从稀缺的生物数据来对膀癌进行组合疗法的学习模型参数动力学
Kayode Olumoyin1, Lamees El Naqa2, Katarzyna Rejniak1
1H. Lee Moffitt Cancer Center and Research Institute, Integrated Mathematical Oncology Department, Tampa, FL.
ArXiv
|December 25, 2025
概括
这项研究引入了一种使用物理信息神经网络 (PINNs) 建模癌症治疗中变化的细胞相互作用的新方法. 它可以准确地预测瘤和免疫细胞随着时间的推移的行为,即使数据有限.
科学领域:
- 数学生物学 数学生物学
- 计算瘤学计算瘤学
- 机器学习在医学中的应用
背景情况:
- 传统模型与动态的生物系统和稀少的癌症数据作斗争.
- 瘤细胞和免疫细胞之间不断演变的相互作用对于治疗反应至关重要.
- 瘤学中的有限实验数据阻碍了准确的预测建模.
研究的目的:
- 开发一种新的框架,用于学习癌症中随时间变化的细胞相互作用.
- 用有限的数据预测抗癌治疗下的亚种群动态.
- 应用物理信息的神经网络 (PINNs) 来建模不断发展的生物系统.
主要方法:
- 使用了基于物理的神经网络 (PINN) 方法.
- 模拟了膀癌细胞和免疫细胞之间的相互作用.
- 处理稀疏,时间点有限的实验数据.
主要成果:
- 在未观察到的时间点成功预测了亚种群轨迹.
- 在模型预测和生物学解释之间证明一致性.
- 展示了框架捕捉不断变化的动态的能力.
结论:
- 拟议的PINN方法有效地模拟了时间变化的生物相互作用.
- 这种方法为分析癌症治疗动态提供了一个强大的框架,数据有限.
- 能够预测细胞行为对干预措施的反应.
