كنترل ميزان تزريق ويروس آنكوليتيك با در نظر گرفتن تاخير زماني

Control of the Amount of Oncolytic Virus Injection by Considering Time Delay

ويروس‌درماني آنكوليتيك يك استراتژي نويد دهنده جديد عليه سرطان است. ويروس‌هاي آنكوليتيك مي‌توانند در سلول‌هاي سرطاني و نه در سلول‌هاي طبيعي تكثير شوند، كه منجر به ليز توده تومور و تحريك سيستم ايمني مي‌شود. حين ويروس‌درماني، يك تاخير زماني از زماني كه سرايت ويروسي اوليه در سلول‌ تومور اتفاق افتاده تا زماني كه اين سلول‌هاي آلوده به مرحله‌اي برسند كه قادر به آلوده كردن ساير سلول‌هاي تومور باشند، وجود دارد. دانستن تاثير اين تاخير بر ويروس‌درماني سرطان مهم است. بدين منظور يك مدل رياضي براي شناخت اين تاخير معرفي شده‌ است. براي تحليل اثرات تاخير در ويروس‌درماني، مدل با افزودن دو كنترل ويروس‌درماني و ايمن‌درماني بازسازي شد. در نهايت، با استفاده از شبيه‌سازي عددي، براي نخستين بار طراحي و استفاده از يك كنترل‌كننده جبران‌ساز توزيع شده موازي فازي انجام شد. نتايج عددي نشان داد با اعمال كنترل مناسب، با گذشت زمان، كاهش جمعيت سلول‌هاي توموري به زير 10 درصد رخ مي‌دهد. همچنين مشاهده مي‌شود استفاده از معيار پايداري مستقل از تاخير براي طراحي كنترل‌كننده جبران‌ساز توزيع شده موازي حساسيت پاسخ سيستم به افزايش تاخير زماني را تا حد قابل قبولي كاهش داده است. از آنجا كه سيستم مورد مطالعه فقط در يكي از مراجع معرفي و تنها كنترل‌كننده بهينه بر آن اعمال شده است، مقايسه صورت گرفته، برتري و قدرت كنترل‌كننده طراحي شده را نشان مي‌دهد.

Oncolytic viral therapy is a new promising strategy against cancer. Oncolytic viruses can replicate in cancer cells rather than in normal cells, leading to lysis of the tumor mass and stimulate the immune system. During cancer viral therapy, there is a time delay from the initial virus infection of the tumor cells up to the time those infected cells reach the stage of being able to infect other cells. It is important to understand how the delay affects cancer viral therapy. For this purpose, a mathematical model is introduced to identify this delay. To analyze the effects of delay on virus therapy, the model was reconstructed by adding both virus therapy and immunotherapy control. Finally, using a numerical simulation, a fuzzy parallel distributed compensation controller was designed for the first time. Numerical results showed that with proper control, the tumor cell population decreased to below 10% over time. It is also observed that the use of a delay-independent stability criterion for the design of the parallel distributed compensation controller has reduced the sensitivity of the system response to increasing time delay to an acceptable level. Since the studied system is introduced only in one reference and only the optimal controller is applied, the comparison shows the superiority and power of the designed fuzzy parallel distributed compensation controller.