Controllability in a class of cancer therapy models with co-evolving resistance
该研究针对具有缓慢协同演化耐药性的癌症种群模型,分析自适应疗法建模中的固有局限,利用系统仿射结构与低维特性构造状态空间可控子集,证明其决定了所有无法治愈轨迹的渐近行为,为癌症自适应治疗的可控性分析提供了理论支撑。
2025-03-10 math.DS q-bio.PE
Using birth-death processes to infer tumor subpopulation structure from live-cell imaging drug screening data
针对现有PhenoPop框架的确定性模型拟合受限问题,提出基于线性生灭过程的随机模型,可构建动态方差、适配正时间相关数据,经模拟与体外实验验证,能更稳健地从药物筛选数据推断肿瘤亚群结构。
2023-06-13 q-bio.PE q-bio.QM
The Impact of Competition Between Cancer Cells and Healthy Cells on Optimal Drug Delivery
细胞竞争被认为是有助于在侵袭性癌症中的肿瘤-宿主界面的动力学和结构。在温和的竞争情况下,健康组织和癌细胞可以共存。当竞争激烈时,竞争性细胞,即所谓的超级竞争者,通过杀死其他细胞来扩张。新型细胞毒性药物和分子靶向药物通常作为癌症治疗的一部分施用。这两种类型的药物都容易受到各种耐药性机制的影响,阻碍或阻止成功的结果。在本文中,我们开发了一个癌症生长模型,该模型考虑了癌细胞和健康细胞之间的竞争。该模型结合了对细胞毒性药物和靶向药物的耐药性。在这两种情况下,耐药性水平被假定为从完全敏感到完全耐药的连续变量。使用我们的模型,我们证明,当竞争是温和的,使用两种药物的治疗方法比单一药物治疗更有效。然而,当癌细胞高度竞争时,靶向药物变得更有效。在这种情况下,以靶向药物开始并暴露于其足够长的时间的治疗显示出更好的结果。研究结果强调了根据治疗前的耐药水平调整治疗的重要性。最后,我们研究了在竞争环境中耐药性的时空传播,验证了在空间异质性情况下同样的结论。
2018-06-19 q-bio.PE q-bio.TO
Standing genetic variation and the evolution of drug resistance in HIV
耐药性仍然是艾滋病毒治疗的一个主要问题。耐药性可能是由于治疗开始前存在的突变或由于治疗期间发生的突变而发生的。这两个来源的相对重要性是未知的。我们研究了三种不同的情况下,艾滋病毒耐药性可能演变:开始三联药物治疗,治疗与单剂量的奈韦拉平和中断治疗。对于这三种情况下的每一个良好的数据可从文献中,这使我们能够估计的概率,从常设遗传变异的电阻演变。根据治疗的不同,我们发现由于遗传变异导致的耐药性演变的概率在0到39%之间。对于开始三联疗法的患者,我们发现大约6%的患者的耐药性是由长期遗传变异引起的。我们使用人口动态和人口遗传模型来理解的意见,并估计重要的进化参数。我们发现,治疗前病毒的有效种群大小和治疗期间抗性突变体的适应性是决定抗性从长期遗传变异演变的概率的关键参数。重要的是,临床数据表明,这两个参数都可以通过所使用的治疗类型来操纵。
2011-11-26 q-bio.GN q-bio.PE
Increasing risk behavior can outweigh the benefits of anti-retroviral drug treatment on the HIV incidence among men-having-sex-with-men in Amsterdam
在工业化国家,通过男男性行为者(男男性行为者)之间的接触传播是艾滋病毒流行的主要原因之一。在荷兰首都阿姆斯特丹,MSM风险群体已经被追踪了几十年。这促使了一些研究,从统计学、心理学和社会学的角度提供了关于男男性接触者危险行为的详细信息。尽管有效的抗逆转录病毒疗法的时代,艾滋病毒的发病率在男男性行为者增加。从长远来看,危险行为和有效治疗的矛盾效应仍然知之甚少。使用先前提出的复杂代理网络模型,我们描述了稳定和休闲的伙伴关系,以预测艾滋病毒在男男性接触者之间的传播。行为相关的参数和值,从阿姆斯特丹MSM的研究推断,被送入模型,我们使用历史的年度发病率数据验证模型。随后,我们研究的方案,以评估风险行为和有效治疗的矛盾影响,通过改变相应的参数值。最后,我们进行定量分析的基础上产生的发病率数据。模拟的发病率再现ACS的历史发病率以及有助于预测艾滋病毒在阿姆斯特丹的男男性接触者之间的流行。我们的研究结果表明,从长远来看,有效治疗的积极影响可以被MSM风险行为至少30%的增加所抵消。结论:我们建议,根据模型预测,降低风险的行为是显着的控制机制,艾滋病毒的发病率,即使在有效的治疗。
2010-12-28 cs.SI physics.med-ph q-bio.PE
