CAR-T cell immunotherapy in hematological cancers: insights from mathematical models

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Paixão, Emanuelle Arantes lattes
Orientador(a): Almeida, Regina Célia Cerqueira de, Barros, Luciana Rodrigues Carvalho
Banca de defesa: Almeida, Regina Célia Cerqueira de, Loula, Abimael Fernando Dourado, Ciapina, Luciane Prioli, Bonamino, Martín Hernan, Queiroz, Rafael Alves Bonfim de
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Laboratório Nacional de Computação Científica
Programa de Pós-Graduação: Programa de Pós-Graduação em Modelagem Computacional
Departamento: Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: https://tede.lncc.br/handle/tede/376
Resumo: A imunoterapia com células CAR (Receptor Quimérico de Antígeno)-T representa um grande avanço na luta contra o câncer. Essa terapia visa aumentar a capacidade dos linfócitos T de reconhecer células tumorais que expressam antígenos específicos. Essa melhora se deve à modificação genética dessas células, por meio da inserção do gene CAR antígeno-específico. Apesar de expressivas taxas de resposta completa, muitos pacientes ainda sofrem recidiva e/ou tornam-se resistentes à terapia nos primeiros anos. As barreiras que impedem a eficácia da terapia não são completamente compreendidas, mas estão rela- cionadas a heterogeneidades específicas do paciente e do produto e ao escape do antígeno alvo, entre outras questões. Neste projeto de pesquisa, focamos no estudo das respostas da imunoterapia com células CAR-T contra cânceres hematológicos. Desenvolvemos modelos matemáticos para descrever a dinâmica das células CAR-T tanto em camundongos imu- nodeficientes quanto em pacientes, contribuindo para o avanço das pesquisas pré-clínica e clínica e obtendo indicadores clínicos mais adequados para avaliar os resultados da terapia. Especificamente, primeiro desenvolvemos o software CARTmath, uma plataforma in silico para estudos pré-clínicos por meio de um modelo de três compartimentos. Este modelo engloba interações entre células tumorais e CAR-T (efetoras e memória de longo prazo) e inclui vários fenômenos, como efeitos de imunossupressão induzida pelo tumor e conversão de células CAR-T de memória em células CAR-T efetoras na presença de novas células tumorais que expressam o antígeno alvo. Nosso modelo pode representar diferentes cenários de imunoterapia, com diferentes receptores CAR e alvos tumorais relatados na literatura. Análises realizadas mostraram que a eficácia da terapia depende principalmente de alguns parâmetros individuais específicos, como os que modulam a diferenciação das células CAR-T efetoras para as de memória, capacidade citotóxica das células CAR-T, taxa de crescimento tumoral e imunossupressão induzida pelo tumor. Estendemos este modelo para descrever a imunoterapia com células CAR-T para cânceres hematológicos em pacientes, considerando diferentes fenótipos de células CAR-T, incluindo células CAR-T funcionais, células CAR-T de memória, que podem ser convertidas no fenótipo efetor, e perda de capacidade funcional quando convertidas em células CAR-T exaustas. Ao ajustar o modelo aos dados de pacientes com diferentes tipos de neoplasias hematológicas e resultados da terapia, analisamos e avaliamos o papel da diferenciação fenotípica na dinâmica e em vários parâmetros cinéticos para identificar aqueles que melhor caracterizam as respostas de longo prazo. Nossos resultados indicaram que a avaliação conjunta da área sob a curva concentração-tempo nos primeiros 28 dias e a fração correspondente de células CAR-T não exaustas pode ser considerada um potencial marcador para classificar as respostas terapêuticas. Sabe-se que as células CAR-T também atacam as células saudáveis que expressam o antígeno alvo, como as células B saudáveis. A aplasia de células B é um indicador da persistência e funcionalidade das células CAR-T. Assim, incluímos essas células no modelo com o objetivo de contribuir para uma melhor compreensão de como células saudáveis que expressam o antígeno alvo podem influenciar (pela modulação da proliferação de células CAR-T e citotoxicidade) a dinâmica das células CAR-T em grupos de resposta heterogêneos, caracterizando os perfis cinéticos correspondentes. Dessa forma, nossos desenvolvimentos podem ser usados como ferramentas acessórias para experimentos in silico que podem contribuir para otimizar a pesquisa experimental e entender o papel da variabilidade específica de cada paciente no sucesso da terapia. Em geral, os modelos desenvolvidos podem ajudar a esclarecer a estrutura do tratamento e a entender melhor os desafios que permanecem no uso e desenvolvimento da imunoterapia com células CAR-T.
