ABSTRACT Bone-forming osteoblasts and -resorbing osteoclasts control bone injury repair, and myeloid-derived cells such as monocytes and macrophages are known to influence their behavior. However, precisely how these multiple cell types coordinate and regulate each other over time to repair injured bone is difficult to dissect using biological approaches. Conversely, mathematical modeling lends itself well to this challenge. Therefore, we generated an ordinary differential equation (ODE) model powered by experimental data (osteoblast, osteoclast, bone volume, pro- and anti-inflammatory myeloid cells) obtained from intra-tibially injured mice. Initial ODE results using only osteoblast/osteoclast populations demonstrated that bone homeostasis could not be recovered after injury, but this issue was resolved upon integration of pro- and anti-inflammatory myeloid population dynamics. Surprisingly, the ODE revealed temporal disconnects between the peak of total bone mineralization/resorption, and osteoblast/osteoclast numbers. Specifically, the model indicated that osteoclast activity must vary greatly (>17-fold) to return the bone volume to baseline after injury and suggest that osteoblast/osteoclast number alone is insufficient to predict bone the trajectory of bone repair. Importantly, the values of osteoclast activity fall within those published previously. These data underscore the value of mathematical modeling approaches to understand and reveal new insights into complex biological processes.

The Hybrid Automata Library (HAL) is a Java Library developed for use in mathematical oncology modeling. It is made of simple, efficient, generic components that can be used to model complex spatial systems. HAL's components can broadly be classified into: on- and off-lattice agent containers, finite difference diffusion fields, a GUI building system, and additional tools and utilities for computation and data collection. These components are designed to operate independently and are standardized to make them easy to interface with one another. As a demonstration of how modeling can be simplified using our approach, we have included a complete example of a hybrid model (a spatial model with interacting agent-based and PDE components). HAL is a useful asset for researchers who wish to build efficient 1D, 2D and 3D hybrid models in Java, while not starting entirely from scratch. It is available on github at https://github.com/MathOnco/HAL under the MIT License. HAL requires at least Java 8 or later to run, and the Java JDK version 1.8 or later to compile the source code.

Initiation and progression of cancers reflects the underlying process of somatic evolution, which follows a Darwinian logic, i.e. , diversification of heritable phenotypes provides a substrate for natural selection, resulting in the outgrowth of the most fit subpopulations. Whereas somatic evolution can tap into multiple sources of diversification, it is assumed that it lacks access to (para)sexual recombination—one of the most powerful diversification mechanisms throughout all strata of life. Based on observations of spontaneous fusions involving cancer cells, reported genetic instability of polypoid cells, and precedence of fusion-mediated parasexual recombination in fungi, we interrogated whether cell fusions could serve as a source of parasexual recombination in cancer cell populations. Using differentially labelled tumor cells, we found evidence of low-frequency, spontaneous cell fusions in all of the tested breast cancer cell lines both in vitro and in vivo . While some hybrids remained polyploid, many displayed partial ploidy reduction, generating diverse progeny with heterogeneous combinations of parental alleles. Hybrid cells also displayed elevated levels of phenotypic plasticity, which may further amplify the impact of cell fusions on the diversification of phenotypic traits. Using mathematical modeling, we demonstrated that observed rates of spontaneous somatic cell fusions may allow populations of tumor cells to explore larger areas of the adaptive landscape, relative to strictly asexual populations, which may substantially accelerate a tumor’s ability to adapt to new selective pressures.

