Penentuan Parameter Model Kinematika Vesikel Ekstraseluler Untuk Deteksi Dini Kanker Menggunakan Algoritma Particle Swarm Optimization (PSO)
View/ Open
Date
2024-01Author
Awani, Meutia
Kartono, Agus
Sari, Yessie Widya
Metadata
Show full item recordAbstract
Vesikel Ekstraseluler (EV) dihasilkan oleh hampir semua sel dalam tubuh. Selain dihasilkan oleh sel normal, EV juga dirilis oleh sel kanker. Pada bidang kedokteran, EV yang berasal dari sel tumor mewakili biomarker untuk deteksi dan pemantauan perkembangan kanker. EV dianggap sebagai sebuah partikel yang bergerak, persamaan gerak EV tersebut secara kinematika dapat dinyatakan dalam persamaan kelajuan. Simulasi perkembangan tumor dapat dijelaskan oleh model produksi, distribusi dan eliminasi dari EV, sehingga hubungan antara ukuran tumor dan tingkat sirkulasi EV total (bEV) serta EV tumor (tEV) dalam darah dapat diprediksi. Model digambarkan dalam bentuk persamaan diferensial orde satu
terkopel. Solusi numerik dari model tersebut dihitung menggunakan metode Runge-Kutta dari fungsi ODE45, kemudian dioptimasi menggunakan algoritma Particle Swarm Optimization (PSO). PSO dapat meningkatkan keakuratan model produksi, distribusi dan eliminasi dari EV dengan menghasilkan model terbaik mendekati dengan data eksperimen. Berdasarkan nilai R2, PSO meningkatkan keakurasian model produksi, distribusi dan eliminasi pada darah, hati, urin dan liver menjadi sebesar 99,99%, 96,36%, 63,08%, dan 80,05%. Berdasarkan model produksi, diperoleh tingkat tEV yang dihasilkan setiap 1 mm3 volume tumor meningkatkan tEV berkisar antara 20 – 1900 tEV mL−1 darah. Sebagian besar jumlah tEV diambil oleh organ yang berfenestrasi seperti hati, dengan akumulasi penyerapan yang cepat sebesar 30% dari dosis. Beberapa dosis juga ditemukan pada rute eliminasi melalui urin dan feses. Extracellular Vesicles (EVs) are produced by almost all cells in the body. Besides being produced by normal cells, EVs are also released by cancer cells. In the field of medicine, EVs derived from tumor cells represent biomarkers for the detection and monitoring of cancer progression. EVs are considered as a moving particle, the equation of motion of EVs can be expressed kinematically as a velocity equation. The simulation of tumor progression can be described by the production, distribution and elimination model of EVs, so that the relationship between tumor size and the circulation rate of total EVs (bEV) as well as tumor EVs (tEV) in blood can be predicted. The model is described in the form of coupled first-order differential equations. The numerical solution of the model is calculated using the Runge-Kutta method of the ODE45 function, then optimized using the Particle Swarm Optimization (PSO) algorithm. PSO can improve the accuracy of the production, distribution and elimination models of EVs by producing the best model close to the experimental data. Based on the R2 value, PSO increased the
accuracy of the production, distribution and elimination models in blood, liver, urine and liver to 99.99%, 96.36%, 63.08%, and 80.05%. Based on the production model, the level of tEV produced per 1 mm3
tumor volume increased tEV ranged from 20 - 1900 tEV mL−1 blood. Most of the tEV amount was taken up by the penetrating organs such as the liver, with rapid accumulation of absorption at 30% of the dose. Some dose is also found in the elimination routes via urine and feces.
Collections
- UT - Physics [1089]