id LNCC_326a95fabf1ab42970bf0a9e29af115b
oai_identifier_str oai:tede-server.lncc.br:tede/376
network_acronym_str LNCC
network_name_str Biblioteca Digital de Teses e Dissertações do LNCC
repository_id_str
spelling Almeida, Regina Célia Cerqueira deBarros, Luciana Rodrigues CarvalhoFassoni, Artur CésarAlmeida, Regina Célia Cerqueira deLoula, Abimael Fernando DouradoCiapina, Luciane PrioliBonamino, Martín HernanQueiroz, Rafael Alves Bonfim dehttp://lattes.cnpq.br/7127543079591956Paixão, Emanuelle Arantes2023-08-28T18:58:49Z2023-05-22PAIXÃO. E. A. CAR-T cell immunotherapy in hematological cancers: insights from mathematical models. 2023. 197 f. Tese (Doutorado em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2023.https://tede.lncc.br/handle/tede/376A imunoterapia com células CAR (Receptor Quimérico de Antígeno)-T representa um grande avanço na luta contra o câncer. Essa terapia visa aumentar a capacidade dos linfócitos T de reconhecer células tumorais que expressam antígenos específicos. Essa melhora se deve à modificação genética dessas células, por meio da inserção do gene CAR antígeno-específico. Apesar de expressivas taxas de resposta completa, muitos pacientes ainda sofrem recidiva e/ou tornam-se resistentes à terapia nos primeiros anos. As barreiras que impedem a eficácia da terapia não são completamente compreendidas, mas estão rela- cionadas a heterogeneidades específicas do paciente e do produto e ao escape do antígeno alvo, entre outras questões. Neste projeto de pesquisa, focamos no estudo das respostas da imunoterapia com células CAR-T contra cânceres hematológicos. Desenvolvemos modelos matemáticos para descrever a dinâmica das células CAR-T tanto em camundongos imu- nodeficientes quanto em pacientes, contribuindo para o avanço das pesquisas pré-clínica e clínica e obtendo indicadores clínicos mais adequados para avaliar os resultados da terapia. Especificamente, primeiro desenvolvemos o software CARTmath, uma plataforma in silico para estudos pré-clínicos por meio de um modelo de três compartimentos. Este modelo engloba interações entre células tumorais e CAR-T (efetoras e memória de longo prazo) e inclui vários fenômenos, como efeitos de imunossupressão induzida pelo tumor e conversão de células CAR-T de memória em células CAR-T efetoras na presença de novas células tumorais que expressam o antígeno alvo. Nosso modelo pode representar diferentes cenários de imunoterapia, com diferentes receptores CAR e alvos tumorais relatados na literatura. Análises realizadas mostraram que a eficácia da terapia depende principalmente de alguns parâmetros individuais específicos, como os que modulam a diferenciação das células CAR-T efetoras para as de memória, capacidade citotóxica das células CAR-T, taxa de crescimento tumoral e imunossupressão induzida pelo tumor. Estendemos este modelo para descrever a imunoterapia com células CAR-T para cânceres hematológicos em pacientes, considerando diferentes fenótipos de células CAR-T, incluindo células CAR-T funcionais, células CAR-T de memória, que podem ser convertidas no fenótipo efetor, e perda de capacidade funcional quando convertidas em células CAR-T exaustas. Ao ajustar o modelo aos dados de pacientes com diferentes tipos de neoplasias hematológicas e resultados da terapia, analisamos e avaliamos o papel da diferenciação fenotípica na dinâmica e em vários parâmetros cinéticos para identificar aqueles que melhor caracterizam as respostas de longo prazo. Nossos resultados indicaram que a avaliação conjunta da área sob a curva concentração-tempo nos primeiros 28 dias e a fração correspondente de células CAR-T não exaustas pode ser considerada um potencial marcador para classificar as respostas terapêuticas. Sabe-se que as células CAR-T também atacam as células saudáveis que expressam o antígeno alvo, como as células B saudáveis. A aplasia de células B é um indicador da persistência e funcionalidade das células CAR-T. Assim, incluímos essas células no modelo com o objetivo de contribuir para uma