虚拟瘤的基于代理物的建模揭示了微环境复杂性对免疫疗法的有效性的关键影响

科学领域:

• 计算生物学 计算生物学
• 癌症研究 癌症研究
• 免疫学 免疫学 免疫学

背景情况:

• 免疫疗法,特别是免疫检查点抑制剂 (ICI),已经彻底改变了癌症治疗.
• 然而,患者对ICI的反应变化需要改进预测和机制模型.
• 数学和计算模型越来越多地用于优化免疫治疗结果.

研究的目的:

• 为了比较普通微分方程 (ODE) 模型与基于代理的模型 (ABM) 在模拟抗PD-1免疫治疗中的预测能力.
• 突出瘤微环境中的空间异质性的重要性,以建模癌症-免疫动态.
• 研究瘤细胞抗原性和细胞毒性T淋巴细胞 (CTL) 杀死机制对治疗结果的影响.

主要方法:

• 开发并模拟了用于癌症免疫治疗的ODE模型和ABM,特别关注抗PD-1 ICI.
• 将不同的瘤细胞抗原性 (高低) 和独特的CTL杀死机制纳入模型.
• 在相同的初始条件和免疫参数下,比较了两种建模方法的模拟输出.

主要成果:

• 该ABM揭示了瘤细胞和CTLs的显著空间组织,这在ODE模型中没有被捕获.
• 在ABM模拟中观察到瘤微环境中的明显的表型变化.
• 首选的CTL杀死机制根据瘤细胞抗原性而异,影响模拟治疗结果.

结论:

• 基于代理的模型 (ABM) 通过结合空间异质性,提供了更全面的瘤免疫动态表示.
• 空间组件对于准确建模癌症免疫治疗反应的复杂性至关重要,特别是在抗PD-1治疗中.
• ABM提供了关于瘤特征和免疫细胞相互作用如何影响治疗疗效的宝贵见解.