado f : S1 → S2.
Una funcion f : Rn → Rm se dice que es continua en un punto x si f(xk)→ f(x) siempre que
xk → x [37].
2.1.2. Funcion continuamente diferenciable
Una funcion f : R→ R se dice que es diferenciable si en x existe el lımite de
f ′(x) = lımh→0
f(x+ h)− f(x)
h.
Si f(x) es Cr (r ≥ 1), la funcion sera r veces diferenciable y cada derivada continua; si r = 0
entonces la funcion es meramente diferenciable [38].
7
2.2. Sistemas dinamicos
Los sistemas dinamicos son sistemas evolutivos en el tiempo y es posible modelizarlos por
medio de ecuaciones diferenciales ordinarias. Un modelo matematico se encuentra definido por
un conjunto n-dimensional de ecuaciones que representan de manera precisa o muy proximas a
un sistema, es decir por el espacio de estados
x1 = f1 (x1, x2, . . . , xn)
x2 = f2 (x1, x2, . . . , xn) (2.1)
...
xn = fn (x1, x2, . . . , xn).
Donde x hace referencia a la derivada dxdt
. Las variables de estado describen el comportamiento
del sistema dinamico y se representa por las variables x1, x2. . . . , xn. Las funciones f1, f2, . . . , fn
se encuentran definidas por el problema a analizar. Tambien es posible representar las ecuaciones
de estado de manera vectorial como
x =
x1
x2
...
xn
, f(x) =
f1(x)
f2(x)...
f3(x)
.
Se hace referencia al espacio de variables dependientes, en el plano n-dimensional, como
espacio de fase de x; un plano bidimensional recibe el nombre de plano de fase. La representacion
de estos dependera de las variables de estado y el objetivo es comprender de manera geometrica
la solucion de las curvas. [39]
Las ecuaciones diferenciales ordinarias dependientes del tiempo se representan de la siguiente
manera
x = f(x, t) (2.2)
y hacen referencia a los sistemas no autonomos o variantes en el tiempo. Y aquellos sistemas
8
que no dependen explıcitamente del tiempo se representan como
x = f(x) (2.3)
y hacen referencia a los sistemas autonomos o invariantes en el tiempo. [38]
2.3. Tipos de conjuntos
Se presentan a continuacion las definiciones pertinentes para comprender los conjuntos com-
pactos invariantes. [37]
2.3.1. Conjunto
Un conjunto es una agrupacion o coleccion de elementos. Si x es elemento de A entonces se
denomina que x ∈ A. Si todos los elementos del conjunto B pertenecen al conjunto A se dice
que B es subconjunto de A y se define como B ⊂ A.
2.3.2. Norma
La norma de un vector x, denotada ‖x‖ es una funcion de valor real que satisface las pro-
piedades:
‖x‖ ≥ 0, ∀ x ∈ Rn, con ‖x‖ = 0 si y solo si x = 0.
‖x+ y‖ ≤ ‖x‖+ ‖y‖, ∀ x, y ∈ Rn
‖ax‖ = |α|‖x‖, ∀ α ∈ R y x ∈ Rn
9
2.3.3. Vecindad
Sea Rn el conjunto de vectores de n dimensiones con elementos reales. Sea M ⊂ Rn donde
la vecindad ε de un vector x ∈M se define como
N(x, ε) = x ∈ Rn|‖z − x‖ < ε
tal que N(x, ε) ⊂M .
2.3.4. Conjunto abierto
Un conjunto M ⊂ Rn es abierto si para cada vector x ∈ M se encuentre una vecindad en
N(x, t) ⊂ S.
2.3.5. Conjunto cerrado
Un conjunto M es cerrado, si y solo si, su complemento en Rn es abierto. Equivalentemente
M es cerrado, si y solo si, cada secuencia convergente xn con elementos en M convergen a un
punto en M .
2.3.6. Conjunto acotado
Un conjunto M es acotado si existe r > 0 tal que
‖x‖ ≤ r, ∀x ∈M.
2.3.7. Conjunto compacto
Un conjunto M ⊂ Rn es compacto si es cerrado y acotado.
2.3.8. Frontera
Un punto p es un punto lımite del conjunto M si toda vecindad de p contiene por lo menos
un punto de M y otro que no pertenece a M . El conjunto de todos los puntos lımite de M se
10
denota como ∂M y es llamado la cota o frontera de M .
2.3.9. Cerradura de conjunto
La cerradura de un conjunto M , se denota como M , es la union de M y su frontera. Una
cerradura, es igual al conjunto cerrado.
2.3.10. Conjunto invariante
Un conjunto M ⊂ Rn es invariante con respecto al sistema dinamico (2.3) si cumple con la
siguiente propiedad
x(0) ∈M ⇒ x(t) ∈M, ∀t ∈ R.
Es decir, si para cada instante de tiempo, pertenece a M pertenece para todo tiempo, futuro o
pasado.
Un conjunto M sera invariante positivo con respecto al sistema dinamico (2.3) si
x(0) ∈M ⇒ x(t) ∈M, ∀t ≥ 0.
2.3.11. Conjunto ω-lımite y α-lımite
Sea x(t) una solucion de (2.3). Un punto p es un punto lımite positivo, tambien llamado
punto ω-lımite, de x(t) si existe una secuencia tn, con tn →∞ cuando n→∞, tal que x(tn)→ p
cuando n→∞. El conjunto de los puntos ω-lımite es llamado conjunto ω-lımite. Por el contrario
si un punto q es un punto lımite negativo, tambien llamado punto α-lımite, de x(t) si existe una
secuencia tn, con tn → −∞ cuando n→∞, tal que x(tn)→ q cuando n→∞. El conjunto de
los puntos α-lımite es llamado conjunto α-lımite.
11
2.4. Conjunto compacto invariante
Un conjunto S ⊂ Rn es compacto e invariante con respecto al sistema dinamico (2.3) si es
cerrado, acotado e invariante en el tiempo.
2.4.1. Punto de equilibrio
Dado un punto x = x∗ en el espacio de estados se dice que ser un punto de equilibrio del
sistema dinamico (2.3) si cumple con la propiedad de que cualquiera que sea el estado y el
sistema comience en x∗, permanecera ahı para todo tiempo futuro [37]. Dada la definicion, los
puntos de equilibrio de un sistema autonomo (2.3) son las raıces reales de la siguiente ecuacion:
x = f(x∗) = 0.
2.4.2. Orbitas periodicas
La orbita periodica es cualquier curva de solucion cerrada de (2.3), no es un punto de
equilibrio. Una orbita periodica Γ es llamada estable si para cada ε > 0 existe una vecidad U
de Γ tal que para toda x ∈ U , d(φ(t, x),Γ) < ε. [40]
2.4.3. Ciclo lımite
Un ciclo lımite es una curva cerrada Γ donde Γ ⊂ ω(x) o Γ ⊂ α(x) para alguna x /∈ Γ. En
el primer caso se llama ciclo ω-lımite; en el segundo caso, ciclo α-lımite. [41]
2.4.4. Orbita homoclınica
Una orbita homoclınica es un conjunto ω-lımite [41], no corresponde a una solucion periodica,
su trayectoria comienza y termina en el mismo punto de equilibrio x∗. Es decir, que dada una
trayectoria φ(x, t), que comienza en el punto de equilibrio x∗ converge a x∗ para t→ ±∞. Son
comunes en sistemas conservativos. [42]
12
2.4.5. Orbita heteroclınica
Una orbita heteroclınica no es una solucion periodica, es comun en sistemas conservativos y
a diferencia de la orbita homoclınica contiene mas de un punto de equilibrio [42]. Su conjunto
α-lımite esta dado por un punto de equilibrio x∗1 y su conjunto ω-lımite corresponde a otro punto
de equilibrio x∗2 [40].
2.4.6. Atractores caoticos
Un sistema no lineal puede tener un comportamiento en el estado estacionario que no es con-
siderado equilibrio, oscilaciones periodicas u oscilaciones cuasiperiodicas. Tal comportamiento
hace referencia al caos. Los sistemas caoticos presentan sensibilidad a las condiciones iniciales.
Algunos de los movimientos caoticos expresan aleatoriedad, a pesar de la naturaleza determina-
da del sistema [37]. El atractor caotico es un conjunto de trayectorias proximas en una region
acotada, donde dado un punto inicial la trayectoria nunca se sobrepondra cuando t→∞.
2.5. Localizacion de Conjuntos Compactos Invariantes
El metodo de Localizacion de Conjuntos Compactos Invariantes (LCCI) se utiliza para definir
un dominio en el espacio de estados mediante funciones continuamente diferenciables. En este
espacio se definen las cotas ınfimas y supremas que definen la region que contiene todos los
conjuntos compactos invariantes de un sistema especıfico bajo ciertas condiciones; la region es
cerrada, acotada e invariante en el tiempo.
El metodo de LCCI permite conocer la dinamica a largo plazo del sistema estudiado, es un
metodo analıtico que hace uso del metodo de condiciones de extrema, ver [43–45]. Tambien se
apoya de algunas teorıas de estabilidad como lo son: el teorema de Lyapunov y el principio
de invarianza de LaSalle. Tiene como ventaja la resolucion de problemas mediante operaciones
algebraicas.
13
2.5.1. Funcion localizadora
Sea h(x) ∈ C∞ una funcion tal que h no es la primera integral del sistema (2.3), lo que
implica que no es un punto de equilibrio. La funcion h se utiliza en la solucion de problemas de
localizacion de conjuntos compactos invariantes, contiene las variables del sistema dinamico y
es llamada funcion localizadora.
2.5.2. Derivada de Lie
Dada una funcion f : M → Rn y una funcion h definida en el dominio M ∈ Rn, La derivada
de Lie de h con respecto a f(x) se denota como Lfh(x). Descrita por la notacion
Lfh(x) =n∑i=1
∂h
∂xixi =
[∂h∂x1, ∂h∂x2, . . . , ∂h
∂xn
]f1(x)
f2(x)...
fn(x)
(2.4)
Si la derivada de h con respecto a las trayectorias del sistema (2.3) es tal que Lfh(x) = 0
entonces h es la primera integral.
2.5.3. Localizacion de conjuntos compactos invariantes
Considerando un sistema no lineal como:
x = f(x), (2.5)
donde x ∈ Rn, es un conjunto de vectores n-dimensional representado como
f(x) = (f1(x), . . . , fn(x))T .