melhor compreensão de como células saudáveis que expressam o antígeno alvo podem influenciar (pela modulação da proliferação de células CAR-T e citotoxicidade) a dinâmica das células CAR-T em grupos de resposta heterogêneos, caracterizando os perfis cinéticos correspondentes. Dessa forma, nossos desenvolvimentos podem ser usados como ferramentas acessórias para experimentos in silico que podem contribuir para otimizar a pesquisa experimental e entender o papel da variabilidade específica de cada paciente no sucesso da terapia. Em geral, os modelos desenvolvidos podem ajudar a esclarecer a estrutura do tratamento e a entender melhor os desafios que permanecem no uso e desenvolvimento da imunoterapia com células CAR-T.Chimeric Antigen Receptor (CAR)-T cell immunotherapy represents a great advance in the fight against cancer. This therapy aims to increase the ability of T lymphocytes to recognize tumor cells that express specific antigens. This improvement is due to the genetic modification of these cells, through the insertion of the antigen-specific CAR gene. Despite expressive complete response rates, many patients still suffer a relapse and/or become resistant to therapy within the first few years. The barriers that prevent therapy effectiveness are not completely understood but are related to patient-specific and product heterogeneities and antigen escape, among other issues. In this research project, we focus on studying CAR-T cell immunotherapy responses against hematological cancers. We have developed mathematical models for describing the dynamics of CAR- T cells in both immunodeficient mice and patients, contributing to the advancement of preclinical and clinical research and obtaining more adequate clinical indicators to evaluate therapy outcomes. Specifically, we have first developed the CARTmath software, an in silico platform for preclinical studies through a three-compartmental model. This model encompasses interactions between tumor and CAR-T cells (effector and long-term memory) and accounts for several phenomena such as tumor-induced immunosuppression effects and conversion of memory into effector CAR-T cells in the presence of new tumor cells. Our model could represent different immunotherapy scenarios, with different CAR receptors, and tumor targets reported in the literature. Further analysis also showed that therapy effectiveness mostly depends on some individual specific parameters such as the differentiation of effector to memory CAR-T cells, CAR-T cell cytotoxic capacity, tumor growth rate, and tumor-induced immunosuppression. We have extended this model to describe the CAR-T cell immunotherapy for hematological cancers in patients, considering different CAR-T cell phenotypes, including engraftment of functional CAR-T cells, memory CAR-T cells, which can be converted to the effector phenotype, and loss of functional capacity when converted to exhausted CAR-T cells. By fitting the model to patient data with different types of hematologic neoplasms and therapy outcomes, we have analyzed and evaluated the role of phenotypic differentiation on the dynamics and several kinetic parameters to identify those that best characterize long-term responses. Our results indicated that the joint assessment of the area under the concentration-time curve in the first 28 days and the corresponding fraction of non-exhausted CAR-T cells may be considered a potential marker to classify therapy responses. It is known that CAR-T cells also attack healthy cells that express the target antigen, such as healthy B cells. B-cell aplasia is an indicator of the persistence and functionality of CAR-T cells. Thus, we have included these cells in the model to contribute to a better understanding of how healthy cells that express the target antigen (by modulating CAR-T cell proliferation and cytotoxicity) can influence the dynamics of CAR-T cells in heterogeneous response groups, characterizing the corresponding kinetic profiles. In this way, our developments can