从药物选中检测治疗诱导的耐药性的统计框架
Chenyu Wu1, Einar Bjarki Gunnarsson2, Jasmine Foo3
1Department of Industrial and Systems Engineering, University of Minnesota, Twin Cities, MN, USA. wu000766@umn.edu.
NPJ systems biology and applications
|August 6, 2025
概括
这项研究引入了一种新的统计模型,用于检测和量化治疗诱导的癌细胞耐药性. 该框架使用分支过程和药物查数据来预测瘤演变并改进癌症治疗策略.
科学领域:
- 癌症研究 癌症研究
- 数学生物学 数学生物学
- 进化的动力学.
背景情况:
- 癌症中耐疗性是一个主要的挑战,通常是由干细胞和诱导可塑性驱动的.
- 抗癌疗法可以无意中通过表观遗传变化和去差异化促进耐药性.
- 了解抗瘤效应和诱导抵抗之间的相互作用对于有效的治疗策略至关重要.
研究的目的:
- 开发一个统计框架来描述治疗中的瘤细胞群体动态.
- 通过使用多种类型的分支过程模型来检测和量化治疗诱导的耐药性.
- 分析高通量药物查数据而不需要分群计数.
主要方法:
- 利用多种类型的分支过程模型来模拟瘤细胞群体的演变.
- 开发了一个统计框架来分析来自药物查的总细胞计数数据.
- 使用in silico模拟和in vitro实验数据验证了该模型.
主要成果:
- 该框架在模拟和实验数据中成功检测和量化治疗诱导的耐药性.
- 证明了预测瘤细胞种群的进化动态的能力.
- 为分析药物查结果提供了一个强大的方法.
结论:
- 开发的统计框架为了解和打击癌症治疗耐药性提供了一个强大的工具.
- 这种方法可以指导开发更有效的癌症治疗策略,通过考虑诱导的耐药性.
- 该模型使用总细胞计数的能力简化了药物查中的耐药性分析.


