数学建模提供了了解对目标疗法的变量反应的新方法
![Cancer cell during cell division. Credit: National Institutes of Health 癌症](https://scx1.b-cdn.net/csz/news/800a/2018/5c18fceef3bbb.jpg)
靶向特定蛋白质的癌症疗法对患者的结果有改善。然而,许多患者最终会对这些靶向疗法产生抗性,并且他们的癌症回归。据信,肿瘤细胞或异质性的差异可能导致这种耐药性。Moffitt癌症中心研究人员通过将典型的细胞培养研究与数学建模组合来确定肿瘤内的异质性和周围肿瘤环境如何影响对靶向药物治疗的反应。他们的学习在线公布PLOS生物学。
单个细胞瘤可能是非常不同的。它们可能具有不同的遗传特征,导致不同的蛋白质水平或活性,并响应刺激或靶向的方式不同治疗。此外,周围的肿瘤环境可以产生进一步改变的化学信号肿瘤细胞他们对针对目标疗法的反应。
这是研究人员用来研究的典型方法癌症发展和治疗是要考虑的细胞在给定的肿瘤内是相同的并且具有与治疗类似的反应。然而,这种假设不是实际发生的并且倾向于限制有效癌症疗法的设计。通过使用数学建模和实验数据,Moffitt研究人员能够考虑肿瘤细胞异质性。这允许更准确地预测细胞如何响应有针对性的癌症治疗,并表明更有效的。
跨学科研究团队由数学建模师和基础/转化生物学家组成,他们分别由Moffitt肿瘤综合数学系主任Alexander Anderson博士和Eric Haura博士领导。化学生物学和分子医学项目的联合领导者,莫菲特胸椎肿瘤学系的高级成员。他们基于从肺癌细胞系获得的实验数据,共同创建了一个数学模型。已知有许多信号通路参与了癌症的进展。研究人员决定将重点放在两个关键的通路上,即RAS-MAPK和AKT-PI3K信号通路,这两个通路在许多不同类型的癌症中通常被解除控制。他们进行了细胞培养实验,在存在和不存在一种名为HGF的蛋白质的情况下,这种蛋白质是由周围肿瘤环境中的细胞产生的。HGF是已知的药物抵抗性。他们也对待了肺癌细胞用不同的抑制剂来确定细胞对这些靶向药物的反应。他们利用这些数据建立数学模型,做出新的预测,然后在肺癌细胞系中证实这些预测。
合并结果表明,由于不同的蛋白质活性,癌细胞对靶向药物疗法具有不同的反应。此外,一些细胞可能无法响应靶向抑制剂,因为替代的信号传导途径可以被激活并绕过该抑制剂。结果,可能需要使用药物抑制剂的组合以尽可能多的多种肿瘤细胞靶向靶向。研究人员用它们的模型显示某些药物组合在减少细胞活力时更有效。然而,他们还证明周围的肿瘤环境可以改变细胞回复药物或药物组合。
重要的是,研究人员证明了细胞对药物抑制剂和肿瘤环境反应的所有这些变化可能导致种群中的某些细胞成为主导细胞,从而导致耐药性。此外,某些药物抑制剂和组合可以产生相对较长的肿瘤细胞异质性后处理。
这种数学方法的主要优点是它可以分析许多不同的肿瘤情景和药物组合,并提供更准确地预测异质肿瘤反应的方法。“我们只是刚刚开始了解非遗传异质性的重要性。更多需要在戏弄遗传,细胞和微环境的贡献中取笑;它们如何互动和调制,以及如何改变我们的目前的组合治疗策略,“引导研究作者eunjung金,博士和亚历山大安德森,博士。MOFFITT综合数学肿瘤科的研究。
用户评论