be used as accessory tools for in silico experiments that can contribute to optimizing experimental research and understanding the role of patient-specific variability on the success of the therapy. Overall, the developed models may help to shed light on the structure of the treatment and to better understand the challenges that remain in using and developing CAR-T cell immunotherapy.Submitted by Patrícia Vieira Silva (library@lncc.br) on 2023-08-28T18:56:55Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Emanuelle Arantes Paixao.pdf: 23476442 bytes, checksum: 77430e10c96a32e0b7ef75be00e79e83 (MD5)Approved for entry into archive by Patrícia Vieira Silva (library@lncc.br) on 2023-08-28T18:58:28Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Emanuelle Arantes Paixao.pdf: 23476442 bytes, checksum: 77430e10c96a32e0b7ef75be00e79e83 (MD5)Made available in DSpace on 2023-08-28T18:58:49Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Emanuelle Arantes Paixao.pdf: 23476442 bytes, checksum: 77430e10c96a32e0b7ef75be00e79e83 (MD5) Previous issue date: 2023-05-22Conselho Nacional de Desenvolvimento Científico e Tecnológicoapplication/pdfhttp://tede-server.lncc.br:8080/retrieve/1651/Tese_Emanuelle%20Arantes%20Paixao.pdf.jpgengLaboratório Nacional de Computação CientíficaPrograma de Pós-Graduação em Modelagem ComputacionalLNCCBrasilCoordenação de Pós-Graduação e Aperfeiçoamento (COPGA)http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessCâncerImunoterapia adotivaTerapia CAR com Células TReceptor quimérico de antígenoCNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIACAR-T cell immunotherapy in hematological cancers: insights from mathematical modelsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Biblioteca Digital de Teses e Dissertações do LNCCinstname:Laboratório Nacional de Computação Científica (LNCC)instacron:LNCCTHUMBNAILTese_Emanuelle Arantes Paixao.pdf.jpgTese_Emanuelle Arantes Paixao.pdf.jpgimage/jpeg3472http://tede-server.lncc.br:8080/tede/bitstream/tede/376/7/Tese_Emanuelle+Arantes+Paixao.pdf.jpg51aaf7a4e0a159b9bf1f97a0da94b173MD57TEXTTese_Emanuelle Arantes Paixao.pdf.txtTese_Emanuelle Arantes Paixao.pdf.txttext/plain441786http://tede-server.lncc.br:8080/tede/bitstream/tede/376/6/Tese_Emanuelle+Arantes+Paixao.pdf.txtd63a20a2ce44c5e5c42a2048bb74e7fdMD56ORIGINALTese_Emanuelle Arantes Paixao.pdfTese_Emanuelle Arantes Paixao.pdfapplication/pdf23476442http://tede-server.lncc.br:8080/tede/bitstream/tede/376/5/Tese_Emanuelle+Arantes+Paixao.pdf77430e10c96a32e0b7ef75be00e79e83MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://tede-server.lncc.br:8080/tede/bitstream/tede/376/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_texttext/html; charset=utf-80http://tede-server.lncc.br:8080/tede/bitstream/tede/376/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://tede-server.lncc.br:8080/tede/bitstream/tede/376/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-82165http://tede-server.lncc.br:8080/tede/bitstream/tede/376/1/license.txtbd3efa91386c1718a7f26a329fdcb468MD51tede/3762023-08-29 01:19:27.77oai:tede-server.lncc.br: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Biblioteca Digital de Teses e Dissertaçõeshttps://tede.lncc.br/PUBhttps://tede.lncc.br/oai/requestlibrary@lncc.br||library@lncc.bropendoar:2023-08-29T04:19:27Biblioteca Digital de Teses e Dissertações do LNCC - Laboratório Nacional de Computação Científica (LNCC)false
dc.title.por.fl_str_mv CAR-T cell immunotherapy in hematological cancers: insights from mathematical models
title CAR-T cell immunotherapy in hematological cancers: insights from mathematical models
spellingShingle CAR-T cell immunotherapy in hematological cancers: insights from mathematical models
Paixão, Emanuelle Arantes
Câncer
Imunoterapia adotiva
Terapia CAR com Células T
Receptor quimérico de antígeno
CNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIA
title_short CAR-T cell immunotherapy in hematological cancers: insights from mathematical models
