用in silico谱系追踪进行细胞活力测试的机械建模

科学领域:

• 计算生物学 计算生物学
• 药理学 药理学是指药理学的学科.
• 癌症研究 癌症研究

背景情况:

• 细胞活力测试提供了人群级数据,但掩盖了细胞异质性.
• 通过机械计算模型来解释这些数据是具有挑战性的,因为在直接的模型数据比较方面存在困难.
• 了解药物反应的细胞间变异性对于有效的癌症治疗至关重要.

研究的目的:

• 开发一个算法,使机械计算模型和细胞活力测试数据之间的直接比较.
• 研究针对性抗癌药物的细胞对细胞变异的原因.
• 将算法应用于哺乳动物细胞增殖和死亡信号的模型.

主要方法:

• 开发了一个算法来追踪模拟的单细胞分裂和死亡事件在机械详细的血统.
• 利用了先前存在的哺乳动物单细胞增殖和死亡信号的模型.
• 对四种向抗癌药物 (alpelisib,neratinib,trametinib,palbociclib) 的模拟剂量反应实验,并与实验数据进行比较.

主要成果:

• 模拟准确地反映了特拉美丁尼布 (MEK 抑制剂) 和阿尔佩利西布 (PI-3K 抑制剂) 的数据.
• 对palbociclib (CDK4 / 6抑制剂) 和neratinib (EGFR抑制剂) 观察到差异,这表明CDK4 / 6作用的潜在高估,并突出了信号平衡的重要性.
• 识别了快速和缓慢分裂细胞的子群,其ERK通路活性与快速分裂细胞中的特拉美替尼抗性有关.

结论:

• 开发的算法促进了对大规模细胞可行性数据集的机械建模的应用.
• 模型数据不一致性提供了关于药物疗效和细胞循环调节的有价值假设.
• 这种方法提高了对药物反应中细胞异质性的决定因素的理解,为改进的癌症治疗策略铺平了道路.