Sea h(x) ∈ C∞(Rn) una funcion localizadora, tal que h no es la primera integral del sistema. La
funcion h se utiliza en la solucion para el problema de localizacion de los conjuntos compactos
invariantes (CCI) y es llamada funcion localizadora. Con h|U denotamos la restriccion de h en
el conjunto de U ⊂ Rn. Por lo que S(h) es el conjunto x ∈ Rn | Lfh(x) = 0, y Lfh(x) es la
14
derivada de Lie de la funcion h(x) a lo largo de x = f(x). Suponiendo que el conjunto U es el
de nuestro interes, para la LCCI se utilizaran las siguientes indicaciones de manera general.
hınf(U) := ınfh(x) | x ∈ U ∩ S(h);
hsup(U) := suph(x) | x ∈ U ∩ S(h).
Asercion Para toda h(x) ∈ C∞(Rn) todos los conjuntos compactos invariantes del sistema,
localizados en U estan contenidos en el conjunto K(U ;h) definido por la siguiente formula.
x ∈ U | hınf(U) ≤ h(x) ≤ hsup(U).
El teorema iterativo esta definido como
Teorema 2.5.1 Sea hm , m = 0, 1, . . . , una secuencia de funciones de clase infinitamente
diferenciables. Los conjuntos
K0 = K(h0), Km = Km−1 ∩Km−1,m,m > 0; (2.6)
Km−1,m = x : hm,ınf ≤ hm(m) ≤ hm,sup ,
hm,sup = supS(hm)∩Km−1
hm(x),
hm,ınf = ınfS(hm)∩Km−1
hm(x),
entonces cualquier conjunto compacto invariante del sistema (2.5) y
K0 k K1 k · · · k Km k . . . .
15
2.6. Estabilidad en el sentido de Lyapunov
La teorıa de estabilidad juega un rol central en teorıa de sistemas e ingenierıa. La estabilidad
de puntos de equiibrio generalmente se caracteriza en el sentido de Lyapunov. Un punto de equi-
librio se dice estable si todas las soluciones que se inicien en las cercanıas del punto de equilibrio
permanecen en las cercanıas del punto de equilibrio; de otro modo el punto de equilibrio es
inestable. Un punto de equilibrio se dice ser asintoticamente estable si todas las soluciones que
inicien en las cercanıas del punto de equilibrio no solo permanecen en las cercanıas del punto
de equilibrio, sino que ademas tienden hacia el equilibrio a medida que el tiempo se aproxima
a infinito [37, 46].
Considerese el sistema autonomo (2.5) donde f : D → Rn es un mapa localmente Lipschitz
desde un dominio D ⊂ Rn en Rn. Suponiendo que x ∈ D es un Punto de Equilibrio (PE)
de (2.5), es decir que f(x) = 0. El objetivo es estudiar y caracterizar la estabilidad de x. Por
conveniencia, se asume que x = 0, de lo contrario el PE se translada al origen por medio de un
cambio de variable. Entonces si x 6= 0 se define y = x− x y se trabaja con la ecuacion y = g(y),
donde g(y) , f(y + x). Con la nueva variable y el sistema tiene su punto de equilibrio en el
origen.
Definicion 2.6.1 El punto de equilibrio x = 0 de la ecuacion (2.5) es
(a) estable, si para cada ε > 0, existe una δ = δ(ε) tal que
‖x(0)‖ < δ ⇒ ‖x(t)‖ < ε, ∀ ≥ 0
(b) inestable si no es estable.
(c) asintoticamente estable (AE) si es estable y δ puede elegirse tal que
‖x(0)‖ < δ ⇒ lımt→∞
x(t) = 0
Lyapunov mostro que algunas otras funciones, no solo la energıa, pueden usarse para deter-
minar la estabilidad de un PE. Sea V : D → Rn una funcion continuamente diferenciable en un
16
dominio D ⊂ Rn que contiene el origen. La derivada de V a lo largo de las trayectorias (2.5)
esta dada por
V (x) =n∑i=1
.∂V
∂xxi =
n∑i=1
∂V
∂xifj(x) =
[∂V∂x1
∂V∂x2
. . . ∂V∂xn
]f1(x)
f2(x)...
fn(x)
=∂V
∂xf(x)
Teorema 2.6.1 (Lyapunov) Sea el origen x=0 un PE de (2.5) y sea D ⊂ Rn un dominio que
contiene el origen. Sea V : D → R una funcion continuamente diferenciable tal que
V (0) = 0 y V (x) > 0 en D − 0 (2.7)
V (x) ≤ 0 en D. (2.8)
Entonces x = 0 es estable. Mas aun, si
V < 0 en D − 0 (2.9)
entonces x = 0 es asintoticamente estable.
Definicion 2.6.2 El origen x = 0 ∈ Rn es un equilibrio asintoticamente estable de forma global
de la ecuacion (2.5) si
(a) el origen es estable
(b) el origen es atractivo globalmente, es decir
‖x(t)‖ → 0 cuando t→∞, ∀x(t) ∈ Rn (2.10)
Una funcion V (x) que satisface (2.5) se dice definida positiva. Si satisface la condicion mas debil
V (x) ≥ 0 para x 6= 0, se dice semidefinida positiva. Una funcion se dice definida negativa o
semidefinida negativa si −V (x) es definida positiva o semidefinida positiva, respectivamente. Si
V (x) no tiene signo definido con respecto a alguno de estos cuatro casos se dice indefinida. Por
17
lo tanto, es posible enunciar que: el origen es estable si existe una funcion definida positiva y
continuamente diferenciable tal que V (x) es semidefinida negativa, y es AE si V (x) es definida
negativa.
2.6.1. Matriz Jacobiana
La matriz Jacobiana es utilizada para la linealizacion alrededor de un punto de equilibrio es-
tablecido como global asintoticamente estable. La cual esta dada por una funcion continuamente
diferenciable f(x) : Rn → Rm y sus derivadas parciales, como se muestra
J =
∂f1(x)∂x1
. . . ∂f1(x)∂xn
.... . .
...
∂fm(x)∂x1
. . . ∂fm(x)∂xn
Sea A ∈ Rnxn y λ ∈ R un eigenvalor de A si y solo si hay un vector v ∈ Rn×1 diferente de
cero.
2.6.2. Metodo indirecto de Lyapunov
El metodo indirecto de Lyapunov brinda condiciones para determinar la estabilidad del
origen del sistema no lineal, a traves del estudio de la estabilidad del sistema linealizado
Teorema 2.6.2 (Metodo indirecto de Lyapunov) Sea x = 0 un PE del sistema no lineal
(2.5) donde f : D → Rn es una funcion continuamente diferenciable y D ⊂ Rn es un entorno
del origen. Sea
J =∂f
∂x(x)x∗=0
Entonces
1. El origen es AE si todos los eigenvalores de J tienen parte real negativa.
2. El origen es inestable si uno o mas eigenvalor de J tiene parte real positiva.
18
2.6.3. Principio de invarianza de LaSalle
El principio de invarianza de LaSalle es un criterio que permite establecer estabilidad asintoti-
ca global en sistemas dinamicos invariantes cuando con el teorema de Lyapunov no se puede con-
cluir estabilidad, ya que la derivada de V (x) resulta semidefinida negativa, es decir, V (x) ≤ 0.
Por lo tanto, si se logra demostrar que ninguna trayectoria puede permanecer en los puntos
donde V (x) = 0, excepto x = 0, entonces el origen es asintoticamente estable [37].
Teorema 2.6.3 (LaSalle) Sea Ω ⊂ D un conjunto compacto que es invariante positivo con
respecto a x = f(x). Sea V : D → R una funcion continuamente diferenciable tal que V (x) ≤ 0
en Ω. Sea E el conjunto de todos los puntos en Ω tal que V (x) = 0. Sea M el mayor conjunto
invariante en E. Entonces, cada solucion que empiece en Ω tiende a M cuando t→∞.
19
Capıtulo 3
Modelo simple biofısico sobre evasion
tumoral de un sistema inmune
controlado
Para comprender la dinamica de un sistema biologico es importante conocer el comporta-
miento natural de las poblaciones celulares involucradas en el modelo matematico. La dinami-
ca de las celulas cancerosas, las celulas linfocitos T citotoxicas (CTL) y sus complejos CTL-
tumorales pueden llegar a estudiarse mediante modelos matematicos [12, 13]. Gracias al modelo
matematico se puede estudiar y predecir el comportamiento del sistema analizado, ası como
tambien obtener sus puntos de equilibro.
Normalmente la reproduccion celular tiene como objetivo reparar algun dano en el sistema y
cuando se envıa la senal de ser suficientes celulas se detiene la division celular. Sin embargo, las
celulas cancerosas sufren de mutaciones causadas por radiacion, el humo del tabaco, radiacion
ultravioleta y otros cancerıgenos provocando que continuen con su multiplicacion celular de
manera descontrolada, formandose una agrupacion celular [1].
En el sistema inmune, los antıgenos tienen la capacidad de desencadenar una reaccion en el
cuerpo, esta reaccion permite detectar a agentes peligrosos por medio de las celulas CTL. Estas
celulas tienen la funcion de destruir a las celulas infectadas aunque algunas veces no se cumple
el objetivo, ya que las celulas infectadas pueden llegar a desactivar a las CTL [47]. Se asume
que los linfocitos deben viajar hasta donde se encuentre el tumor solido, el cual se encuentra
20
en crecimiento, e interactuar con las celulas cancerosas de tal manera que se formen las celulas
complejas CTL-tumorales. Estas celulas complejas se forman ya sea de las celulas cancerosas
muertas o de la inactivacion de los linfocitos ası como tambıen de celulas linfaticas muertas [48].
El neoplasma, mejor conocido como tumor solido, es un tejido anormal donde su crecimiento
excede el tamano del tejido normal y persiste de manera excesiva aun despues de no haber
estımulo que provoque un cambio [48]. Los tumores que se desarrollan de manera espontanea
tienden a crecer lentamente y pueden existir por un lapso grande de tiempo con un tamano de
estado latente estable a pesar de que las celulas tumorales presentan oncogenes activados.
Por lo general el tumor que se encuentra en estado latente es descubierto como un hallazgo
en alguna muestra del tejido. Tambien es posible encontrar cancer en estado latente en pacientes
despues de haber tenido cancer, el cancer puede estar latente por unos cuantos meses o incluso
por muchos anos. Sin embargo, cuando la proliferacion de celulas tumorales se reanuda, estas
celulas tienen la habilidad de formar segundos tejidos cancerosos en el mismo lugar donde fue
descubierto el tumor primario o puede que suceda metastasis y formen tejidos cancerosos en
otras zonas.
El estado latente define a las celulas cancerosas que se mantienen vivas en un tejido, por
periodos relativamente largos, sin evidencia de multiplicarse durante este tiempo. Estas celulas
mantienen su forma, su capacidad de multiplicarse y las caracterısticas del tipo de cancer pri-
mario [49]. Las celulas tumorales en estado latente persisten bajo la restriccion del componente
lisis. Entonces el rango neto del crecimiento de las celulas tumorales sera cero o un numero muy
cercano a cero [50]. Esta restriccion en el crecimiento de celulas cancerosas diferencia entre los
tumores durmientes de aquellos tumores que tienen un crecimiento lento en cuanto a la division
celular tumoral.