A Machine Learning alternative to placebo-controlled clinical trials upon new diseases: A primer
International Center for Advanced Studies (ICAS), UNSAM and CONICET(国立圣马丁大学与国家科学技术研究委员会高等研究国际中心);Centro Atómico Bariloche, Instituto Balseiro and CONICET(巴里洛切原子能中心、巴尔塞罗研究所与国家科学技术研究委员会)
一种新的危险和传染性疾病的出现,需要比通常机制所预见的更快地开发药物疗法。许多药物治疗的发展在于通过不同的临床试验研究不同的特定药物组合的效果,通过将其递送到一组测试患者中,同时将安慰剂治疗递送到其余的患者中,称为对照组。我们将上述技术与一种新技术进行了比较,在这种新技术中,所有患者都接受不同的合理药物组合,并使用此结果来喂养神经网络。通过平均波动并识别不同的患者特征,神经网络学习将患者初始状态与治疗结果联系起来的模式,因此可以比上述方法更好地预测最佳药物治疗。与许多现有的作品相比,我们不研究药物成分或相互作用的任何细节,而是从现象学的角度提出并解决问题,这使我们能够比较两种方法。虽然结论是通过数学建模得出的,并且在任何合理的模型上都是稳定的,但这是一个概念验证,在面对真实场景之前,应该在其他专业知识中进行研究。所有的计算、工具和脚本都是开源的,供社区测试、修改或扩展。最后应该提到的是,尽管这里的结果是在医学科学中的一种新疾病的背景下提出的,但这些结果对任何需要控制组实验技术的领域都是有用的。
2020-03-26 cs.LG q-bio.PE q-bio.QM
Modeling continuous levels of resistance to multidrug therapy in cancer
多药耐药是一系列涉及多因素和复杂过程的遗传和表观遗传改变,是成功治疗癌症的挑战。伴随着生物技术和高维数据分析技术的进步,在建模生物系统的连续表型结构模型带来了新的机会,我们研究了一个癌细胞群体模型,考虑了多维连续耐药性状的多药耐药性调查。我们比较了我们的连续抗性性状模型与经典模型,假设一个离散的抗性状态和分类的情况下,连续和离散模型产生不同的动态模式,在新兴的异质性响应药物。我们还计算了各种连续体模型的最大适应性抗性性状,并研究了表突变的影响。最后,我们展示了我们的方法如何可以用来研究肿瘤生长的周转率和增殖分数,并表明,一个连续的阻力水平可能会导致不同的动态相比,其他离散模型的预测。
2018-06-20 q-bio.PE q-bio.TO
In Silico Implementation of Evolutionary Paradigm in Therapy Design: Towards Anti-Cancer Therapy as Darwinian Process
在这里提出的计算机研究中,我们提出了一种如何将进化原理应用到抗癌治疗设计中的方法。我们假设,而不是其正在进行的监督适应,治疗可能会被构建为一个自我维持的进化过程中的动态适应度景观建立隐式发展的癌细胞,微环境和治疗本身。为了这些目的,我们取代了统一的治疗与“治疗物种”,这是一个人口的异质性基本疗法,并提出了一种方法,如何把毒性的基本疗法到其健身的方式符合进化的因果关系。因此,不仅疗法支配不同细胞表型的演变,而且细胞的抗性也支配疗法的演变。我们说明了最低限度的特设进化模型的方法。其结果表明,耐药细胞可以通过抑制毒性较小的治疗方法,使进化偏向于毒性更大的基础治疗。由于癌症耐药性的进化原因已经被深入研究了几十年,我们将癌症作为一个特例来说明纯理论分析。
2019-10-09 q-bio.PE
On the design and stability of cancer adaptive therapy cycles: deterministic and stochastic models
本研究针对癌症自适应治疗周期的设计与稳定性问题,基于Lotka-Volterra模型和调整复制动力学模型提出保证周期存在的生物学假设,分析确定性与随机模型的周期稳定性,证实既往随机模型中周期失效源于确定性不稳定,稳定周期可长期避免随机模型下的治疗失效。
2024-09-10 q-bio.PE q-bio.TO
HIV drug resistance: problems and perspectives
近年来,获得抗逆转录病毒综合治疗的情况有了很大改善。截至2011年底,中低收入国家有800多万艾滋病毒感染者正在接受抗逆转录病毒治疗。ART通常在抑制病毒和保持患者健康方面效果良好。然而,治疗只有在病毒对所用药物不产生耐药性的情况下才有效。在过去的几十年里,艾滋病毒治疗在减缓耐药性的演变方面变得越来越好,因此一些患者接受治疗多年而没有任何耐药性问题。然而,对于一些患者,特别是低收入国家的患者,耐药性仍然严重威胁着他们的健康。本文将回顾已知的传播和获得性耐药,多类耐药,耐新药物,耐药由于治疗预防母婴传播,少数变异(低频耐药突变)的作用,和由于暴露前预防的耐药。
