一个用于多尺度干预建模的框架:虚拟队列,虚拟临床试验和模型对模型比较

科学领域:

• 计算生物学是一种计算生物学.
• 系统生物学 系统生物学
• 信息学是一种信息学.

背景情况:

• 疾病进展的计算模型很常见,但in-silico干预研究往往缺乏标准化的设计.
• 现有的方法经常模仿实验研究设计,限制了它们对多尺度分析的范围.
• 在不同尺度 (例如,细胞,患者,人口) 上追踪疾病动态和干预效应仍然是一个挑战.

研究的目的:

• 为计算疾病建模引入一种新的多尺度干预设计 (MID) 框架.
• 为了能够跟踪疾病动态和干预影响在体内,患者和人口尺度.
• 在虚拟临床前试验中,优先研究对个体患者的干预影响.

主要方法:

• 应用了MID框架来开发和分析使用HostSim计算模型的虚拟患者队列.
• HostSim模拟了Mycobacterium结核病感染,包括肺部颗粒瘤,血液和淋巴结区.
• 将药物干预集成到HostSim中,并利用MID框架来量化细胞,组织,患者和人口规模的治疗影响.

主要成果:

• 在MID框架成功量化了药物干预对结核病的影响在多个尺度.
• 灵敏度分析确定了关键的虚拟患者特征,预测了跨尺度的干预疗效.
• 确定了患者异质的机制,在不同的尺度上推动结果.

结论:

• MID框架为in-silico干预研究提供了一个强大的方法,提供了对多层次疾病动态的洞察力.
• 这一框架有助于识别影响治疗反应的患者特异性因素.
• 这项研究证明了MID和HostSim对于了解结核病进展和干预效应的有用性.