在一个随机的巨细胞极化模型中预测关键过渡
Shankha Narayan Chattopadhyay1, Arvind Kumar Gupta1
1Indian Institute of Technology Ropar, Department of Mathematics, Rupnagar 140001, Punjab, India.
Physical review. E
|June 19, 2025
概括
巨细胞根据细胞因子信号在M1,M2和混合表型之间转移. 了解这些转变和早期预警信号是免疫调节和疾病研究的关键.
科学领域:
- 免疫学 免疫学 免疫学
- 系统生物学 系统生物学
- 计算生物学 计算生物学
背景情况:
- 巨细胞是具有动态表型 (M1,M2,M1/M2) 的重要免疫细胞.
- 现型转变对于免疫调节和疾病发病过程至关重要.
- 了解控制这些转变的因素至关重要.
研究的目的:
- 确定允许巨细胞表型共存的参数域.
- 为了确定表型转移的临界值.
- 探索表型性和过渡的早期预警信号 (EWS).
主要方法:
- 分析两个参数相位图和一个参数分叉图.
- 检查细胞因子信号水平 (IFNγ,IL-4).
- 盆地稳定性测量,随机潜力,蒙特卡洛模拟 (吉尔斯皮算法) 和临界过渡理论的应用.
主要成果:
- 根据细胞因子水平确定了单稳定性和多稳定性的不同区域.
- 在平衡细胞因子信号下观察到所有三种表型 (M1,M2,M1/M2) 的共存.
- 早期预警信号 (EWS) 在预测M1→M1/M2和M1/M2→M2过渡方面表现出有效性,但对M2→M1.1.的有效性较低.
结论:
- 细胞因子信号平衡决定了巨细胞的表型稳定性和共存.
- 临界过渡理论和EWS为预测表型变化提供了洞察力.
- 欧洲免疫系统为监测免疫反应和疾病进展提供了一个潜在的工具.