title_full CAR-T cell immunotherapy in hematological cancers: insights from mathematical models
title_fullStr CAR-T cell immunotherapy in hematological cancers: insights from mathematical models
title_full_unstemmed CAR-T cell immunotherapy in hematological cancers: insights from mathematical models
title_sort CAR-T cell immunotherapy in hematological cancers: insights from mathematical models
author Paixão, Emanuelle Arantes
author_facet Paixão, Emanuelle Arantes
author_role author
dc.contributor.advisor1.fl_str_mv Almeida, Regina Célia Cerqueira de
dc.contributor.advisor2.fl_str_mv Barros, Luciana Rodrigues Carvalho
dc.contributor.advisor-co1.fl_str_mv Fassoni, Artur César
dc.contributor.referee1.fl_str_mv Almeida, Regina Célia Cerqueira de
dc.contributor.referee2.fl_str_mv Loula, Abimael Fernando Dourado
dc.contributor.referee3.fl_str_mv Ciapina, Luciane Prioli
dc.contributor.referee4.fl_str_mv Bonamino, Martín Hernan
dc.contributor.referee5.fl_str_mv Queiroz, Rafael Alves Bonfim de
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/7127543079591956
dc.contributor.author.fl_str_mv Paixão, Emanuelle Arantes
contributor_str_mv Almeida, Regina Célia Cerqueira de
Barros, Luciana Rodrigues Carvalho
Fassoni, Artur César
Almeida, Regina Célia Cerqueira de
Loula, Abimael Fernando Dourado
Ciapina, Luciane Prioli
Bonamino, Martín Hernan
Queiroz, Rafael Alves Bonfim de
dc.subject.por.fl_str_mv Câncer
Imunoterapia adotiva
Terapia CAR com Células T
Receptor quimérico de antígeno
topic Câncer
Imunoterapia adotiva
Terapia CAR com Células T
Receptor quimérico de antígeno
CNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIA
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIA
description A imunoterapia com células CAR (Receptor Quimérico de Antígeno)-T representa um grande avanço na luta contra o câncer. Essa terapia visa aumentar a capacidade dos linfócitos T de reconhecer células tumorais que expressam antígenos específicos. Essa melhora se deve à modificação genética dessas células, por meio da inserção do gene CAR antígeno-específico. Apesar de expressivas taxas de resposta completa, muitos pacientes ainda sofrem recidiva e/ou tornam-se resistentes à terapia nos primeiros anos. As barreiras que impedem a eficácia da terapia não são completamente compreendidas, mas estão rela- cionadas a heterogeneidades específicas do paciente e do produto e ao escape do antígeno alvo, entre outras questões. Neste projeto de pesquisa, focamos no estudo das respostas da imunoterapia com células CAR-T contra cânceres hematológicos. Desenvolvemos modelos matemáticos para descrever a dinâmica das células CAR-T tanto em camundongos imu- nodeficientes quanto em pacientes, contribuindo para o avanço das pesquisas pré-clínica e clínica e obtendo indicadores clínicos mais adequados para avaliar os resultados da terapia. Especificamente, primeiro desenvolvemos o software CARTmath, uma plataforma in silico para estudos pré-clínicos por meio de um modelo de três compartimentos. Este modelo engloba interações entre células tumorais e CAR-T (efetoras e memória de longo prazo) e inclui vários fenômenos, como efeitos de imunossupressão induzida pelo tumor e conversão de células CAR-T de memória em células CAR-T efetoras na presença de novas células tumorais que expressam o antígeno alvo. Nosso modelo pode representar diferentes cenários de imunoterapia, com diferentes receptores CAR e alvos tumorais relatados na literatura. Análises realizadas mostraram que a eficácia da terapia depende principalmente de alguns parâmetros individuais específicos, como os que modulam a diferenciação das células CAR-T efetoras para as de memória, capacidade citotóxica das células CAR-T, taxa de crescimento tumoral e imunossupressão induzida pelo tumor. Estendemos este modelo para descrever a imunoterapia com células CAR-T para cânceres hematológicos em pacientes, considerando diferentes fenótipos de células CAR-T, incluindo células CAR-T funcionais, células CAR-T de memória, que podem ser convertidas no fenótipo efetor, e