3.1. Modelo matematico
El sistema de ecuaciones diferenciales obtenido de [47] y descrito detalladamente en [48], se
examina la interaccion global de un tumor solido cancerıgeno, dado por las ecuaciones diferen-
ciales:
21
x = rx
(1− x
γ
)− kxy + a1z, (3.1)
y =a2z
x+ a0
− µy − kxy + a3z + σ, (3.2)
z = kxy − a4z. (3.3)
En el sistema (3.1)-(3.3) se utilizan las siguientes notaciones obtenidas de [47]:
En x es el crecimiento de un tumor segun su relacion al espacio y tiempo, x(t); la notacion
rx(1− xγ) representa el crecimiento logıstico y la cinetica local del crecimiento esta representada
por −kxy + a1z, donde se define a1 = k−1 + k2(1− p). Las variables r, k, k−1 y k2 son definidas
positivas.
En y se representa la proliferacion de los CTL en el tiempo y(t); la reaccion en contra
de las celulas tumorales esta dada por (a2z)/(x + a0), la cinetica local por −kxy + a3z, el
aminoramiento de CTL es µy y el suministro de medicamento se representa por σ. Donde se
define a3 = k−1 + k2p, las variables a2, a0, µ y p son definidas positivas.
En z se denota las celulas complejas CTL-tumorales en el tiempo z(t), se representan con
la cinetica local como kxy − a4z, donde a4 = δ + k−1 + k2. Con la condicion que a4 − a3 > 0 y
a4 − a1 > 0 .
3.2. Localizacion de conjuntos compactos invariantes
Proposicion 1 El sistema (3.1)-(3.3) posee cotas para un conjunto compacto invariante.
Demostracion. Dada la funcion h1 = θx+ y + θz y la condicion
θ >a2 + a3
a4 − a1
. (3.4)
22
Entonces
Lfh1 ≤θrγ
4− θr
γ
(x− γ
2
)2
+ z((a1 − a4)θ + a2 + a3)− µy + σ.
Para el conjunto
M1 =
(x, y, z)∣∣∣θrγ
(x− γ
2)2
+ µy + z((a4 − a1)θ − a2 − a3) ≤ θrγ
4+ σ
la desigualdad Lfh1 ≥ 0 es verdadera. Tal que M1 es un dominio acotado, se toma R como un
valor suficientemente grande para el dominio M2 := h1 < R que contiene M1. En las cotas
de M2 se satisface la desigualdad Lfh1 < 0. Por lo tanto M2 es acotada de manera positiva en
el dominio invariante, llegando a las conclusiones deseadas.
Proposicion 2 Todos los conjuntos compactos invariantes del sistema (3.1)-(3.3) estan conte-
nidos en el politopo.
Π :=
0 ≤ x, z ≤ xmax = zmax :=(r + a4 − a1)2γ
4r(a4 − a1); (3.5)
ymın :=σ
kzmax + µ≤ y∗,max :=
ρzmax + σ
µ
Demostracion. Aplicando la funcion h2 = x+ z y utilizando la expresion Lfh2, se obtiene
que
(a4 − a1)h2
∣∣S(h2)
=
−rx
2
γ+ (r + a4 − a1)x
∣∣∣S(h2)
≤ (r + a4 − a1)2γ
4r(a4 − a1).
Por lo tanto se concluye que la localizacion del conjunto K1 se define como
0 ≤ x ≤ xmax :=
(r + a4 − a1)2γ
4r(a4 − a1)
,
0 ≤ z ≤ zmax :=
(r + a4 − a1)2γ
4r(a4 − a1)
.
23
Posteriormente, se utiliza la funcion h3 = y. Si
ρ =a2 + a0a3
a0
, (3.6)
se obteniene la desigualdad (µ + kx)y ≤ ρz + σ. Esta desigualdad se satiface en el conjunto
S(h3)., entonces
µy ≤ ρzmax + σ
se satisface en el conjunto S(h2) ∩K1. Por lo que el conjunto K2∗ esta dado por
0 ≤ y∗,max :=ρzmax + σ
µ.
Utilizando las cotas (3.5) se puede originar el acotamiento conservativo para y. Para lograr
este objetivo se aplica la funcion h3 = y. De manera que el conjunto S(h2) ∩K1 este contenido
por el conjunto definido como y(kxmax + µ) ≥ σ, lo que permite encontrar el conjunto K3
definido por y ≥ ymın :=
σ
kzmax + µ
.
Entonces Π∗ = K1 ∩K2∗ ∩K3.
Proposicion 3 Suponiendo que
a4 > a3 +a2
a0
,
entonces todos los CCI se localizan en el conjunto
y ≤ ymax :=σ
µ.
Demostracion.Sea
m = mın
µ; a4 − a3 −
a2
a0
,
se aplica la funcion h4 = y + z. Entonces el conjunto S(h4) se define por la desigualdad
µy +
(a4 − a3 −
a2
x+ a0
)z = σ.
24
Entonces, S(h4) esta contenida en el conjunto definido por la desigualdad de
µy +
(a4 − a3 −
a2
a0
)z ≤ σ,
por lo tanto, se obtiene que el conjunto K2 que esta definido por la desigualdad
y ≤ ymax :=σ
m.
Y finalmente se obtiene la localizacion del politopo Π = K1 ∩K2 ∩K3.
3.3. Cota mejorada
Al aplicar h5 = x− y. Se obtiene que
Lfh5 = rx
(1− x
γ
)+ a1z −
a3z
x+ a0
+ µy − a3z − σ,
percatanse que S(h5) esta dado por la formula
µ(x− y) = (r + µ)x− rx2
γ+ a1z −
a3z
x+ a0
− a3z − σ,
la cual implica que
µh5
∣∣S(h5)
≤ (r + µ)2 γ
4r− σ + z
(a1 −
a3
x+ a0
− a3
),
Proposicion 4 Suponiendo que
a1 −a3
xmax + a0
− a3 < 0, (3.7)
25
todos los conjuntos compactos invariantes estan localizados en el conjuntox− y ≤ (r + µ)2 γ
4rµ− σ
µ
.
Corolario 3.3.1 Si se satisface (3.6) y la desigualdad
(r + µ)2 γ ≤ 4rσ (3.8)
todos los CCI se localizaran en el conjunto
K5 := x − y ≤ 0.
Teorema 3.3.1 Si las condiciones (3.6) y (3.8) se satisfacen entonces todos los CCI se localizan
en el conjunto y ≥ y∗ :=
−µ2k
+1
2k
õ2 +
k(r + µ)2
rγ
.
Demostracion. Empleando h3, se tendra que en S(h3) ∩ K5 la siguiente desigualdad es
validada
σ ≤ σ + z
(a2
x+ a0
+ a3
)= y(µ+ kx) ≤ y(µ+ ky).
Entonces S(h3) ∩K5 esta contenida en el conjunto definido por
y ≥ y+ :=−µ+
√µ2 + 4kσ
2k(3.9)
Ademas, sustituyendo de (3.8) el valor mınimo para σ se convierte en (3.9).
3.4. Analisis de puntos de equilibrio
Para obtener el Punto de Equilibrio Libre de Tumor (PELT) se consideran las celulas tu-
morales igual a cero, por lo tanto, tampoco existen celulas complejas. Se obtiene entonces que
26
el PELT es E1 = [0, σµ−1, 0]T . Por medio del metodo indirecto de Lyapunov se analiza la esta-
bilidad local del PELT. Se obtiene la matriz Jacobiana evaluada en el punto de equilibrio E1
como
J(E1) =
r − kσµ−1 0 a1
−kσµ−1 −µ a2a−10 + a3
kσµ−1 0 −a4
Por consiguiente se hace un cambio de variable
b = r − kσ
µ
y se obtienen los eigenvalores de la matriz Jacobiana definidos por
λ1,2 =1
2
(b− a4 ±
√(a4 − b)2 + 4ba4 −
a1kσ
µ
), (3.10)
λ3 = −µ. (3.11)
La condicion para la estabilidad local asintotica de E1 en (3.10) esta dada por
σ >a4rµ
(a4 − a1)k.
En el sistema de ecuaciones (3.1)-(3.3) se considera la posibilidad de poseer otro punto de
equilibrio, el Punto de Equilibrio Tumor Persistente (PETP), es decir cuando x > 0. El PETP
se define como una raız positiva de la ecuacion
x3 +A2γ(a4 − a1)− A1r + rγ(a3 − a4)
r(a4 − a3)x2+
+xA1rγ + A2γ(a4 − a1)(a0 − γ) + σγ(a4 − a1)
r(a4 − a3)+ (3.12)
+σγ(a4 − a1)a0 − A2γ
2a0(a4 − a1)
r(a4 − a3)= 0,
27
dado que
A1 = a2 + a0(a3 − a4),
A2 =a4rµ
kγ(a4 − a1).
Entonces se hace un cambio de variable como
B1 =A2γ(a4 − a1)− A1r + rγ(a3 − a4)
r(a4 − a3),
B2 =A1rγ + A2γ(a4 − a1)(a0 − γ) + σγ(a4 − a1)
r(a4 − a3),
B3 =σγ(a4 − a1)a0 − A2γ
2a0(a4 − a1)
r(a4 − a3).
Suponiendo que la raız de (3.12) es menor a γ, que la discriminante se satisface
∆ = 18B1B2B3 − 4B31B3 +B2
1B22 − 4B3
2 − 27B23 < 0 (3.13)
y que A2γ > σ entonces se obtiene una solucion real para la coordenada en x. Y las coordenadas
para y y z estan definidas por las ecuaciones
y∗ =a4r(γ − x∗)γ(a4 − a1)k
; (3.14)
z∗ =kx∗y∗a4
. (3.15)
3.5. Simulaciones numericas
Para comprender mejor los resultados se realizaron simulaciones en Matlab mostrando el
poliedro obtenido y los puntos de equilibrio PELT y PETP. Los parametros utilizados en [48]
de forma normalizada estan descritos en la Tabla 3.1.
28
Tabla 3.1: Parametros para la simulacion de un modelo simple biofısico.
k ∈ (0,1, 0,4) dıa −1 µ = 0,0412 dıa −1
r = 0,18 dıa −1 a2 = 29,88 dıa −1
a0 = 20,19 γ = 500
σ = 0,0136 dıa −1 k−1 = 24,0 dıa −1
k2 = 7,2 dıa −1 δ = 0dıa −1
En la Fig. 3.1, el atractor caotico se localiza dentro del politopo formado por las cotas
mencionadas (3.5), localizadas en el ortante no negativo. Ya que el atractor es muy pequeno a
comparacion del politopo se muestra el plano de fase en la Fig. 3.2. Observando que el PETP
es mas potente que el PELT, implica que el tumor no desaparece sino que permanece en estado
durmiente. Es decir, que las celulas cancerosas no se erradican en su totalidad.