Acquired therapy resistance to cancer treatment is a common and serious clinical problem. The classic U-shape model for the emergence of resistance supposes that: (1) treatment changes the selective pressure on the treatment-naive tumour; (2) this shifting pressure creates a proliferative or survival difference between sensitive cancer cells and either an existing or de novo mutant; (3) the resistant cells then out-compete the sensitive cells and -- if further interventions (like drug holidays or new drugs or dosage changes) are not pursued -- take over the tumour: returning it to a state dangerous to the patient. The emergence of ruxolitinib resistance in chronic myelomonocytic leukemia (CMML) seems to challenge the classic model: we see the global properties of resistance, but not the drastic change in clonal architecture expected with the selection bottleneck. To study this, we explore three population-level models as alternatives to the classic model of resistance. These three effective models are designed in such a way that they are distinguishable based on limited experimental data on the time-progression of resistance in CMML. We also propose a candidate reductive implementation of the proximal cause of resistance to ground these effective theories. With these reductive implementations in mind, we also explore the impact of oxygen diffusion and spatial structure more generally on the dynamics of CMML in the bone marrow concluding that, even small fluctuations in oxygen availability can seriously impact the efficacy of ruxolitinib. Finally, we look at the ability of spatially distributed cytokine signaling feedback loops to produce a relapse in symptoms similar to what we observe in the clinic.

ABSTRACT Myeloid-derived monocyte and macrophages are key cells in the bone that contribute to remodeling and injury repair. However, their temporal polarization status and control of boneresorbing osteoclasts and bone-forming osteoblasts responses is largely unknown. In this study, we focused on two aspects of monocyte/macrophage dynamics and polarization states over time: 1) the injury-triggered pro- and anti-inflammatory monocytes/macrophages temporal profiles, 2) the contributions of pro-versus anti-inflammatory monocytes/macrophages in coordinating healing response. Bone healing is a complex multicellular dynamic process. While traditional in vitro and in vivo experimentation may capture the behavior of select populations with high resolution, they cannot simultaneously track the behavior of multiple populations. To address this, we have used an integrated a coupled ordinary differential equations (ODEs)-based framework describing multiple cellular species to in vivo bone injury data in order to identify and test various hypotheses regarding bone cell populations dynamics. Our approach allowed us to infer several biological insights including, but not limited to,: 1) anti-inflammatory macrophages are key for early osteoclast inhibition and pro-inflammatory macrophage suppression, 2) pro-inflammatory macrophages are involved in osteoclast bone resorptive activity, whereas osteoblasts promote osteoclast differentiation, 3) Pro-inflammatory monocytes/macrophages rise during two expansion waves, which can be explained by the anti-inflammatory macrophages-mediated inhibition phase between the two waves. In addition, we further tested the robustness of the mathematical model by comparing simulation results to an independent experimental dataset. Taken together, this novel comprehensive mathematical framework allowed us to identify biological mechanisms that best recapitulate bone injury data and that explain the coupled cellular population dynamics involved in the process. Furthermore, our hypothesis testing methodology could be used in other contexts to decipher mechanisms in complex multicellular processes. Author Summary Myeloid-derived monocytes/macrophages are key cells for bone remodeling and injury repair. However, their temporal polarization status and control of bone-resorbing osteoclasts and boneforming osteoblasts responses is largely unknown. In this study, we focused on two aspects of monocyte/macrophage population dynamics: 1) the injury-triggered pro- and anti-inflammatory monocytes/macrophages temporal profiles, 2) the contributions of pro-versus anti-inflammatory monocytes/macrophages in coordinating healing response. In order to test various hypotheses regarding bone cell populations dynamics, we have integrated a coupled ordinary differential equations-based framework describing multiple cellular species to in vivo bone injury data. Our approach allowed us to infer several biological insights including: 1) anti-inflammatory macrophages are key for early osteoclast inhibition and pro-inflammatory macrophage suppression, 2) pro-inflammatory macrophages are involved in osteoclast bone resorptive activity, whereas osteoblasts promote osteoclast differentiation, 3) Pro-inflammatory monocytes/macrophages rise during two expansion waves, which can be explained by the anti-inflammatory macrophages-mediated inhibition phase between the two waves. Taken together, this mathematical framework allowed us to identify biological mechanisms that recapitulate bone injury data and that explain the coupled cellular population dynamics involved in the process.