2013-01-23 q-bio.PE
Toward understanding of the role of reversibility of phenotypic switching in the evolution of resistance to therapy
状态转换的可逆性是许多科学学科多年来深入研究的课题。在细胞生物学中,它在表型的表观遗传变异中起重要作用,称为表型可塑性。更有趣的是,细胞状态的可逆性可能是至关重要的,在适应人口表型异质性的环境波动,通过不断发展的赌注对冲策略,这可能会赋予癌细胞耐药治疗。在这篇文章中,我们提出了一个形式化的高度可逆状态的演化环境中的周期性变化。提出了两个相互关联的异质细胞群体模型,并研究了它们的行为。第一个模型捕获细胞克隆的选择动力学,用于相应的表型可逆性水平。第二个模型侧重于在特定的癌症病例中可逆性和耐药性之间的相互作用。总的来说,我们的研究结果表明,阈值依赖性是研究模型的紧急功能,最终具有治疗相关性。所提出的例子表明,考虑到细胞的异质性与不同的可逆性量化适当选择的遗传和表观遗传熵措施的克隆系统内的重要性。
2018-03-30 q-bio.PE
Optimized Treatment Schedules for Chronic Myeloid Leukemia
在过去的十年中,已经开发了几种靶向治疗(例如伊马替尼,达沙替尼,尼洛替尼)来治疗慢性髓性白血病(CML)。尽管对治疗有初步反应,但耐药性仍然是一些CML患者的问题。最近的研究表明,可以在大量患者中检测到治疗前存在的耐药突变,并且这可能与最终的治疗失败有关。一种提出的延长治疗功效的方法是使用多种靶向疗法的组合。然而,这种组合疗法的设计(时机、顺序等)不适合于临床。仍然是一个公开的挑战。在这项工作中,我们对CML对联合治疗的反应动力学进行了数学建模,并分析了联合治疗方案对既存耐药患者治疗效果的影响。然后,我们提出了一个优化问题,以找到最佳的多种治疗方案的基础上的CML的演变,根据我们的常微分方程模型。由于存在普通的不同方程约束和整数变量,因此得到的优化问题是非平凡的。我们的模型还通过跟踪患者中性粒细胞计数对治疗的响应动态,结合了现实的药物毒性约束。使用realist- tic参数估计,我们确定最佳组合策略,最大限度地延长时间,直到治疗失败。
2016-04-17 math.OC q-bio.PE q-bio.TO
Emergence of Anti-Cancer Drug Resistance: Exploring the Importance of the Microenvironmental Niche via a Spatial Model
实际上,所有化疗剂都会导致耐药性。在临床上,确定耐药性是否在癌症治疗之前或作为癌症治疗的结果而产生是一个挑战。此外,许多不同的细胞内和微环境因素与耐药性的出现相关。为了更好地了解耐药性及其与肿瘤微环境的关系,我们开发了一种混合离散-连续数学模型。在这个模型中,通过粒子弹簧方法描述的癌细胞对通过偏微分方程描述的动态变化的氧气和DNA损伤药物浓度做出反应。我们彻底探索了我们的自校准模型在以下常见条件下的行为:脉管系统的固定布局,癌细胞的相同初始配置,药物作用的相同机制,以及细胞对药物的反应机制。我们考虑了一组模拟,其中耐药性在治疗开始前就存在,另一组模拟中,耐药性是在治疗后获得的。这使我们能够比较两种耐药性如何影响发展中肿瘤的时空动态及其克隆多样性。我们发现,既存和获得性耐药可以引起三个生物学上不同的参数制度:成功的肿瘤根除,减少药物的有效性在治疗过程中(耐药性),和完全治疗失败。
2014-12-02 q-bio.PE q-bio.TO
A mathematical model for phenotypic heterogeneity in breast cancer with implications for therapeutic strategies
几乎所有癌症患者都不可避免地对靶向治疗产生耐药性。肿瘤内异质性(ITH)是耐药性的主要原因。定量解释实验的数学模型有助于理解ITH的起源,然后可以用于探索有效治疗的方案。在这里,我们开发了一个数学模型来研究ITH在乳腺癌中利用观察,HER 2+和HER 2-细胞可以对称或不对称分裂。我们的预测细胞分数的演变与单细胞实验定量一致。值得注意的是,从单个HER 2-细胞中出现的HER 2+细胞的集落大小(或反之亦然),发生在大约四个细胞的倍增中,与实验结果完全一致,而无需调整模型中的任何参数。该理论定量地解释了不同治疗方案下乳腺癌肿瘤反应的实验数据。然后,我们使用该模型预测,不仅两种药物的顺序,而且每种药物的治疗时间和肿瘤细胞的可塑性都可以被操纵,以提高治疗效果。当数学模型与患者数据相结合时,可以很容易地探索广泛的参数,这可能为设计有效的治疗方法提供见解。
2021-08-13 cond-mat.soft physics.bio-ph q-bio.PE