鲍康波;梁桂珍;田天海;张新安 肿瘤耐药生物学机制的数学建模和分岔分析。 （英语） Zbl 07815389号 数学学报。科学。，序列号。B、 英语。预计起飞时间。 44，第3期，1165-1188（2024）. 摘要：耐药性是癌症靶向治疗中最棘手的问题之一。它还被证明与癌症异质性有关，这促进了难治性癌症细胞群的出现。针对肿瘤细胞在与靶向药物和免疫系统接触时如何产生耐药性，我们提出了一个数学模型，用于研究联合异质性肿瘤免疫环境中的耐药性动力学。我们分析了模型平衡点的局部几何性质。数值模拟表明，选择性靶向清除敏感癌细胞可能会导致最初的异质人群成为更具耐药性的人群。此外，与免疫捕食强度的下降相比，免疫招募的下降是癌症逃避免疫监视或靶向治疗的更强有力的决定因素。模型参数的敏感性分析可以深入了解免疫系统与靶向治疗相结合在确定治疗结果中的作用。 MSC公司： 37N25号 生物学中的动力学系统 92B05型 普通生物学和生物数学 97M60毫米 生物、化学、医学（数学教育方面） 关键词：数学模型;耐药性;癌症异质性;免疫系统;靶向治疗 PDF格式BibTeX公司 XML格式引用 \textit{K.Bao}等人，《数学学报》。科学。，序列号。B、 英语。第44版，第3号，1165--1188（2024；Zbl 07815389） 全文： DOI程序 参考文献： [1] 世界卫生组织。癌症简介。2021年3月更新。[2021-06-07]. https://gco.iarc.fr/今日 [2] Moynihan，K.D。；Irvine，D.J.，先天免疫在联合免疫治疗中的作用，癌症研究，77，5215-5221（2017）·doi:10.1158/0008-5472.CAN-17-1340 [3] Gasteiger，G。；范，X。；Dikiy，S.，固有淋巴细胞在淋巴和非淋巴器官中的组织驻留，《科学》，350981-985（2015）·doi:10.122/科学.aac9593 [4] Lugini，L。；塞切蒂，S。；Huber，V.，人类NK细胞衍生外泌体的免疫监测特性，免疫学杂志，1892833-2842（2012）·doi:10.4049/jimmunol.11011988 [5] Vivier，E。；Raulet，D.H。；Moretta，A.，先天免疫还是适应性免疫？自然杀伤细胞的例子，《科学》，331，44-49（2011）·doi:10.1126/science.1198687 [6] Waldhauer，I。；Steinle，A.，NK细胞与癌症免疫监测，癌基因，275932-5943（2008）·doi:10.1038/onc.2008.267 [7] 戈尔，M.E。；穆罕默德，M。；Ellwood，K.，BCR-ABL基因突变或扩增引起的STI-571癌症治疗的临床耐药性，《科学》，293876-880（2001）·数字对象标识代码：10.1126/science.1062538 [8] Gerlinger，M。；斯旺顿，C.，《达尔文模型如何告知癌症医学中克隆异质性引发的治疗失败》，《英国癌症杂志》，1031139-1143（2010）·doi:10.1038/sj.bjc.6605912 [9] 米查姆，C.E。；Morrison，S.J.，《肿瘤异质性和癌细胞可塑性》，《自然》，501，328-337（2013）·doi:10.1038/nature12624 [10] 霍斯曼，G。；Byler，S。；Heerboth，S.，《癌症耐药性：概述》，《癌症》，61769-1792（2014）·doi:10.3390/cancers6031769 [11] 田，T。；奥尔森，S。；怀特阿克，J.M。；Harding，A.，《癌症鲁棒性和进化性的起源》，《综合生物学》，3，17-30（2011）·doi:10.1039/C0IB00046A [12] 桑德斯，N.A。；辛普森，F。；Thompson，E.W.，肿瘤内异质性在肿瘤耐药中的作用：分子和临床观点，EMBO分子医学，4675-684（2012）·doi:10.1002/emmm.21101131 [13] 库马尔，N。；克莱默，G.M。；Dahaj，S.A Z.，癌症细胞群表型转换和耐药性的随机建模，科学报告，9，10845（2019）·doi:10.1038/s41598-019-46926-x [14] 孙旭，张杰，赵强，等。随机建模表明，噪声通过诱导胶质瘤分化治疗中的异质药物反应降低分化效率。BMC系统生物学，2016年10月：第73条 [15] 霍奇金森，A。；Cam，L.L。；Trucu，D.，空间遗传和表型模型阐明异质性黑色素瘤对治疗的耐药性和再敏感性，理论生物学杂志，466，84-105（2019）·Zbl 1411.92137号 ·doi:10.1016/j.jtbi.2018.11.037 [16] 苏达拉贡塔，P。；Silva，M.C。；Canevarlo，R.R.