perda de capacidade funcional quando convertidas em células CAR-T exaustas. Ao ajustar o modelo aos dados de pacientes com diferentes tipos de neoplasias hematológicas e resultados da terapia, analisamos e avaliamos o papel da diferenciação fenotípica na dinâmica e em vários parâmetros cinéticos para identificar aqueles que melhor caracterizam as respostas de longo prazo. Nossos resultados indicaram que a avaliação conjunta da área sob a curva concentração-tempo nos primeiros 28 dias e a fração correspondente de células CAR-T não exaustas pode ser considerada um potencial marcador para classificar as respostas terapêuticas. Sabe-se que as células CAR-T também atacam as células saudáveis que expressam o antígeno alvo, como as células B saudáveis. A aplasia de células B é um indicador da persistência e funcionalidade das células CAR-T. Assim, incluímos essas células no modelo com o objetivo de contribuir para uma melhor compreensão de como células saudáveis que expressam o antígeno alvo podem influenciar (pela modulação da proliferação de células CAR-T e citotoxicidade) a dinâmica das células CAR-T em grupos de resposta heterogêneos, caracterizando os perfis cinéticos correspondentes. Dessa forma, nossos desenvolvimentos podem ser usados como ferramentas acessórias para experimentos in silico que podem contribuir para otimizar a pesquisa experimental e entender o papel da variabilidade específica de cada paciente no sucesso da terapia. Em geral, os modelos desenvolvidos podem ajudar a esclarecer a estrutura do tratamento e a entender melhor os desafios que permanecem no uso e desenvolvimento da imunoterapia com células CAR-T.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-08-28T18:58:49Z
dc.date.issued.fl_str_mv 2023-05-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv PAIXÃO. E. A. CAR-T cell immunotherapy in hematological cancers: insights from mathematical models. 2023. 197 f. Tese (Doutorado em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2023.
dc.identifier.uri.fl_str_mv https://tede.lncc.br/handle/tede/376
identifier_str_mv PAIXÃO. E. A. CAR-T cell immunotherapy in hematological cancers: insights from mathematical models. 2023. 197 f. Tese (Doutorado em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2023.
url https://tede.lncc.br/handle/tede/376
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Laboratório Nacional de Computação Científica
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Modelagem Computacional
dc.publisher.initials.fl_str_mv LNCC
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
publisher.none.fl_str_mv Laboratório Nacional de Computação Científica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do LNCC
instname:Laboratório Nacional de Computação Científica (LNCC)
instacron:LNCC
instname_str Laboratório Nacional de Computação Científica (LNCC)
instacron_str LNCC
institution LNCC
reponame_str Biblioteca Digital de Teses e Dissertações do LNCC
collection Biblioteca Digital de Teses e Dissertações do LNCC
bitstream.url.fl_str_mv http://tede-server.lncc.br:8080/tede/bitstream/tede/376/7/Tese_Emanuelle+Arantes+Paixao.pdf.jpg
http://tede-server.lncc.br:8080/tede/bitstream/tede/376/6/Tese_Emanuelle+Arantes+Paixao.pdf.txt
http://tede-server.lncc.br:8080/tede/bitstream/tede/376/5/Tese_Emanuelle+Arantes+Paixao.pdf
http://tede-server.lncc.br:8080/tede/bitstream/tede/376/2/license_url
http://tede-server.lncc.br:8080/tede/bitstream/tede/376/3/license_text
http://tede-server.lncc.br:8080/tede/bitstream/tede/376/4/license_rdf
http://tede-server.lncc.br:8080/tede/bitstream/tede/376/1/license.txt
bitstream.checksum.fl_str_mv 51aaf7a4e0a159b9bf1f97a0da94b173
d63a20a2ce44c5e5c42a2048bb74e7fd
77430e10c96a32e0b7ef75be00e79e83
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
bd3efa91386c1718a7f26a329fdcb468
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do LNCC - Laboratório Nacional de Computação Científica (LNCC)
repository.mail.fl_str_mv library@lncc.br||library@lncc.br
_version_ 1797689461849456640