乏血管肿瘤细胞增殖的丰富时空动力学谱系

《Mathematics and Computers in Simulation》:Rich spectrum of spatiotemporal dynamics in avascular tumour cell proliferation

【字体: 大 中 小 】 时间:2026年10月01日 来源:Mathematics and Computers in Simulation 4.0

编辑推荐:

   •无血管肿瘤生长情景下的反应扩散系统。•通过全局敏感性分析识别系统中最敏感的参数。•自扩散和交叉扩散诱导的图灵图案形成。•精确模拟的时空图案的生物学意义。•如何识别无血管阶段的癌模式? 引言 癌症的严重性已被广泛认为是现代社会面临的一项重大挑战,在其治疗和潜在治愈过程中会

  

•无血管肿瘤生长情景下的反应扩散系统。•通过全局敏感性分析识别系统中最敏感的参数。•自扩散和交叉扩散诱导的图灵图案形成。•精确模拟的时空图案的生物学意义。•如何识别无血管阶段的癌模式?

引言

癌症的严重性已被广泛认为是现代社会面临的一项重大挑战,在其治疗和潜在治愈过程中会遇到诸多困难。为了加强临床前研究并更好地理解肿瘤进展,数学建模已被日益广泛地采用。由于细胞和分子机制的差异,恶性肿瘤在不同个体间表现出显著的行为差异,因此治疗效果本质上依赖于患者特定的生理反应。人体生物功能的独特性往往使标准化治疗方案效果不佳,从而需要采用能够考虑个体间差异的方法。在这方面,数学模型已被公认为不可或缺的工具。通过使用精心设计的模型,可以为癌症患者制定更准确、更具个性化的治疗策略。此外,为获得对微观尺度免疫反应的机制性认识,构建适当结构的数学模型是至关重要的。多项研究表明,癌症的早期检测能显著提高治疗成功率和长期生存率[1]。在广泛局部浸润或转移之前被诊断出的患者,对治疗干预的反应更为有效,因此表现出明显更高的生存率[2]。

在多种癌症类型中,从早期到晚期的存活率显著下降的报道屡见不鲜。例如,一期结直肠癌的一年生存率估计为97.7%,而仅43.9%的四期患者能够存活超过一年。肝癌也呈现出类似的令人担忧的趋势,其一年生存率从二期的69.1%急剧下降至三期的39.3%[3]。这些发现共同表明,早期检测——最好是在肿瘤生长的无血管阶段——大大增强了采用创伤更小、更有针对性且更成功的治疗手段的前景。鉴于早期癌症检测的关键重要性,研究人体对恶性肿瘤起始和进展的固有免疫反应被认为是至关重要的。需要对微观尺度上这些调控和细胞毒性机制进行透彻理解,才能构建稳健的数学模型。这些模型能够阐明肿瘤细胞与免疫效应细胞群体之间复杂的相互作用,从而为与治疗时机、剂量和方式相关的最优治疗决策提供信息,以最大化临床疗效。

在恶性肿瘤发展的最早期阶段——无血管阶段——癌细胞仍局限于一个局部区域,并主动接受宿主免疫系统各组成部分的作用。图1展示了肿瘤微环境的早期恶性状态,描绘了免疫细胞及相关亚细胞结构。调节性B细胞和T细胞构成适应性免疫反应的组成部分。细胞外基质(ECM)为肿瘤细胞提供机械支持,同时调节其增殖、迁移和存活。癌症相关成纤维细胞(CAFs)促进肿瘤生长和微环境重塑,而肿瘤相关巨噬细胞(TAMs)在影响肿瘤进展、免疫调节和治疗反应方面发挥关键作用。由于在此阶段尚未发生血管浸润和转移性扩散,无血管阶段构成了一个至关重要的治疗窗口,在此阶段通过手术干预或免疫治疗策略最有可能实现肿瘤的彻底清除。