60005000
4000
Células tumorales
30002000
100000
1
Células CTL
23
4
×106
4000
6000
2000
05
Cé
lula
s co
mp
leja
s
2010
00
0
0.2
0.4
5
(x,y,z)PELTPETP
Figura 3.1: Atractor caotico y puntos de equilibrio dentro del politopo.
29
Células tumorales0 10 20
Cé
lula
s C
TL
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Células complejas0 0.2 0.4
Cé
lula
s tu
mo
rale
s
0
5
10
15
Células CTL0 2 4 6
Cé
lula
s co
mp
leja
s
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Figura 3.2: Plano de fase de las diferentes celulas formando el atractor caotico. En estos planosno se considera el politopo solamente la dinamica de las celulas.
30
3.6. Conclusion
Las proposiciones realizadas fueron demostradas, por lo tanto fue posible encontrar las cotas
para el sistema de ecuaciones (3.1)-(3.3) en el ortante positivo mediante el metodo de LCCI,
estas cotas se definen como un politopo. Ası mismo, se demuestra en las Proposiciones 2 y 3 que
el politopo contiene a todos los conjuntos compactos del sistema (3.1)-(3.3) dada la condicion
de (3.6).
Se demuestra en la Proposicion 4 un mejoramiento en la cota para las celulas CTL, se obtiene
el Corolario 3.3.1 y el Teorema 3.3.1 dada la condicion para el valor del tratamiento en (3.9).
Se generan las condiciones para la existencia de dos posibles puntos de equilibro: el PELT y el
PETP.
En la Fig. 3.1 es posible demostrar que dentro del politopo se encuentra la dinamica del
sistema: el atractor caotico, el PELT y el PETP. Se observa que la dinamica tiende al PETP,
es decir, que el tumor sobrevive en estado latente. Esto puede implicar que el tumor se ha
adaptado y que puede sobrevivir en un ambiente hostıl a pesar de que la respuesta inmune
antitumoral este activada. Por este motivo podrıa presentarse el equilibrio, sin embargo, es
psobile que existan situaciones o eventos inesperados que desencadenen la activacion de este
tumor y la proliferacion de celulas tumorales se reactive.
31
Capıtulo 4
Obesidad-cancer
Las enfermedades patologicas tales como la obesidad y los padecimientos metabolicos aso-
ciadas son las enfermedades metabolicas mas comunes y perjudiciales, por lo general son con-
secuencia de una vida sedentaria y de desnutricion [6]. La obesidad tiene como consecuencia el
deterioro de la inmunidad anticancer, por esta razon el sistema inmune puede verse afectado
en mayor grado ante ciertos tipos de cancer. Es importante mencionar que las personas obesas
que padecen cancer tienen una tasa mayor de mortalidad que aquellas personas que sufren de
cancer y que no son obesas [51].
Estudios realizados con cultivos tisulares determinaron que la insulina, el factor de creci-
miento epidermico y la glucosa generan el ambiente perfecto para la proliferacion de celulas
tumorales [10]. Ası mismo, se ha descubierto la existencia de una dependencia entre las celulas
cancerosas y la insulina, demostrando que si se desprende esta de la insulina no sobrevivira.
Ademas, las celulas tumorales consumen glucosa a gran velocidad en comparacion con las celu-
las normales. Por esta razon las celulas tumorales consideran atractivo el metabolismo de una
persona obesa [6].
Se asocia la obesidad con una respuesta cronica inflamatoria y la produccion anormal de
citocina. En otras palabras, el efecto que produce la obesidad en un tumor creciente es provocar
inflamacion en el sistema inmune ante la presencia de adipocitos tambien llamadas celulas de
grasa. Las celulas adiposas y algunos tipos de celulas inmune como lo son las celulas T y los
macrofagos, tienen el rol de activacion complementaria y la produccion inflamatoria de citocina.
La proliferacion de las celulas inmune puede verse estimulada por la presencia del tumor
32
[52]. El sistema inmune tiene la capacidad de destruir a las celulas tumorales, sin embargo, la
proliferacion de las celulas tumorales puede ser demasiado rapida y el sistema inmune no logra
destruirlas completamente. Se determina que la relacion existente entre estas dos poblaciones
celulares es de tipo depredador-presa, las celulas inmune desempenan el rol de depredador y el
de presa es desempenado por las celulas tumorales [53].
Las celulas normales son importantes para el sistema de ecuaciones porque carecen de recep-
tor de insulina, por lo tanto no son sensibles ante ella o al menos no ante una cantidad pequena.
La relacion existente entre las poblaciones celulares normales y tumorales consiste en competir
por los recursos disponibles.
Las celulas adiposas se definen como celulas de almacenamiento de grasa. Por lo general
esta poblacion celular se mantiene constante en la adultez a menos que exista alguna ganancia
o perdida significativa de peso. La obesidad de una persona es directamente proporcional a la
capacidad de acarreamiento de grasa acumulada en el organismo.
Para representar la relacion entre las celulas inmune, normales, adiposas y tumorales se
utilizan los terminos de competencia. Estos terminos de competencia son generados por la
interaccion de celulas con diferentes perfiles geneticos. La celula perdedora no tiene la posibilidad
de sobrevivir ya que a su alrededor se encuentran perfiles geneticos mas fuertes [54].
4.1. Primer modelo matematico para mostrar la relacion
entre la obesidad y el cancer
A continuacion se presenta el modelo matematico que se enfoca en la interaccion entre la
obesidad y las celulas cancerosas.
I = s+
(ρIT
α + T
)− c1IT − d1I (4.1)
T = r1T (1− b1T )− c2IT − c3TN + c5TF (4.2)
N = r2N(1− b2N)− c4TN (4.3)
F = r3F (1− b3F ) (4.4)
33
Donde las celulas inmune con respecto al tiempo se representan como I(t); la notacion ρITα+T
representa la respuesta del sistema inmune hacia el cancer, d1 es el rango de muerte natural de
celulas inmune, s es el rango de origen de las celulas inmune, ρ es el rango de la respuesta del
sistema inmune y c1 es un coeficiente de competencia.
Las celulas cancerosas con respecto al tiempo es T (t); las notaciones r1 es el rango de
crecimiento de las celulas cancerosas, b1 es la inversa del acarreamiento de las celulas cancerosas
y c2,3,5 son coeficientes de competencia.
Las celulas normales con respecto al tiempo se representa como N(t); donde r2 es el rango
de crecimiento de las celulas normales, b2 es la inversa del acarreamiento de las normales y c4
es un coeficiente de competencia.
La densidad de grasa con respecto al tiempo se representa como F (t); donde las notaciones
r3 representa el rango de crecimiento de las celulas de grasa y b3 es la inversa de la capacidad de
acarreamiento de las celulas adiposas [51]. El parametro b3 puede variar entre los valores desde
[0, 2], cuando una persona sufre de obesidad entonces b3 ∈ (0, 1). Sin embargo, los valores que
tendra una persona saludable sera cuando b3 ∈ (1, 2).
4.1.1. Localizacion de conjuntos compactos invariantes
Se localizan las conjuntos compactos invariantes comenzando con la funcion localizadora de
h1 = F (4.5)
y se define la derivada de Lie como
Lfh1 = r3F (1− b3F ).
Identificando que Finf = 0 y Fsup = 1b3
entonces, se establece el primer conjunto definido como
34
K1 =
0 ≤ F ≤ 1
b3
(4.6)
La segunda funcion localizadora es
h2 = T, (4.7)
se obtiene la derivada de Lie como
Lfh2 = r1T (1− b1T )− c2IT − c3TN + c5TF,
donde el conjunto de S(h2) se define por
S(h2) ∩K1 ⊂T ≤ 1
b2
+c5
r1b1b3
y se obtiene el conjunto
K2 =
0 ≤ T ≤ 1
b2
+c5
r1b1b3
. (4.8)
Se propone una tercera funcion localizadora y se obtiene su derivada de Lie
h3 = N (4.9)
Lfh3 = r2N(1− b2N)− c4TN
y se defiene el conjunto
K3 =
0 ≤ N ≤ 1
b2
. (4.10)
35
Se propone la funcion localizadora
h4 = I, (4.11)
se obtiene la derivada de Lie definida como
Lfh4 = s+
(ρIT
α + T
)− c1IT − d1I
y se determina que el conjunto K4 esta dado por
K4 =
s
d1 − ρ≤ I ≤ s
d1 + c1
(1b1
+ c5r1b1b3
) (4.12)
donde d1 > ρ es una condicion para la existencia de Imax. Entonces, las cotas para el politopo
son
Π1 = K1 ∩K2 ∩K3 ∩K4, (4.13)
K1 =
0 ≤ F ≤ 1
b3
,
K2 =
0 ≤ N ≤ 1
b2
,
K3 =
0 ≤ T ≤ 1
b1
+c5
r1b1b3
,
K4 =
s
d1 + c1
(1b1
+ c5r1b1b3
) ≤ I ≤ s
d1 − ρ
, ∀d1 > ρ.
36
4.1.2. Punto de Equilibrio Libre de Tumor
Utilizando las primeras derivadas se genera la matriz Jacobiana para analizar la estabilidad
local. La linealizacion del sistema de ecuaciones se realiza alrededor del Punto de Equilibrio
Libre de Tumor (PELT) [51] definido como
PELT = E1 =
sd1
0
1b2
1b3
, (4.14)
se hace el cambio de variables
B = −c3
b2
− r1
(b1s
d1
− 1
)− c2s
d1
,
b = −c1s
d1
− ρs
α2d1
.
y se obtiene la matriz
J(E1) =
ρα−1 − d1 b− (ρs)(α2d1)−1 0 0
0 B + c5b−13 0 0
0 −c4b−12 −r2 0
0 0 0 −r3
. (4.15)
Sus eigenvalores se definen por
λ1 = −r3 (4.16)
λ2 = −r2 (4.17)
λ3 = −d1 (4.18)
λ4 =c5
b3
+ r1 −c3
b2
− c2s
d1
(4.19)
37
Para la existencia de estabilidad local alrededor del PELT se debe de satisfacer la condicion con
respecto al eigenvalor(4.19)
c5
b3
+ r1 <c3
b2
+c2s
d1
. (4.20)
4.1.3. Simulaciones numericas
Se realizaron simulaciones en el sofware de Matlab el analisis de la dinamica del sistema de
ecuaciones alrededor del PELT. Las condiciones iniciales utilizadas para la simulacion de la Fig.
