Modélisation de processus cancéreux et méthodes superconvergentes de résolution de problèmes d'interface sur grille cartésienne - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2016

Modeling of cancer phenomena and superconvergent methods for the resolution of interface problems on Cartesian grid

Modélisation de processus cancéreux et méthodes superconvergentes de résolution de problèmes d'interface sur grille cartésienne

Résumé

In this thesis, we present a study about phenomena of tumor invasion, at the tissues and cell scales. The first part is devoted to two continuous mathematical models. The first one is a macroscopic model for breast cancer growth, which focuses on the transition between the stage in situ and the invasive phase of growth. This model is based on advection equations for cellular species. The geometry and possible tissue damage are taken into account. Invasion occurs when the tumor cells produce proteolytic enzymes. The second model deals with the phenomenon of invadopodia, at the cell scale. This is a free boundary problem, which describes the change in morphology of pre-metastatic cells, enabling them to degrade the tissues and migrate into the rest of the body. Each of these models reflects the strong coupling of biological phenomena. The second part is devoted to numerical methods specifically developed to solve these problems and overcome coupling and nonlinearities. They are built on uniform Cartesian grids, thanks to the finite difference method, and a stabilized version of the Ghost fluid method. Their peculiarity is to take full advantage of superconvergence properties of the Poisson problem solution. These properties are specifically studied, leading to the first or second order numerical computation of the problems of breast cancer and invadopodia, depending on the desired accuracy. These methods can also be used to solve other free boundary problems.
Cette thèse présente des travaux concernant des phénomènes d'invasion tumorale, aux échelles tissulaire et cellulaire. La première partie est consacrée à deux modèles mathématiques continus. Le premier est un modèle macroscopique de croissance d'un cancer du sein qui se focalise sur la description du passage du stade in situ au stade invasif. Basé sur des équations d'advection d'espèces cellulaires, il tient compte de la géométrie et de l'éventuelle dégradation des tissus, dans le cas où la tumeur produit des enzymes protéolytiques qui permettent l'invasion. Le second modèle concerne le phénomène d'invadopodia, à l'échelle de la cellule. C'est un problème d'interface mobile qui décrit le changement de morphologie des cellules pré-métastatiques qui leur permet de dégrader les tissus pour migrer dans le reste de l'organisme. Chacun de ces deux modèles tient compte des couplages forts inhérents au phénomènes biologiques en jeu. La seconde partie est consacrée aux méthodes numériques développées pour résoudre ces deux problèmes et surmonter les difficultés liées aux couplages et non linéarités. Elles sont construites sur grille cartésienne uniforme, à partir des différences finies et d'une version stabilisée de la méthode Ghost fluid. Leur particularité est de tirer pleinement parti des propriétés de superconvergence de la solution du problème de Poisson, spécifiquement étudiées afin d'aboutir à la résolution des problèmes de cancer du sein et d'invadopodia à l'ordre un ou deux, en fonction de la précision désirée. Ces méthodes peuvent également être utilisées pour résoudre d'autres problèmes d'interface mobile.
Fichier principal
Vignette du fichier
manthesis.pdf (53.12 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-01419334 , version 1 (19-12-2016)

Identifiants

  • HAL Id : tel-01419334 , version 1

Citer

Olivier Gallinato. Modélisation de processus cancéreux et méthodes superconvergentes de résolution de problèmes d'interface sur grille cartésienne. Modélisation et simulation. Université de Bordeaux, 2016. Français. ⟨NNT : ⟩. ⟨tel-01419334⟩
269 Consultations
139 Téléchargements

Partager

Gmail Facebook X LinkedIn More