癌症发展通常被视为一个生态过程,受多种细胞间成分相互作用的支配。Laird [4]为理解此类微观尺度的细胞动态提供了基础性见解。此后,数学和计算建模的进步使得对肿瘤与免疫细胞群体之间的相互作用如何调控肿瘤生长动态进行定量评估成为可能。Kuznetsov等人做出了一项重要贡献,他们建立了一个描述肿瘤-效应性免疫细胞相互作用的二阶常微分方程系统,并证明了即使是简化模型也能表现出复杂的动力学行为并捕捉癌症进展的关键阶段[5]。该模型后来被de Pillis和Radunskaya扩展,他们纳入了正常组织动态,进行了详细的相空间分析,并通过最优控制理论整合了化疗效果[6]。de Pillis和Radunskaya的后续工作引入了一个建立在经典Volterra-Lotka框架内的三维动力学模型,将肿瘤细胞、健康细胞和免疫细胞描述为相互作用的种群[7]。Itik和Banks进一步完善了该模型,对其平衡点提供了严格的稳定性分析,并识别出由混沌吸引子的数值证据所支持的混沌动力学[8]。近年来Das等人的研究探讨了维生素输注在增强免疫反应方面的作用,并提出了一种系统地控制混沌肿瘤-免疫动力学行为的策略[9]。

在无血管阶段,恶性细胞保持局部化和可控状态,不会扩散到远处器官或浸润主要血管。这一阶段被广泛认为是从体内完全清除肿瘤的最有利窗口。早期肿瘤扩展受协同性细胞行为的支配,并强烈受到组织位置、营养可用性和微环境约束等环境因素的影响。实证研究表明,在此阶段肿瘤生长速率随细胞密度增加而增加,表明存在一种类似于生态阿利效应的调控机制[10]、[11]。

阿利效应最早由W.C. Allee在20世纪30年代提出[12],指的是低密度条件下种群生长受到抑制,即由于缺乏足够的合作或有限的细胞间相互作用而损害存活或增殖[13]。这一概念在当代肿瘤建模中获得了相当大的关注,因为癌症细胞的协同行为——包括生长因子的分泌、细胞外结构的改造和集体生存策略——自然而然地适合阿利型动态。相关的分岔和阈值行为为理解肿瘤的持续、消亡和治疗脆弱性提供了重要的概念框架。

在这一方向上,多项研究做出了重要贡献。B?ttger等人证明了肿瘤细胞的运动能力显著影响其持续存在,类似于阿利型种群阈值[14]。Sewalt等人将阿利效应纳入肿瘤侵袭模型,并表明强阿利效应能产生逼真的侵袭波前[15]。Feng等人报告称,即使微弱的阿利效应也会显著改变无血管肿瘤的生长和坏死形成[16]。Zeng等人的进一步研究以及Sardar等人的研究通过将阿利型机制整合到肿瘤-免疫相互作用模型中进行了扩展[17]、[18]。此外,Hernández-López等人识别出肿瘤抗原性与阿利参数之间的关键相互作用,证明它们共同影响肿瘤控制[19]。总体而言,这些研究强调了阿利动力学在肿瘤起始、进展和免疫介导的调节中,特别是在宿主免疫发挥最强影响的早期生长阶段的重要作用。

持续的研究表明,肿瘤-免疫模型构成了近年来受到大量关注的一类重要生物医学模型。为了增强对肿瘤-免疫机制的解释,预测性数学建模被研究人员和临床医生日益公认为一种重要的分析工具。此类模型已逐渐成为研究肿瘤系统复杂行为的不可或缺的途径。已构建了多种肿瘤-免疫动力学模型来阐明调控肿瘤生长、免疫监视和治疗干预的关键机制,为癌症动力学提供了理论和临床见解[7]、[20]、[21]、[22]、[23]、[24]。

虽然这些非空间(时间)模型已对影响免疫影响或免疫治疗下肿瘤进展的关键参数和相互作用产生了有意义的理解,但它们本质上忽略了空间异质性。空间效应可以显著改变系统行为、改变治疗阈值,并产生关于肿瘤清除或持续存在的定性不同结果。因此,将扩散纳入肿瘤-免疫模型至关重要,因为真实的生物组织展现出空间结构化的微环境,肿瘤细胞和免疫细胞在其中迁移、相互作用和竞争。扩散项表征了细胞和信号分子的随机运动和传输,使空间图案形成、侵袭波前和局部共存状态的表征成为可能。因此,将经典的时间模型扩展到时空调度反应扩散框架,提供了对肿瘤-免疫动力学更真实、更全面的理解,捕捉了支配癌症进展和治疗成功的关键空间异质性和细胞运动特征。