，多发性骨髓瘤临床协同作用的药效学模型，EBioMedicine，54，102716（2020）·doi:10.1016/j.ebiom.2020.102716 [17] 王，Z。；巴特纳，J.D。；Cristini，V.，《肿瘤学中PK-PD和基于药剂的综合建模》，《药代动力学和药效学杂志》，42，179-189（2015）·doi:10.1007/s10928-015-9403-7 [18] Osojnik，A。；加夫尼，E.A。；Davies，M.，《肿瘤-免疫相互作用数学模型中兴奋性影响的识别和表征》，《理论生物学杂志》，501，110250（2020）·Zbl 1455.92031号 ·doi:10.1016/j.jtbi.2020.110250 [19] 庞，L。；刘，S。；张欣，抗肿瘤免疫反应的数学建模与动态分析，应用数学与计算杂志，62473-488（2020）·Zbl 1478.92049号 ·doi:10.1007/s12190-019-01292-9 [20] Kogan，Y。；Halevi-Tobias，K。；Elishmereni，M.，《通过计算辅助实时个性化重新思考癌症免疫治疗范式》，《癌症研究》，72，2218-2227（2012）·doi:10.1158/0008-5472.CAN-11-4166 [21] 加法里，A。；Naserifar，N.，《癌症免疫治疗中的最佳治疗方案》，《生物与医学中的计算机》，40，261-270（2010）·doi:10.1016/j.compbiomed.2009.12.001 [22] Ledzewicz，美国。；Naghnaeian，M。；Schättler，H.，肿瘤免疫动力学数学模型的最佳化疗反应，《数学生物学杂志》，64，557-577（2012）·Zbl 1284.92042号 ·doi:10.1007/s00285-011-0424-6 [23] Butner，J.D。；多格拉，P。；Chung，C.，用于个性化临床翻译的癌症免疫疗法的数学建模，自然计算科学，2785-796（2022）·doi:10.1038/s43588-022-00377-z [24] 太阳，X。；Hu，B.，癌症耐药性的数学建模和计算预测，生物信息学简报，19，1382-1399（2018）·doi:10.1093/bib/bbx065 [25] Wilkie，K.P.，《肿瘤休眠背景下癌症-免疫相互作用数学模型综述》，《肿瘤睡眠的系统生物学》，734201-234（2013）·doi:10.1007/978-1-4614-1445-2_10 [26] Mahlbacher G、Curtis L T、Lowengrub J等。肿瘤相关巨噬细胞与肿瘤微环境相互作用的数学模型。癌症免疫治疗杂志，2018，6：第10条 [27] 霍夫曼，F。；Gavaghan，D。；Osborne，J.，《抗体依赖性细胞毒性（ADCC）的数学模型》，《理论生物学杂志》，43639-50（2018）·Zbl 1394.92058号 ·doi:10.1016/j.jtbi.2017.09.031 [28] 塞尔，R。；Benzekry，S。；Padovani，L.，癌症免疫治疗的数学模型及其与放射治疗的协同作用，癌症研究，764931-4940（2016）·doi:10.1158/0008-5472.CAN-15-3567 [29] 罗佐娃，V。；Bratus，A.，肿瘤细胞和免疫系统相互作用的治疗策略数学模型，应用分析，951548-1559（2016）·Zbl 1350.37081号 ·doi:10.1080/00036811.2016.1153630 [30] Mahasa，K.J。；Ouifki，R。；Eladdadi，A.，肿瘤免疫监测的数学模型，《理论生物学杂志》，404312-330（2016）·Zbl 1343.92281号 ·doi:10.1016/j.jtbi.2016.06.012 [31] Song，G。；田，T。；张欣，肿瘤细胞介导免疫反应的数学模型，数学生物科学与工程，18，373-385（2020）·兹比尔1471.92103 ·doi:10.3934/mbe.2021020年 [32] F.R.麦克法兰。；Lorenzi，T。；Chaplain，M.A J.，《癌症免疫反应建模：基于个体的方法解释非活性和活性T细胞之间运动的差异》，《数学生物学公报》，80，1539-1562（2018）·Zbl 1396.92037号 ·doi:10.1007/s11538-018-0412-8 [33] Mahlbachera，G.E。；Reihmera，K.C。；Friebesa，H.B.，肿瘤免疫细胞相互作用的数学模型，理论生物学杂志，469，47-60（2019）·Zbl 1411.92081号 ·doi:10.1016/j.jtbi.2019.03.002 [34] 太阳，X。；鲍，J。；Shao，Y.，治疗诱导的癌症耐药的数学模型：将癌症机制与人群生存率联系起来，科学报告，622498（2016）·doi:10.1038/srep22498 [35] 北卡罗来纳州科马洛娃。