4.1 son I0 = 1,8, T0 = 0,0001, N0 = 1,45 y F0 = 0,89. Las unidades de los parametros estan
dados en celulas por cm3, todos los parametros son considerados positivos y se obtienen de [51],
el cual considera los valores mas proximos a la realidad.
Tabla 4.1: Parametros utilizados para las simulaciones del primer modelo matematico deobesidad-cancer.
α = 0,3 b1 = 1 b2 = 1
b3 = 1,2 c1 = 1 c2 = 0,1
c3 = 1 c4 = 1 d1 = 0,2
d2 = 1 r1 = 1,5 r2 = 1
r3 = 0,12 s = 1,25 ρ = 0,05
La dinamica de las celulas se analiza0 en la Fig. 4.1 considerando 200 dıas para la simula-
cion, se obtienen los dıas que tarda cada poblacion celular en aproximarse al valor del PELT.
Posteriormente se realiza una comparacion con el segundo y tercer modelo de obesidad-cancer y
ası determinar si existe algun cambio de comportamiento al agregar el termino de competencia
entre la celulas cancerosas y adiposas, y el termino µF en la ecuacion de las celulas inmune.
Para tener una mejor vision del comportamiento del sistema se utilizan cuatro diferentes
Condiciones Iniciales (C.I.). Estas trayectorias se dirigen hacia el PELT cuando (4.20) se sa-
tisface, ver la Fig. 4.2. Se realiza una comparacion de esta figura con las figuras generadas del
38
0 20 40 60 80 100 120 140 160 180 2000
5
10Células inmune vs. Tiempo
t
x 1
0 20 40 60 80 100 120 140 160 180 2000
0.5
1x 10
−3 Células tumorales vs. Tiempo
t
x 2
0 20 40 60 80 100 120 140 160 180 2000.999
1
1.001Células normales vs. Tiempo
t
x 3
0 20 40 60 80 100 120 140 160 180 2000
1
2Células adiposas vs. Tiempo
t
x 4
Figura 4.1: Trayectoria de las poblaciones celulares del primer modelo obesidad-cancer conrespecto al tiempo y el PELT representado con una lınea punteada de color rojo.
39
segundo y tercer modelo de obesidad-cancer. Las condiciones iniciales utilizadas son:
C.I.1 =[1,8 0,0001 1 1,8
],
C.I.2 =[1,5 0,0001 2 2
],
C.I.3 =[0,8 0,0001 0,5 0,8
],
C.I.4 =[2 0,002 2 1,2
].
86
Células inmune
42
001
Células tumorales
23
×10-3
1
1.5
2
0.54
Cé
lula
s a
dip
osa
s
PELTC.I. 1C.I. 2C.I. 3C.I. 4
Figura 4.2: Dinamica del primer modelo obesidad-cancer considerando las diferentes condicio-nes iniciales y el PELT.
40
4.2. Segundo modelo matematico para la interaccion
entre las celulas adiposas y las celulas cancerosas
A diferencia del primer modelo de obesidad-cancer, este modelo adquiere un termino nuevo
en la ecuacion representativa de las celulas adiposas. Obteniendo como resultado el siguiente
sistema de ecuaciones:
I = s+ρIT
α + T− c1IT − d1I; (4.21)
T = r1T (1− b1T )− c2IT − c3TN + c5TF ; (4.22)
N = r2N(1− b2N)− c4TN ; (4.23)
F = r3F (1− b3F )− c6TF. (4.24)
Donde las celulas inmune con respecto al tiempo se representan como I(t); la notacion
ρITα+T
representa la respuesta del sistema inmune, d1 es la tasa de mortalidad natural de celulas
inmune, s es la tasa del origen de las celulas inmune, ρ es la tasa de la respuesta del sistema
inmune y c1 es un coeficiente de competencia.
Las celulas cancerosas con respecto al tiempo es T (t); la notacion r1 es la tasa de crecimiento
de las celulas cancerosas, b1 es la inversa de la carga maxima de las celulas cancerosas y c2,3,5
son coeficientes de competencia.
Las celulas normales con respecto al tiempo se representa como N(t); donde r2 es la tasa de
crecimiento de las celulas normales, b2 es la inversa de la carga maxima y c4 es un coeficiente
de competencia.
La densidad de las celulas adiposas con respecto al tiempo se representa como F (t); donde
la notacion r3 representa la tasa de crecimiento de las celulas adiposas, b3 es la inversa de la
capacidad de carga maxima de las celulas adiposas y c6 es un coeficiente de competencia. [51].
41
4.2.1. Localizacion de conjuntos compactos invariantes
Proposicion 1 Las cotas del sistema (4.21)-(4.24) son iguales a las cotas (3.5), esto implica
que Π2 = Π1.
Demostracion. Se propone la funcion localizadora de h1 = F y se obtiene la derivada de
Lie
Lfh1 = r3F (1− b3F )− c6TF.
Se obtiene el siguiente conjunto con el objetivo de establecer las cotas de la funcion h1
S(h1) = F = 0 ∪ r3(1− b3F )− c6T = 0,
S(h1) ∩ F > 0 = r3(1− b3F ) = 0.
Identificando Finf = 0 y Fsup = 1b3
se establece el primer conjunto
K1 =
0 ≤ F ≤ 1
b3
. (4.25)
La segunda funcion localizadora a utilizar para las celulas normales es h2 = N , se define su
derivada de Lie y se obtiene el conjunto S(h2)
Lfh2 = r2N(1− b2N)− c4TN,
S(h2) = N = 0 ∪ r2(1− b2F )− c4T = 0,
S(h2) ∩ N > 0 = r2(1− b2N) = 0.
Se determina el conjunto que define las cotas para las celulas normales como
K2 =
0 ≤ N ≤ 1
b2
. (4.26)
Para establecer las cotas del conjunto compacto invariante de las celulas cancerosas se utiliza
42
la funcion localizadora h3 = T , se define la derivada de Lie como
Lfh3 = r1T (1− b1T )− c2IT − c3TN + c5TF
y se denota el conjunto S(h3) como
S(h3) = T = 0 ∪ r1(1− b1T )− c2I − c3N + c5F = 0,
S(h3) ∩ T > 0 = r1(1− b1T ) + c5F = 0.
Donde
S(h3) ∩K1 ⊂T ≤ 1
b2
+c5
r1b1b3
define el conjunto
K3 =
0 ≤ T ≤ 1
b2
+c5
r1b1b3
. (4.27)
Para el conjunto que define las cotas de las celulas inmune se propone la funcion h4 = I y
se obtiene su derivada de Lie como
Lfh4 = s+ρIT
α + T− c1IT − d1I,
para la cota superior se obtiene el conjunto
S(h4) =
d1I = s+
ρIT
α + T− c1IT
,
S(h4) ∩ I > 0 =
d1I = s+
ρIT
α + T
⊂ I(d1 − ρ) = s,
s(h4) ∩ I > 0 ⊂I ≤ s
d1 − ρ
,
43
y para obtener la cota inferior se considera el conjunto
S(h4) =
s = d1I −
ρIT
α + T+ c1IT
,
S(h4) ∩ I > 0 = s = d1I + c1IT ,
S(h4) ∩ I > 0 ∩K3 ⊂I ≥ s
d1 + c1Tmax
.
Entonces se define el conjunto de las celulas inmune K4 como
K4 =
s
d1 + c1
(1b1
+ c5r1b1b3
) ≤ I ≤ s
d1 − ρ
, ∀d1 > ρ. (4.28)
Por lo tanto
Π2 :=K1 ∩K2 ∩K3 ∩K4, (4.29)
K1 =
0 ≤ F ≤ 1
b3
,
K2 =
0 ≤ N ≤ 1
b2
,
K3 =
0 ≤ T ≤ 1
b2
+c5
r1b1b3
,
K4 =
s
d1 + c1
(1b1
+ c5r1b1b3
) ≤ I ≤ s
d1 − ρ
, ∀d1 > ρ.
Obteniendo que Π1 = Π2.
4.2.2. Condicion de atraccion para el conjunto ω−lımite
Se establece el siguiente teorema:
Teorema 4.2.1 Si se satisface la condicion para el tratamiento
s >
(r1 +
c5
b3
)(d1
c2
+c2
c2b1
+c1c5
c2b1b3r1
). (4.30)
44
entonces para toda x ∈ R4+,0 su conjunto ω−lımite esta localizado en
ω((I, T,N, F )T ) ⊂ T = 0 ∪ F = 0.
Demostracion. Para analizar las trayectorias del sistema de ecuaciones (4.21)-(4.24), se
propone la funcion
h5 = I−ξTNηF ζ , (4.31)
considerando los exponentes ξ, η, ζ > 0 se obtiene su derivada de Lie como
Lfh5 = h5[−ξsI− ξρT
α + T + µF+ ξc1T + ξd1 + r1 − r1b1T − c2I − c3N + c5F
+ηr2 − ηr2b2N − ηc4T + ζr3 − ζr3b3F − ζc6T ].
Se aplica la desigualdad de la media geometrica y aritmetica definida por
−ξsI− c2I ≤ −2
√ξsc2,
y la denotacion de ξ = ξ2 → ξ2. Por lo tanto la derivada de Lie se reescribe como
Lfh5 = h5[− ξ2ρT
α + T + µF+ T (ξ2c1 + r1b1ηc4 − ζc6) +N(−c3 − ηr2b2) (4.32)
+F (c5 − ζr3b3) + ξ2d1 + r1 + ηr2 + ζr3 − 2ξ√sc2]
y se establecen las condiciones
ξ2c1 − r1b1 − ηc4 − ζc6 ≤ 0, (4.33)
−c3 − ηr2b2 < 0, (4.34)
c5 − ζr3b3 ≤ 0, (4.35)
ξ2d1 + r1 + ηr2 + ζr3 − 2ξ√sc2 < 0. (4.36)
De acuerdo con la desigualdad (4.34) se supone que η = 0 y segun la desigualdad (4.35) se
45
elige que ζ = c5r3b3
. Entonces en lugar de las desigualdades (4.33)- (4.36) se obtiene
ξ ≤√r1b1 + ζc6
c1
= ξ∗, (4.37)
η = 0 (4.38)
ζ =c5
r3b3
, (4.39)
ξ± =
√sc2
d1
±
√sc2
d21
− r1 + ζr3
d1
. (4.40)
Las desigualdades (4.37)-(4.40) son consistentes si ξ ∈ (ξ−, ξ∗). Ademas, debido a que ξ− < ξ∗ se
comprueba que la condicion para el tratamiento (4.30) se satisface en las desigualdades (4.37)-
(4.40). De modo que la derivada de Lie en (4.32) es Lfh5 ≤ 0, por lo tanto, es posible aplicar el
teorema de LaSalle en (4.32). Pero si T = 0 ∪ F = 0 entonces la derivada de Lie (4.32) es
Lfh5 = 0.