近年来,大量研究记录了将反应扩散理论整合到癌症生长数学模型中的进展,揭示了一系列引人入胜的时空现象。Marongiu等人详细综合了实验证据,证明改变的组织结构和空间依赖的调控机制在肿瘤进展早期阶段发挥关键作用。他们的工作特别强调了支配组织形态发生的形态发生原理,这些原理调节了肿瘤在空间异质环境中的发展。扩展这种空间显式的视角,Suddin等人[25]将Kirschner和Panetta [23]经典的完全混合肿瘤-免疫模型推广,将其嵌入包含一维扩散的反应扩散框架中[26]。其数值分析表明,由此产生的时空动力学对肿瘤细胞运动性高度敏感,在多种运动性机制下产生一维稳定的"斑点"解和时间振荡的近均匀肿瘤分布。

Matzavinos等人为空间肿瘤建模做出了进一步贡献,他们提出了一个描述早期实体肿瘤生长及伴随的导致癌症休眠的免疫反应时空调度肿瘤-免疫相互作用模型。其数值模拟揭示了非标准行波动力学,其特征是由类孤立子侵袭波前产生的空间异质肿瘤密度[27]。详细的分岔分析将这些行为与免疫参数中的霍普夫分岔联系起来,产生稳定的极限环振荡。Dai和Liu通过涉及化疗和免疫治疗联合的最优控制公式研究了肿瘤侵袭,证明最优给药的治疗方案可以破坏环状和聚集体状肿瘤图案,从而限制肿瘤扩散和潜在转移[28]。在相关研究中,Ko和Ahn研究了类似于Suddin等人[26]的肿瘤-免疫反应扩散模型,报告称效应细胞扩散率的升高会诱导空间异质稳态的形成,同时消除稳定的均匀共存平衡点[29]。关于图灵型不稳定性的其他研究进一步表明,扩散驱动的图案形成可以产生空间周期性的或异质性的肿瘤结构。值得注意的是,Chaplain [30]和Chaplain等人[31]提出这些扩散驱动机制可能是癌中观察到的柱状和侵袭性形态的基础,为肿瘤在周围组织中的空间有序浸润提供了形态发生解释。

尽管取得了这些进展,但仅有少量研究同时将自扩散和交叉扩散纳入肿瘤-免疫反应扩散系统中。Sun等人[32]做出了重要贡献,他们研究了一个整合阿利效应与交叉扩散相互作用的癌症生长模型,揭示了其时间子系统上的多个余维一和余维二分岔。他们的结果表明,在不存在交叉扩散的情况下,扩散系统中不会出现图灵不稳定性,从而突出了交叉扩散耦合在产生空间图案中的关键作用。一旦确定了不稳定性判据,他们的研究通过推导和分析振幅方程展示了多样化图灵结构的出现。然而,该模型并未表现出时空混沌——这是一种由非线性扩散和反应动力学支配的生物系统中具有显著相关性的行为。

基于这些发现,本工作旨在确定在不依赖交叉扩散的情况下,仅通过自扩散机制是否可能出现图灵不稳定性。为调查这一问题,我们建立并分析了一个二维肿瘤-免疫反应扩散模型,以表征无血管阶段的癌症动态,捕捉肿瘤和免疫细胞种群的时间及时空行为。阿利效应被纳入作为调控机制,限制肿瘤增殖并调节肿瘤-免疫相互作用。尽管先前的研究已考察了涉及阿利效应的肿瘤模型中的不稳定性现象,但在此生物学框架内对自扩散和交叉扩散综合影响的全面分析仍然有限。本研究的新颖性在于其对受阿利调控生长的确定性肿瘤-免疫模型中时空动力学的严格考察。对每种涌现的动态机制提供了具有生物学意义的解释,为肿瘤-免疫相互作用中图案形成、不稳定性机制和复杂性提供了新的见解。因此,本工作为癌症进展中空间异质性的理论理解贡献了原创且实质性的视角。

本手稿其余部分的结构安排如下。在第2节中,通过系统呈现基础生物学假设、控制性约束和研究主要目标来建立数学模型。模型与相关生物学基准的验证在第3节中讨论。后续分析分为两个主要部分,分别对应系统的时间动态和时空动态行为。

