解读瘤微环境中的氧气分布和缺氧概况:数据驱动的机械建模方法
P Kumar1,2, M Lacroix3,4, P Dupré3,4
1Laboratory of Pathogens and Host Immunity, University of Montpellier, CNRS, INSERM, Montpellier, France.
Physics in medicine and biology
|May 30, 2024
概括
这项研究提出了一个数学模型,使用血管数据预测瘤缺氧. 该框架准确地捕捉了瘤氧化变异性,并有助于理解瘤微环境.
科学领域:
- 计算生物学 计算生物学
- 数学瘤学数学瘤学
- 生物物理学的生物物理.
背景情况:
- 瘤缺氧对于癌症诊断和预后至关重要.
- 了解瘤内的氧气梯度对于有效的治疗策略至关重要.
研究的目的:
- 开发和验证用于定量评估瘤缺氧的机械数学框架.
- 用血液血管数据预测瘤微环境中的缺氧水平和氧化动态.
主要方法:
- 制订氧气分布的反应-扩散模型,以获得缺氧概况.
- 利用已知的血液血管数据来预测氧气水平.
- 开发一种数据驱动的方法来推断具有空间依赖参数的部分微分方程模型.
主要成果:
- 该框架成功地复制了各种瘤类型 (乳腺,卵巢,胰腺) 的实验性缺氧概况,捕捉了瘤间和瘤内部的异质性.
- 该模型通过推断部分微分方程中的空间依赖参数来阐明缺氧概况的可变性.
- 该框架根据氧气动态对血管化状态进行了分类,为瘤微环境特征提供了洞察力.
结论:
- 基于数据的机械方法通过整合基因病理学数据,提供了对瘤缺氧的定量评估.
- 这一框架从建模和生物学角度提供了宝贵的见解,增强了对瘤氧化动态的理解.
- 该方法促进了对瘤氧化的时空动态的理解,以改善诊断和预后.