4.2.3. Punto de equilibrio libre de tumor
Para obtener el Punto de Equilibrio Libre de Tumor (PELT) se tiene en cuenta que algunos
parametros pueden ser modificados para satisfacer las condiciones de estabilidad del PELT.
Para obtener este PE se consideran I,N, F > 0 y T = 0, obteniendo las siguientes ecuaciones
T = 0 (4.41)
s− d1I = 0 (4.42)
r2 − r2b2N = 0 (4.43)
r3 − r3b3F = 0 (4.44)
resolviendo las ecuaciones (4.42)-(4.44) se determina que el PELT es
PELT = E2 =[sd1
0 1b2
1b3
]T(4.45)
46
4.2.4. Linealizacion del sistema con respecto al PELT
Utilizando las primeras derivadas se genera la matriz Jacobiana y se evalua en (4.45)
J(E2) =
ρα−1 − d1 −c1sd
−11 − (ρs)(α2d1)−1 0 0
0 −c3b−12 + r1 − c2sd
−11 + c5b
−13 0 0
0 −c4b−12 −r2 0
0 −c6b−13 0 −r3
. (4.46)
Sus eigenvalores se definen por
λ1 = −r3, (4.47)
λ2 = −r2, (4.48)
λ3 = −d1, (4.49)
λ4 =c5
b3
+ r1 −c3
b2
− c2s
d1
. (4.50)
Para la estabilidad local del sistema en (4.45) el eigenvalor (4.50) debe cumplir con la
condicion de
c5
b3
+ r1 <c3
b2
+c2s
d1
. (4.51)
4.2.5. Simulaciones numericas
Se realizaron simulaciones en el sofware de Matlab, para analizar este modelo matematico
con respecto al tiempo en la Fig. 4.3 se utilizan las mismas condiciones iniciales que el primer
modelo de obesidad-cancer. Es decir, I0 = 1,799, T0 = 0,0001, N0 = 1,45 y F0 = 0,89. Las
unidades de los parametros estan dados en 1011 celulas por cm3, los parametros de la Tabla 4.2
se consideran como positivos. Estos valores satisfacen la condicion (4.51).
47
Tabla 4.2: Parametros utilizados para las simulaciones del segundo modelo obesidad-cancer.
α = 0,3 b1 = 1 b2 = 1 b3 = 1,2
c1 = 1 c2 = 0,1 c3 = 1 c4 = 1
c5 = 0,15 c6 = 1,7705 d1 = 0,2 ρ = 0,05
r1 = 1,5 r2 = 1 r3 = 0,12 s = 1,25
Se observa como las celulas normales e inmunes comienzan a crecer conforme las cancerosas
decrecen en aproximadamente el mismo tiempo que el primer modelo de obesidad-cancer. Ası
mismo, las celulas adiposas se encuentran en un rango normal para una persona sana (F = 0,8).
Las condiciones iniciales utilizadas para la Fig. 4.4 son:
C.I.1 =[1,8 0,0001 1 1,8
],
C.I.2 =[1,5 0,0001 2 2
],
C.I.3 =[0,8 0,0001 0,5 0,8
],
C.I.4 =[2 0,002 2 1,2
].
En la Fig. 4.4 se observa el comportamiento de las diferentes condiciones iniciales. Las trayec-
torias tienden al PELT ya que satisface la condicion (4.30). La dinamica de estas trayectorias
es muy similar a la que se presenta en el primer modelo de obesidad-cancer, la diferencia es
mınima.
48
0 20 40 60 80 100 120 140 160 180 2000
5
10Células inmune vs. Tiempo
t
x 1
0 20 40 60 80 100 120 140 160 180 2000
0.5
1x 10
−3 Células tumorales vs. Tiempo
t
x 2
0 20 40 60 80 100 120 140 160 180 2000.999
1
1.001Células normales vs. Tiempo
t
x 3
0 20 40 60 80 100 120 140 160 180 2000
1
2Células adiposas vs. Tiempo
t
x 4
Figura 4.3: Trayectoria de las poblaciones celulares del segundo modelo obesidad-cancer conrespecto al tiempo y el PELT representado con una lınea punteada de color rojo.
49
86
Células inmune
42
00
2
Células tumorales
4×10-3
2
1.5
1
0.56
Cé
lula
s a
dip
osa
s PELTC.I. 1C.I. 2C.I. 3C.I. 4
Figura 4.4: Dinamica del segundo modelo obesidad-cancer considerando las diferentes condi-ciones iniciales y el PELT.
50
4.3. Tercer modelo matematico para la interaccion
entre las celulas adiposas y la respuesta del sistema
inmune
Para el tercer modelo de obesidad-cancer se considera la interaccion de las celulas adiposas
con respecto a la respuesta del sistema inmune, por ello se agrega el termino µF obteniendo el
siguiente sistema de ecuaciones:
I = s+ρIT
α + T + µF− c1IT − d1I (4.52)
T = r1T (1− b1T )− c2IT − c3TN + c5TF (4.53)
N = r2N(1− b2N)− c4TN (4.54)
F = r3F (1− b3F )− c6TF (4.55)
La densidad de las celulas inmune con respecto al tiempo se representan como I(t); la
notacion ρITα+T+µF
es la respuesta del sistema inmune, d1 es la tasa de mortalidad natural de
celulas inmune, s es la tasa del origen de las celulas inmune, ρ es la tasa de la respuesta del
sistema inmune y c1 es un coeficiente de competencia.
La densidad de las celulas cancerosas con respecto al tiempo es T (t); la notacion r1 es la
tasa de crecimiento de las celulas cancerosas, b1 es la inversa de la carga maxima de las celulas
cancerosas y c2,3,5 son coeficientes de competencia.
La densidad de las celulas normales con respecto al tiempo se representa como N(t); donde
r2 es la tasa de crecimiento de las celulas normales, b2 es la inversa de la carga maxima y c4 es
un coeficiente de competencia.
La densidad de grasa con respecto al tiempo se representa como F (t); donde la notacion
r3 representa la tasa de crecimiento de las celulas adiposas, b3 es la inversa de la capacidad de
carga maxima de las celulas adiposas y c6 es un coeficiente de competencia. Obtenido de [51].
51
4.3.1. Localizacion de los conjuntos compactos invariantes
Proposicion 2 Las cotas (3.5) y (4.29) son las mismas para el sistema de euaciones (4.52)-
(4.55), lo que implica que Π1 = Π2 = Π3.
Demostracion. Se propone la funcion localizadora de h1 = F , se obtiene su derivada de
Lie
Lfh1 = r3F (1− b3F )− c6TF, (4.56)
y posteriormente se obtiene el conjunto S(h1) dado por
S(h1) = F = 0 ∪ r3(1− b3F )− c6T = 0,
S(h1) ⊂ F = 0 ∪ r3b3F − r3 ≥ 0.
Entonces se establece que la localizacion del primer conjunto esta dado por
K1 =
0 ≤ F ≤ 1
b3
. (4.57)
La siguiente funcion localizadora a utilizar es h2 = N , cuya derivada de Lie se define como
Lfh2 = r2N(1− b2N)− c4TN, (4.58)
se establece el conjunto S(h2) como
S(h2) = N = 0 ∪ r2(1− b2F )− c4T = 0,
S(h2) ⊂ x3 = 0 ∪ r2b2N − r2 ≥ 0
y se define el conjunto
K2 =
0 ≤ N ≤ 1
b2
. (4.59)
Para encontrar las cotas de las celulas cancerosas se propone la funcion localizadora h3 = T
52
y se calcula su derivada de Lie como
Lfh3 = r1T (1− b1T )− c2IT − c3TN + c5TF. (4.60)
Se define el conjunto
S(h3) = T = 0 ∪ r1(1− b1T )− c2I − c3N + c5F = 0,
S(h3) = T = 0 ∪ r1b1T = r1 + c5F,
que permite definir el conjunto
K3 =
0 ≤ T ≤ 1
b2
+c5
r1b1b3
. (4.61)
Para la localizacion de las cotas de las celulas inmune se propone la funcion localizadora
h4 = I donde su derivada de Lie se establece como
Lfh4 = s+ρIT
α + T− c1IT − d1I, (4.62)
para la localizacion de la cota maxima se establece el conjunto
S(h4) =
d1I = s+
ρIT
α + T− c1IT
,
S(h4) ∩ I > 0 ⊂d1I ≤ s+
ρIT
α + T
⊂ I(d1 − ρ) ≤ s,
s(h4) ∩ I > 0 ⊂I ≤ s
d1 − ρ
,
con la condicion d1 > ρ. Para obtener la cota mınima se considera el conjunto
S(h4) =
s = d1I −
ρIT
α + T+ c1IT
,
S(h4) ∩ I > 0 ⊂ s ≤ d1I + c1IT ,
S(h4) ∩ I > 0 ∩K3 ⊂I ≥ s
d1 + c1Tmax
.
53
Se define el conjunto K4 como
K4 =
s
d1 + c1
(1b1
+ c5r1b1b3
) ≤ I ≤ s
d1 − ρ
. (4.63)
Si d1 > ρ se cumple entonces todos los conjuntos compactos invariantes estaran localizados
dentro del dominio acotado
Π3 := K1 ∩K2 ∩K3 ∩K4, (4.64)
K1 =
0 ≤ F ≤ 1
b3
,
K2 =
0 ≤ N ≤ 1
b2
,
K3 =
0 ≤ T ≤ 1
b1|+
c5
r1b1b3
,
K4 =
s
d1 + c1
(1b1
+ c5r1b1b3
) ≤ I ≤ s
d1 − ρ
, ∀d1 > ρ.
Entonces se demuestra que Π1 = Π2 = Π3.
4.3.2. Analisis para la atraccion al conjunto ω−lımite
Se establece el siguiente teorema:
Teorema 4.3.1 Si se satisface la condicion para el tratamiento
s >1
c2
(r1 + c5
b3
)2
c1
4(r1b1 + c6c5
r3b3
) + d1r1 +d1c5
b3
, (4.65)
entonces para toda x ∈ R4+,0 su conjunto ω−lımite esta localizado en
ω((I, T,N, F )T ) ⊂ T = 0 ∪ F = 0.
54
Demostracion.
Para analizar las trayectorias del sistema de ecuaciones (4.52)-(4.55), se propone la funcion
h5 = I−ξTNηF ζ , (4.66)
considerando los exponentes ξ, η, ζ > 0 se obtiene su derivada de Lie como
Lfh5 = h[−ξsI− ξρT
α + T + µF+ ξc1T + ξd1 + r1 − r1b1T − c2I − c3N + c5F
+ηr2 − ηr2b2N − ηc4T + ζr3 − ζr3b3F − ζc6T ].