；Wodarz，D.，《癌症中的耐药性：出现和预防的原则》，美国国家科学院学报，1029714-9719（2005）·doi:10.1073/pnas.0501870102 [36] 伊瓦萨，Y。；Nowak，医学硕士。；Michor，F.，克隆扩展期间的抗性进化，遗传学，1722557-2566（2006）·doi:10.1534/genetics.105.049791 [37] 托马斯蒂，C。；Levy，D.，癌症耐药性建模的基本方法，数学生物科学与工程，7905-918（2010）·Zbl 1259.92056号 ·doi:10.3934/mbe.2010.7.905 [38] Chisholm，R.H。；洛伦兹，T。；Clairambault，J.，《肿瘤中细胞群异质性和耐药性演变：生物学和数学评估，理论治疗优化》，《生物化学与生物物理学报（BBA）-普通学科》，1860，2627-2645（2016）·doi:10.1016/j.bbagen.2016.06.009 [39] De Pillis，L.G。；Radunskaya，A.，《具有免疫抵抗和药物治疗的数学肿瘤模型：最优控制方法》，《医学中的计算和数学方法》，379-100（2001）·Zbl 0985.92023号 [40] Tran，A.P。；Ali Al-Radhawi，M。；Kareva，I.，《癌症化疗中的微妙平衡：模拟免疫招募和系统耐药性的出现》，免疫学前沿，111376（2020）·doi:10.3389/fimmu.2020.01376 [41] 皮雷托，E。；Delitala，M。；Ferraro，M.，《联合疗法和肿瘤内竞争：数学建模的见解》，《理论生物学杂志》，446149-159（2018）·Zbl 1397.92353号 ·doi:10.1016/j.jtbi.2018.03.014 [42] 巴里什，S。；Ochs，M.F。；Sontag，E.D.，通过样本人群的虚拟扩张评估最佳治疗的稳健性，癌症免疫治疗的案例研究，国家科学院学报，114，E6277-E6286（2017）·doi:10.1073/pnas.1703355114 [43] Angelini，E。；Wang，Y。；周建新，癌症治疗的内在极限模型：治疗诱导的细胞死亡和治疗诱导的干细胞的二重性，PLOS计算生物学，18，e1010319（2022）·doi:10.1371/journal.pcbi.1010319 [44] Masud M A，Kim J Y，Kim E.将肿瘤负担控制在可耐受水平下的有效剂量窗口。NPJ系统生物学与应用，2023，9：第17条 [45] 库兹涅佐夫，V.A。；马卡尔金，I.A。；Taylor，M.A.，免疫原性肿瘤的非线性动力学：参数估计和全局分叉分析，《数学生物学公报》，56295-321（1994）·Zbl 0789.92019 ·doi:10.1007/BF02460644 [46] Diefenbach，A。；Jensen，E。；Jamieson，A.，NKG2D受体的Rae1和H60配体刺激肿瘤免疫，《自然》，413，165-171（2001）·doi:10.1038/35093109 [47] Wilkie，K.P。；Hahnfeldt，P.，《免疫诱导癌症休眠和免疫逃避出现的数学模型》，《界面焦点》，320130010（2013）·doi:10.1098/rsfs.2013.0010 [48] Yates，A。；Callard，R.，《细胞死亡与免疫记忆的维持》，离散和连续动态系统-B，143-59（2001）·兹伯利0980.92017 ·doi:10.3934/dcdsb.20011.43 [49] Kiran，K.L。；Lakshminarayanan，S.，《化疗和免疫治疗的优化：使用药物动力学-药物动力学和肿瘤生长模型进行电子分析》，《过程控制杂志》，23，396-403（2013）·doi:10.1016/j.jprocont.2012.12.006 [50] 古根海默，J。；Holmes，P.，《非线性振动、动力系统和向量场的分岔》（1983），柏林：斯普林格-弗拉格出版社，柏林·Zbl 0515.34001号 ·doi:10.1007/978-1-4612-1140-2 [51] Kuang，Y。；Takeuchi，Y.，《两个斑块环境中食饵扩散模型中的捕食者-食饵动力学》，《数学生物科学》，120，77-98（1994）·Zbl 0793.92014号 ·doi:10.1016/0025-5564（94）90038-8 [52] 纳伦德拉，B.L。；Reddy，K.E。；Shantikumar，S.，《免疫系统：癌症中的双刃剑》，《炎症研究》，62823-834（2013）·doi:10.1007/s00011-013-0645-9 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。