WIREs Systems Biology and Medicine:利用混合建模解决癌症复杂性问题

癌症是一个复杂的疾病集合。例如,两种肿瘤之间不存在相似性,不同肿瘤的发展方式不同,此外,没有任何一种治疗方法对两种肿瘤具有完全相同的疗效。

癌症的发生和发展是一个多步骤过程。这个过程受到肿瘤细胞、间质细胞及其细胞外微环境共同作用的影响。由于癌症受到众多不断变化的不同组分的持续影响,因此它是一个极其复杂的系统。为了理解、分析和预测其行为,研究人员需要更加精密的数学模型。这些模型可以用来处理多种类型的信息,并在多个时间和空间维度上整合不同理论方法。因此这种模型也被成为混合模型(hybrid models)。

“混合(hybrid)”一词暗示了这些建模框架至少使用了两种不同的数学方法。一般而言,离散模型用于描绘单独细胞个体,每一个细胞都可能具有不同特征;连续模型则用于描绘营养物质、代谢废物以及药物的浓度。然而,在过去的十年中,新的数学分支不断涌现,例如机器学习、计算机视觉、流体动力学、最优控制和优化设计。这使得在癌症建模中纳入新方法成为可能。

Ibrahim Chamseddine博士和Katarzyna Rejniak博士在WIREs系统生物学与医学杂志上发表综述,该文阐述了数学混合建模(mathematical hybrid modeling)在癌症发展和治疗中的应用,其中他们划分了三种建模类别:物理模型、数据驱动模型以及优化模型。

 “混合建模框架”被定义为一项联合使用两种不同类别模型的技术。该文讨论了常用抗癌治疗方法的模型案例,这些抗癌治疗方法包括化疗,靶向治疗,纳米治疗,激素治疗,免疫治疗,放射治疗和联合治疗。同时,该文还对使用建模手段进行个性化治疗的未来研究方向进行了预测。

对于数学模型师,本研究可以作为现有癌症建模方法的指南;对于实验者,可将本研究视为利用计算机建模治疗癌症的调查。

综上所述,建模和实验方法的有机结合使得更广泛的治疗策略测试以及预测全新的、更加个性化治疗方案成为可能。