Se aplica la desigualdad entre la media geometrica y aritmetica definida por
−ξsI− c2I ≤ −2
√ξsc2,
y la denotacion de ξ = ξ2 → ξ2. Por lo tanto la derivada de Lie se reescribe como
Lfh5 = h[− ξ2ρT
α + T + µF+ T (ξ2c1 + r1b1ηc4 − ζc6) +N(−c3 − ηr2b2) (4.67)
+F (c5 − ζr3b3) + ξ2d1 + r1 + ηr2 + ζr3 − 2ξ√sc2]
y se establecen las condiciones
ξ2c1 − r1b1 − ηc4 − ζc6 ≤ 0, (4.68)
−c3 − ηr2b2 < 0, (4.69)
c5 − ζr3b3 ≤ 0, (4.70)
ξ2d1 + r1 + ηr2 + ζr3 − 2ξ√sc2 < 0. (4.71)
De acuerdo con la desigualdad (4.69) se supone que η = 0 y segun la desigualdad (4.70) se
55
elige que ζ = c5r3b3
. Entonces en lugar de las desigualdades (4.68)- (4.71) se obtienen
ξ ≤√r1b1 + ζc6
c1
= ξ∗, (4.72)
η = 0 (4.73)
ζ =c5
r3b3
, (4.74)
ξ± =
√sc2
d1
±
√sc2
d21
− r1 + ζr3
d1
. (4.75)
Las desigualdades (4.72)-(4.75) son consistentes si ξ ∈ (ξ−, ξ∗). Ademas, debido a que ξ− < ξ∗ se
comprueba que la condicion para el tratamiento (4.65) se satisface en las desigualdades (4.72)-
(4.75). Entonces la derivada de Lie en (4.67) es semi definida negativa. Por lo tanto, es posible
aplicar el teorema de LaSalle en (4.67). Si T = 0∪F = 0 entonces la derivada de Lie (4.67)
es Lfh5 = 0.
4.3.3. Punto de equilibrio libre de tumor
Para obtener el Punto de Equilibrio Libre de Tumor (PELT) se tiene en cuenta que algunos
parametros pueden ser modificados para satisfacer las condiciones de estabilidad del PELT.
Para obtener este PE se consideran I,N, F > 0 y T = 0 obteniendo las siguientes ecuaciones
T = 0 (4.76)
s− d1I = 0 (4.77)
r2 − r2b2N = 0 (4.78)
r3 − r3b3F = 0 (4.79)
resolviendo las ecuaciones (4.77)-(4.79) se determina que el PELT es
E3 =[sd1
0 1b2
1b3
]T(4.80)
56
4.3.4. Linealizacion del sistema con respecto al PELT
Para conocer si existe estabilidad local alrededor de este PELT del sistema de ecuaciones
(4.52)-(4.55) se consideran las primeras derivadas y se obtiene la matriz Jacobiana definida por
J(E3) =
−d1 −c1sd
−11 − (ρs)(αd1 + d1µb
−13 )−1 0 0
0 −c3b−12 + r1 − c2sd
−11 + c5b
−13 0 0
0 −c4b−12 −r2 0
0 −c6b−13 0 −r3
. (4.81)
Sus eigenvalores se definen por
λ1 = −r3 (4.82)
λ2 = −r2 (4.83)
λ3 = −d1 (4.84)
λ4 =c5
b3
+ r1 −c3
b2
− c2s
d1
(4.85)
Para la estabilidad local del sistema en (4.80) la condicion en el eigenvalor (4.85) es
c5
b3
+ r1 <c3
b2
+c2s
d1
. (4.86)
4.3.5. Simulaciones numericas
Se realizan simulaciones en el sofware de Matlab y se analiza la dinamica con respecto PELT
de acuerdo a las condiciones iniciales I0 = 1,8, T0 = 0,0001, N0 = 1,45 y F0 = 0,89. Las unidades
de los parametros estan dados en 1011 celulas por cm3, todos son considerados positivos y son
obtenidos de [51]. Los valores de la Tabla 4.3 se consideran proximos a la realidad.
57
Tabla 4.3: Parametros utilizados para las simulaciones del tercer modelo obesidad-cancer.
α = 0,3 b1 = 1 b2 = 1
b3 = 1,2 c1 = 1 c2 = 0,1
c3 = 1 c4 = 1 c5 = 0,15
c6 = 1,7705 d1 = 0,2 ρ = 0,05
r1 = 1,5 r2 = 1 r3 = 0,12
s = 1,25 µ = 0,1
Con el fin de comparar los tres modelos de obesidad-cancer se han realizados las mismas
simulaciones para los tres modelos de obesidad-cancer y se ha utilizado la misma cantidad de
tiempo, es decir, 200 dıas. Los valores utilizados satisface la condicion (4.86).
A diferencia de los modelos de obesidad-cancer anteriores, este sistema de ecuaciones (4.52)-
(4.55) presenta un mayor cambio en las trayectas ante el nuevo termino µF . El tiempo de
estabilidad es menor que en los modelos anteriores de obesidad-cancer, siendo mas notorio en
las celulas cancerosas y normales. Como se puede observar en la Fig. 4.5.
En la Fig 4.6 se cumple con la condicion (4.65) y las trayectorias tienden al PELT. Se utilizan
cuatro C.I. definidas como
C.I.1 =[1,8 0,0001 1 1,8
],
C.I.2 =[1,5 0,0001 2 2
],
C.I.3 =[0,8 0,0001 0,5 0,8
],
C.I.4 =[2 0,002 2 1,2
].
En la Fig. 4.6 las trayectorias tienden al plano T=0 .
58
0 20 40 60 80 100 120 140 160 180 2000
5
10Células inmune vs. Tiempo
t
x 1
0 20 40 60 80 100 120 140 160 180 2000
5x 10
−4 Células tumorales vs. Tiempo
t
x 2
0 20 40 60 80 100 120 140 160 180 2000.9996
0.9998
1Células normales vs. Tiempo
t
x 3
0 20 40 60 80 100 120 140 160 180 2000
1
2Células adiposas vs. Tiempo
t
x 4
Figura 4.5: Trayectoria de las poblaciones celulares del tercer modelo obesidad-cancer conrespecto al tiempo y el PELT representado con una lınea punteada de color rojo.
59
86
Células inmune
42
001
Células tumorales
23
×10-3
1
1.5
2
0.54
Cé
lula
s a
dip
osa
s
PELTC.I. 1C.I. 2C.I. 3C.I. 4
Figura 4.6: Dinamica del tercer modelo obesidad-cancer considerando las diferentes condicionesiniciales y el PELT..
4.4. Conclusion
Los tres modelos matematicos analizados en este capıtulo varian matematicamente muy
poco. Sin embargo, se logra distinguir un cambio en las trayectorias de los diferentes modelos
y el tiempo para aproximarse al PELT tambien es diferente. A pesar de esto, se mantienen los
resultados para las cotas ınfimas y supremas en los tres modelos obesidad-cancer, tambien se
concluye que los diferentes terminos agregados en las ecuaciones no modifican al valor del punto
de equilibrio libre de tumor [51].
En el segundo modelo de obesidad-cancer es posible establecer una condicion referente al
tratamiento para que la poblacion de celulas tumorales o adiposas tiendan a cero. Si las celulas
cancerosas se erradican entonces el paciente sobrevive pero si las celulas adiposas se erradican
entonces el paciente muere. Se demuestra que es posible hacer uso del teorema de LaSalle. En
60
la Fig. 4.4 se concluye la erradicacion de las celulas tumorales.
El tercer modelo de obesidad-cancer tiene mayor complejidad que los modelos anteriores,
se establece la condicion para que las trayectorias tiendan al conjunto ω-lımite y se aplica el
teorema de LaSalle. En la Fig 4.6 se muestra que las trayectorias tienden al plano T = 0,
entonces el paciente sobrevive al tratamiento.
Es posible que existan otros puntos de equilibrio, el punto de equilibrio interno donde las
todas las poblaciones celulares son mayores a cero, este punto de equilibrio podrıa ser de interes
ya que el paciente tambien sobrevive. En este caso, para que el paciente sobreviva el valor de
las celulas tumorales debe ser muy pequeno y el numero de celulas normales debe ser proximo
a uno, de lo contrario el paciente no sobrevirıa. Otros puntos de equilibrio implican que el
paciente ha fallecido, como lo son los casos cuando las celulas normales, las celulas adiposas y/o
las celulas inmunitarias tienden a cero.
El objetivo final del analisis en los modelos de obesidad-cancer es disminuir la poblacion
celular tumoral, mientras que se mantengan las celulas normales en un valor determinado de-
pendiente del tratamiento.
61
Capıtulo 5
Conclusiones
El objetivo principal de este trabajo de tesis sera poder aplicar el metodo de LCCI en los
sistemas analizados: el sistema simple biofısico y los tres modelos de obesidad-cancer. Se deter-
minaron conjuntos con cotas ınfimas y supremas de todos los sistemas analizados por medio de
la LCCI, acotando los conjuntos compactos invariantes obtenidos, como los puntos de equilibrio
y un conjunto atractor. Tambien fue posible aplicar el teorema de Lyapunov y el principio de
invarianza de LaSalle para el analisis de las dinamicas de los sistemas y establecimiento de
estabilidad.
Se establece una relacion entre las celulas inmune, tumorales y sus complejos. Para este
modelo no fue posible la erradicacion de las celulas tumorales pero si su disminucion a tal
grado que permite a un paciente sobrevivir. Los resultados arrojados en las simulaciones se
interpretan como un tumor durmiente. Se especıfica que un tumor durmiente puede mantenerse
latente incluso por anos.
Se estudian algunas conexiones entre la obesidad y el sobrepeso con respecto a la enfermedad
del cancer, algunos efectos de la obesidad sobre el tejido adiposo y como el metabolismo de una
persona obesa puede propiciar la proliferacion de las celulas cancerosas. Sin embargo, es posible
erradicar el tumor estableciendo algunas condiciones dependientes del tratamiento. Se hace la
aclaracion que esta erradicacion es teorica ya que influyen varios factores como la respuesta del
sistema inmune, cuanto es el sobrepeso que tiene el paciente y si la cantidad de tratamiento
establecida en las condiciones es adecuada o perjudicial para el paciente.
Como resulrado de este trabajo de investigacion fue posible presentar en el IV Congreso
62
Internacional de Investigacion en Tijuana (CI2T), en marzo de 2018 en las instalaciones de la
Universidad Autonoma de Baja California, el artıculo “Analisis sobre la dinamica de un sistema
inmune-tumoral”. Ası mismo este artıculo fue publicado en la revista [55].
Se pretende aportar a la investigacion teorica el analisis local y/o global de sistemas biologi-
cos, con el objetivo de erradicar las celulas cancerosas. Y en un futuro aplicar la metodologia
en diferentes modelos matematicos de sistemas biofısicos.