第4节对非空间(时间)子系统进行了全面研究。本节识别、计算并严格表征了所有具有生物学意义的平衡点。通过全局敏感性分析确定了影响系统动态的关键参数,并进行了广泛的分岔分析。所考察的分岔结构包括鞍结分岔、Hopf分岔、Bogdanov-Takens分岔和广义Hopf分岔。推导了控制这些分岔发生的解析判据,并在适当的参数范围内通过数值延拓对结果进行了验证。第5节致力于完整反应-扩散系统的全空间-时间分析。建立了Turing不稳定性出现的必要条件和充分条件,并系统地探索了由此产生的空间图案。考察了自扩散和交叉扩散两种框架,以说明Turing图案和非Turing图案的形成过程,并配以对所观察到的空间结构的详细生物学解释。表征了系统内空间-时间混沌的起始与发展,并通过数值方法进行了验证。第6节讨论了该研究的社会相关性和更广泛的影响。最后,第7节提供了总结性结论,概述了核心发现,并强调了通过对所提出的肿瘤-免疫反应-扩散模型进行全面分析所获得的生物学、数学和理论方面的洞见。

**各节摘要**

**生物学背景**

近年来,癌症或恶性肿瘤的治疗已被临床医生、病理学家和肿瘤学家普遍认为是现代医学中最具挑战性的难题之一。这一挑战主要归因于生物学过程——如细胞生长、增殖、运输和免疫应答——所固有的不可预测性,这些过程共同主导着肿瘤的进展。因此,在模型验证方面仍面临着严峻的障碍。

**模型验证**

本文的时间肿瘤-免疫模型与经典的Kuznetsov等人[5]模型之间的定性一致性(见图3)凸显了支配肿瘤-免疫相互作用的关键生物学机制的稳健性。尽管两个模型在结构和参数上存在差异,但均表现出对肿瘤扩增的免疫应答延迟、早期短暂振荡以及肿瘤与免疫种群之间的反相位关系——这些特征与已确立的免疫学认知相一致。

**非空间模型系统的动力学**

为对系统动力学进行基础性理解,非空间模型系统的分析至关重要。该阶段包括识别平衡点,并从稳定性-不稳定性、周期行为以及各种分岔结构的表现等方面进行表征。初步分析通过引导对参数空间和敏感性的有效探索,降低了计算负担。与该系统相对应的非空间模型系统如下。

**空间-时间模型系统的探索**

本节通过解析和数值方法的结合,全面考察了所提出的模型系统(2.2)在扩散机制影响下所表现出的空间-时间动力学。严格建立了控制空间域内Turing不稳定性(即扩散驱动不稳定性)发生的解析条件。随后通过数值模拟对这些理论预测进行了验证。

**研究的社会影响**

本研究通过发展严格的数学框架,增强了对癌症进展早期无血管阶段肿瘤-免疫动力学的理解,为社会做出了重大贡献。通过将Allee效应、全局敏感性分析以及自扩散和交叉扩散机制整合到统一的反应-扩散模型中,该研究为空间异质性、免疫监视和固有细胞阈值如何影响肿瘤进展提供了更深入的见解。

**结论与未来方向**

癌症治疗的效率在很大程度上取决于疾病被发现时的阶段,早期诊断与患者生存结果的显著改善密切相关。在无血管阶段,肿瘤细胞局限于局部区域,对靶向治疗干预表现出增强的敏感性。在低种群水平下,肿瘤细胞面临显著的生存压力,使其更易于通过手术切除或管理方式进行控制。

**CRediT作者贡献声明**

Sukanya Das:软件、调查、形式分析。Gourav Mandal:软件、形式分析、概念化。Deepabali Datta:调查。Koyel Chakravarty:验证、监督。Lakshmi Narayan Guin:撰写-审稿与编辑、撰写-初稿、监督、软件、调查、概念化。

**资助**

本研究未获得任何形式的外部或内部资金资助。

**利益冲突声明**

作者声明不存在已知的可能对本研究产生影响的竞争性经济利益或个人关系。

**致谢**

G. Mandal先生衷心感谢印度政府新德里科学与工业研究委员会(CSIR)提供的资金支持,形式为高级研究奖学金(档案编号:09/0202(16462)/2023-EMR-I,日期:2023年3月14日)。

Sukanya Das | Gourav Mandal | Deepabali Datta | Koyel Chakravarty | Lakshmi Narayan Guin
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号