混合计算建模突出显示了乳腺癌相关纤维细胞的逆华堡效应

科学领域:

• 在瘤学瘤学.
• 计算生物学 计算生物学
• 癌症新陈代谢 癌症新陈代谢

背景情况:

• 癌症相关纤维细胞 (CAFs) 是瘤微环境 (TME) 的关键组成部分,影响癌症的发病,进展和治疗抵抗.
• CAFs表现出侵略性的表型,影响细胞外矩阵重塑,血管生成,免疫调节,瘤生长和增殖.
• CAF的表型变化与代谢变化有关,特别是反向华堡效应,这可能驱动纤维细胞转化,尽管其机制仍在研究中.

研究的目的:

• 解读乳腺CAF中的逆华堡效应,以更好地了解TME-瘤细胞相互作用.
• 开发针对CAF及其代谢重编程的新治疗策略.
• 确定乳腺CAF中逆华堡效应的关键分子驱动因素.

主要方法:

• 开发第一个混合型,大规模的乳腺CAF计算模型.
• 细胞和疾病特定的异步布尔模型与通用核心代谢网络的整合.
• 使用数据驱动和手动策划方法来构建模型.

主要成果:

• 计算模型成功地重现了实验观察到的乳腺CAF的逆华堡效应.
• 缺氧诱导因子1 (HIF-1) 被确定为乳腺CAF中逆华堡效应的关键分子驱动因素.
• 这项研究表明,乳腺癌和类风湿性关节炎中纤维细胞的HIF-1驱动的代谢重编程是常见的.

结论:

• 在以TME为中心的治疗策略中针对HIF-1可能通过解决逆华堡效应来为乳腺癌治疗提供有益的方法.
• 这些发现凸显了CAF代谢重编程的重要性及其作为治疗点的潜力.
• 这项研究强调了动态建模方法在理解复杂的生物系统和识别新型治疗点方面的实用性.