63
Bibliografıa
[1] Garza Salazar, J. G., and Juarez Sanchez, P. (2013). El cancer (No. 8). Universidad Autono-
ma de Nuevo Leon.
[2] Bray, F., Ferlay, J., Soerjomataram, I., Siegel, R. L., Torre, L. A., and Jemal, A. (2018).
Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide
for 36 cancers in 185 countries. CA: a cancer journal for clinicians, 68(6), 394-424.
[3] Instituto Nacional de Estadıstica y Geografıa (INEGI). (2018). Obtenido de
http://www.beta.inegi.org.mx
[4] Organizacion Mundial de la Salud (OMS). (2018). Obtenido de https://www.who.int/es
[5] ENSANUT. (2016). Encuesta Nacional de Salud y Nutricion . Obtenido de
https://ensanut.insp.mx/ensanut2016/index.php
[6] Wellen, K. E., and Hotamisligil, G. S. (2003). Obesity-induced inflammatory changes in
adipose tissue. The Journal of clinical investigation, 112(12), 1785-1788.
[7] Ohmura, K., Ishimori, N., Ohmura, Y., Tokuhara, S., Nozawa, A., Horii, S., ... and Tsutsui,
H. (2010). Natural killer T cells are involved in adipose tissues inflammation and glucose
intolerance in diet-induced obese mice. Arteriosclerosis, thrombosis, and vascular biology,
30(2), 193-199.
[8] Calle, E. E., and Kaaks, R. (2004). Overweight, obesity and cancer: epidemiological evi-
dence and proposed mechanisms. Nature Reviews Cancer, 4(8), 579.
[9] Calle, E. E., and Thun, M. J. (2004). Obesity and cancer. Oncogene, 23(38), 6365.
64
[10] Taubes, G. (2012). Unraveling the obesity-cancer connection.
[11] Van Kruijsdijk, R. C., van der Wall, E., and Visseren, F. L. (2009). Obesity and cancer:
the role of dysfunctional adipose tissue. Cancer Epidemiology and Prevention Biomarkers,
18(10), 2569-2578.
[12] Kirschner, D., and Panetta, J. C. (1998). Modeling immunotherapy of the tumor–immune
interaction. Journal of mathematical biology, 37(3), 235-252.
[13] Novozhilov, A. S., Berezovskaya, F. S., Koonin, E. V., and Karev, G. P. (2006). Mathe-
matical modeling of tumor therapy with oncolytic viruses: regimes with complete tumor
elimination within the framework of deterministic models. Biology direct, 1(1), 6.
[14] Ga lach, M. (2003). Dynamics of the Tumor—Immune System Competition—the Effect
of Time Delay. International Journal of Applied Mathematics and Computer Science, 13,
395-406.
[15] Karev, G. P., Novozhilov, A. S., and Koonin, E. V. (2006). Mathematical modeling of
tumor therapy with oncolytic viruses: effects of parametric heterogeneity on cell dynamics.
Biology direct, 1(1), 30.
[16] Krishchenko, A. P. (1995). Localization of limit cycles. Differentsial’nye uravneniya, 31(11),
1858-1865.
[17] Krishchenko, A. P. (1997). Estimations of domains with cycles. Computers & Mathematics
with Applications, 34(2-4), 325-332.
[18] Krishchenko, A. P. (2005). Localization of invariant compact sets of dynamical systems.
Differential Equations, 41(12), 1669-1676.
[19] Krishchenko, A. P., and Starkov, K. E. (2006). Localization of compact invariant sets of
the Lorenz system. Physics Letters A, 353(5), 383-388.
[20] Starkov, K. E., and Pogromsky, A. Y. (2013). On the global dynamics of the Owen–Sherratt
model describing the tumor–macrophage interactions. International Journal of Bifurcation
and Chaos, 23(02), 1350020.
65
[21] Starkov, K. E., and Coria, L. N. (2013). Global dynamics of the Kirschner–Panetta model
for the tumor immunotherapy. Nonlinear Analysis: Real World Applications, 14(3), 1425-
1433.
[22] Starkov, K. E., and Krishchenko, A. P. (2014). On the global dynamics of one cancer
tumour growth model. Communications in Nonlinear Science and Numerical Simulation,
19(5), 1486-1495.
[23] Starkov, K. E., and Gamboa, D. (2014). Localization of compact invariant sets and global
stability in analysis of one tumor growth model. Mathematical Methods in the Applied
Sciences, 37(18), 2854-2863.
[24] Starkov, K. E., and Villegas, A. (2014). On some dynamical properties of a seven-
dimensional cancer model with immunotherapy. International Journal of Bifurcation and
Chaos, 24(02), 1450020.
[25] Starkov, K. E., and Plata-Ante, C. (2014). On the global dynamics of the cancer AIDS-
related mathematical model. Kybernetika, 50(4), 563-579.
[26] Valle, P. A., Coria, L. N., and Starkov, K. E. (2014). Estudio de la dinamica global para
un modelo de Evasion-Inmune de un tumor cancerıgeno. Computacion y Sistemas, 18(4),
773-786.
[27] Krishchenko, A. P., and Starkov, K. E. (2016). On the global dynamics of a chronic myelo-
genous leukemia model. Communications in Nonlinear Science and Numerical Simulation,
33, 174-183.
[28] Starkov, K. E. (2016). On bounded and unbounded dynamics of the Hamiltonian system
for unified scalar field cosmology. Physics Letters A, 380(24), 2064-2068.
[29] Valle, P. A., Starkov, K. E., and Coria, L. N. (2016). Global stability and tumor clearance
conditions for a cancer chemotherapy system. Communications in Nonlinear Science and
Numerical Simulation, 40, 206-215.
66
[30] Starkov, K. E., and Bunimovich-Mendrazitsky, S. (2016). Dynamical properties and tumor
clearance conditions for a nine-dimensional model of bladder cancer immunotherapy. Math.
Biosci. Eng, 13, 1059-1075.
[31] Korobeinikov, A., Starkov, K. E., and Valle, P. A. (2017, February). Modeling cancer evolu-
tion: evolutionary escape under immune system control. In Journal of Physics: Conference
Series (Vol. 811, No. 1, p. 012004). IOP Publishing.
[32] Starkov, K. E., and Jimenez Beristain, L. (2017). Dynamic analysis of the melanoma model:
from cancer persistence to its eradication. International Journal of Bifurcation and Chaos,
27(10), 1750151.
[33] K.E. Starkov, A.P. Krishchenko, Ultimate dynamics of the Kirshchner-Panetta model: Tu-
mor eradication and related problems, Physics Letters A, 381, pp. 3409-3416, 2017.
[34] K.E. Starkov, On dynamic tumor eradication conditions under combined chemical/antian-
giogenic therapies, Physics Letters A, 382, pp.387-393, 2018 .
[35] Krishchenko, A. P., and Starkov, K. E. (2018). The four-dimensional Kirschner-Panetta
type cancer model: How to obtain tumor eradication?. Mathematical biosciences and engi-
neering: MBE, 15(5), 1243-1254.
[36] Starkov, K. E., and Garfias, G. A. (2018). Dynamics of the tumor-immune-virus interac-
tions: Convergence conditions to tumor-only or tumor-free equilibrium points. Mathemati-
cal biosciences and engineering: MBE, 16(1), 421-437.
[37] Khalil, H. K., and Grizzle, J. W. (2002). Nonlinear systems (Vol. 3). Upper Saddle River,
NJ: Prentice hall.
[38] Wiggins, S. (2003). Introduction to applied nonlinear dynamical systems and chaos (Vol.
2). Springer Science and Business Media.
[39] Ogata, K., and Yang, Y. (1997). Modern control engineering (Vol. 3). Prentice-Hall.
[40] Perko, L. (2013). Differential equations and dynamical systems (Vol. 7). Springer Science
and Business Media.
67
[41] Hirsch, M. W., Smale, S., and Devaney, R. L. (2012). Differential equations, dynamical
systems, and an introduction to chaos. Academic press.
[42] Strogatz, S. H. (2018). Nonlinear Dynamics and Chaos with Student Solutions Manual:
With Applications to Physics, Biology, Chemistry, and Engineering. CRC Press.
[43] Starkov, K. E. (2004). Localization of periodic orbits of autonomous systems based on high-
order extremum conditions. Mathematical Problems in Engineering, 2004(3), 277-290.
[44] Starkov, K., and Coria, L. N. (2005, August). Examples of localization of periodic orbits of
polynomial systems. In Proceedings. 2005 International Conference Physics and Control,
2005. (pp. 606-609). IEEE.
[45] Krishchenko, A. P., and Starkov, K. E. (2006). Localization of compact invariant sets of
the Lorenz system. Physics Letters A, 353(5), 383-388.
[46] Seron, M. M., and Braslavsky, J. H. (2000). Sistemas no lineales. Departamento de
Electronica, Universidad Nacional de Rosario, Primer Cuatrimestre.
[47] d’Onofrio, Alberto, and Armando Ciancio. Simple biophysical model of tumor evasion from
immune system control. Physical Review E, 2011, vol. 84, no 3, p. 031910.
[48] Matzavinos, Anastasios, Mark AJ Chaplain, and Vladimir A. Kuznetsov. Mathematical
modelling of the spatio-temporal response of cytotoxic T-lymphocytes to a solid tumour.
Mathematical Medicine and Biology, 2004, vol. 21, no 1, p. 1-34.
[49] Hadfield, G. (1954). The dormant cancer cell. British medical journal, 2(4888), 607.
[50] Wheelock, E. F., Weinhold, K. J., and Levich, J. (1981). The tumor dormant state. In
Advances in cancer research (Vol. 34, pp. 107-140). Academic Press.
[51] Ku-Carrillo, R. A., Delgadillo, S. E., and Chen-Charpentier, B. M. (2016). A mathematical
model for the effect of obesity on cancer growth and on the immune system response.
Applied Mathematical Modelling, 40(7-8), 4908-4920.
68
[52] De Pillis, L. G., and Radunskaya, A. (2001). A mathematical tumor model with immune re-
sistance and drug therapy: an optimal control approach. Computational and Mathematical
Methods in Medicine, 3(2), 79-100.
[53] De Pillis, L. G., and Radunskaya, A. (2003). The dynamics of an optimally controlled tumor
model: A case study. Mathematical and computer modelling, 37(11), 1221-1244.
[54] Patel, M. S., Shah, H. S., and Shrivastava, N. (2017). c-Myc-Dependent Cell Competition
in Human Cancer Cells. Journal of cellular biochemistry, 118(7), 1782-1791.
[55] Anaya Z., Starkov KE. (2018). Analisis sobre la dinamica de un sistema inmune-humoral.
Revista Aristas. Ciencia Basica y Aplicada 2018;6;146-149, ISSN 2007-9478.
69