结合SDE-ODE模型的瘤免疫动态推断生物标志物释放

科学领域:

• 数学瘤学
• 计算生物学
• 免疫学

背景情况:

• 瘤与免疫相互作用对癌症的进展和治疗结果至关重要.
• 由于癌症群体较小,早期瘤和治疗后残留疾病的监测具有挑战性.
• 循环瘤DNA (ctDNA) 作为瘤负担的生物标志物,但目前的推断方法有限,特别是在检测门附近.

研究的目的:

• 在早期或残留疾病中,从噪音生物标记信号 (例如ctDNA) 推断瘤负担的强有力的框架.
• 将复杂的瘤免疫力学与生物标志物释放机制联系起来.
• 探索未来生物标志物信息对病后分析的影响.

主要方法:

• 一个结合的确定性-随机框架,将瘤-免疫动态的Lotka-Volterra模型与生物标志物释放的随机微分方程集成在一起.
• 模拟免疫介导的亡死亡和瘤内竞争诱导的亡死亡中的ctDNA释放.
• 使用预测性随机计算,将未来的生物标志物信息纳入回顾性分析.

主要成果:

• 生物标志物轨迹的衍生分析解决方案,包括平均检测时间,在最低检测值下.
• 证明了信号波动性,疾病异质性和免疫压力如何共同影响生物标志物的出现和持续性.
• 展示了预测方法如何通过未来的观察来完善推断的生物标志物动态.

结论:

• 开发的框架提供了一种可靠的方法来将潜在的瘤免疫相互作用与可检测的生物标志物水平联系起来.
• 这种方法对提高早期癌症检测,监测免疫反应和以后重建疾病进展具有重要意义.
• 预测微积分的整合为分析生物标志物数据提供了新的见解,特别是在回顾性研究设计中.