相关实验视频
Updated: Jun 11, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
为了预测免疫治疗结果的框架:对血管瘤生长的免疫反应的混合多尺度数学模型
Sayyed Mohammad Ali Mortazavi1, Bahar Firoozabadi2
1Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran.
Biomechanics and modeling in mechanobiology
|October 7, 2024
概括
本研究介绍了瘤免疫微环境 (TIME) 的数学模型,以探索抗瘤免疫反应. 该模型强调了瘤血管在T细胞招募中的关键作用,并预测联合生物标志物对于预测免疫治疗结果至关重要.
科学领域:
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
- 癌症研究 癌症研究
背景情况:
- 了解瘤免疫微环境 (TIME) 对癌症免疫疗法至关重要.
- 当前的模型往往忽略了瘤血管在T细胞动态中的作用.
- 需要一个全面的方法来建模T细胞迁移和相互作用在复杂的时间.
研究的目的:
- 开发一个混合离散连续的多尺度数学模型的时间.
- 研究瘤血管结构对T细胞招募和迁移的影响.
- 探索生物标志物对免疫检查点封锁 (ICB) 治疗结果的预测价值.
主要方法:
- 开发了一种包含血管生成,T细胞招募,瘤和血管生长,流体流动,血液动力学和T细胞动力学的多尺度数学模型.
- 模拟瘤透T细胞的时空分布.
- 分析了各种生物标志物来预测ICB治疗反应.
主要成果:
- 该模型成功地重现了T细胞分布模式和瘤免疫编辑阶段.
- 单独的瘤突变负担 (TMB) 不足以预测ICB响应者.
- 为了准确预测ICB治疗结果,需要生物标志物的组合,反应率差异很大 (28-89%).
结论:
- 开发的TIME模型为研究抗瘤免疫提供了一个强大的框架.
- 瘤血管系统在T细胞动态中发挥着重要作用.
- 综合生物标志物分析对于优化患者选择ICB治疗至关重要.
