穆罕默德·埃尔·瓦杰;法尔科·荣格;多米尼克·邦加兹;Kappatou，Chrysoula Dimitra;纳明·加法里·拉勒;亚历山大·米索斯;雅各布·尼古拉斯·凯瑟 库兹涅佐夫模型能复制并预测人类的癌症增长吗？ （英语） Zbl 1500.92020年 牛市。数学。生物。 84，第11期，第130号论文，第26页（2022年）. 摘要：在过去的几十年中，已经开发了几种预测肿瘤随时间增长的数学模型。这种模型的一个中心方面是肿瘤细胞与免疫效应细胞的相互作用。库兹涅佐夫模型[V.A.库兹涅佐夫等人，Bull。数学。《生物学》56，第2期，295–321页（1994年；Zbl 0789.92019)]是这些模型中最突出的，并已被用作许多其他相关模型和理论研究的基础。然而，这些模型都没有通过癌症免疫治疗患者的大规模真实数据进行验证。此外，这些模型的参数估计仍然是基于模型和数据驱动医疗的主要瓶颈。在本研究中，我们通过分别估计每个患者的模型参数，将库兹涅佐夫模型定量地拟合到1472名患者的大型数据集中，其中210名患者有6个以上的数据点。我们还对估计的参数进行了全局实用可识别性分析。因此，我们证明了参数值的几种组合可以导致精确的数据拟合。这为模型的全局参数估计提供了可能性，其中所有或部分参数的值对所有患者都是固定的。此外，通过省略最后两个或三个数据点，我们表明该模型可以外推并预测未来的肿瘤动力学。这为数学肿瘤模型的临床应用铺平了道路，在该模型中，可以根据模型的未来预测提前调整治疗策略。 MSC公司： 92立方厘米32 病理学、病理生理学 关键词：数学肿瘤学;肿瘤生长模型;肿瘤生长预测;参数估计;参数可辨识性分析 引文：Zbl 0789.92019 软件：Matlab公司;代码23;MATLAB ODE套件;代码45;代码23;代码113;奥德15 PDF格式BibTeX公司 XML格式引用 \textit{M.El Wajeh}等人，公牛。数学。生物学84，第11期，论文130，26页（2022；Zbl 1500.92020） 全文： 内政部 OA许可证 参考文献： [1] ARA安德森；Quaranta，V.，《综合数学肿瘤学》，Nat Rev Cancer，8，3，227-234（2008）·doi:10.1038/nrc2329 [2] 贝克，RE；佩尼亚，J-M；Jayamohan，J。；Jérusalem，A.，《机械模型与机器学习，一场值得为生物社区而战的战斗？》？，Biol Lett，2017年5月14日，邮编：70660（2018）·doi:10.1098/rsbl.2017.0660 [3] 巴拉尔，AV；医学博士高尔斯基；罗森博格，JE；鲍尔斯，T。；佩特里拉克，DP；贝尔蒙特，J。；洛里奥特，Y。；Necchi，A。；霍夫曼-肯茨，J。；Perez-Gracia，JL，Atezolizumab作为顺铂不合格患者局部晚期和转移性尿路上皮癌的一线治疗：一项单臂、多中心、2期试验，《柳叶刀》，389，10064，67-76（2017）·doi:10.1016/S0140-6736（16）32455-2 [4] 北卡罗来纳州贝洛莫。；Preziosi，L.，与肿瘤进化及其与免疫系统相互作用相关的建模和数学问题，数学计算模型，32，3，413-452（2000）·Zbl 0997.9202号 ·doi:10.1016/S0895-7177（00）00143-6 [5] Benzekry，S。；拉蒙特，C。；Beheshti，A。；Tracz，A。；埃博斯、JML；赫拉茨基，L。；Hahnfeldt，P.，《描述和预测实验性肿瘤生长的经典数学模型》，《公共科学图书馆-计算生物学》，10，8（2014）·doi:10.1371/journal.pcbi.1003800 [6] 斯洛伐克查特吉；Zetter，BR，《癌症生物标志物：了解现在并预测未来》，《未来癌症》，第1期，第37-50页（2005年）·doi:10.1517/14796694.1.1.37 [7] 克莱格，LE；Mac Gabhann，F.，《分子机制问题：药物开发中机械计算模型的益处》，《药理学研究》，99，149-154（2015）·doi:10.1016/j.phrs.2015.06.002 [8] Dalgleish，AG；O'Byrne，KJ，艾滋病和癌症发病机制中的慢性免疫激活和炎症，《癌症研究》，84，231-276（2002）·doi:10.1016/S0065-230X（02）84008-8 [9] 德波尔，RJ；Boerlijst，MC，艾滋病的多样性和毒力阈值，美国国家科学院院刊，91，2，544-548（1994）·Zbl 0786.9202号 ·doi:10.1073/pnas.91.2.544 [10] 德波尔，RJ；Hogeweg，P.，巨噬细胞和T淋巴细胞之间的相互作用：肿瘤通过辅助T细胞动力学的内在机制，《Theor生物学杂志》，120，3，331-351（1986）·doi:10.1016/S0022-5193（86）80205-3 [11] de Pillis，LG；顾伟（Gu，W.）。；Radunskaya，AE，《肿瘤的混合免疫治疗和化疗：建模、应用和生物学解释》，《Theor生物学杂志》，238，4，841-862（2006）·Zbl 1445.92135号 ·doi:10.1016/j.jtbi.2005.06.037 [12] 日本Egea；马特·R。；Banga，JR，《复杂过程优化的进化方法》，Compute Oper Res，37，2，315-324（2010）·Zbl 1175.90427号 ·doi:10.1016/j.cor.2009.05.003 [13] 日本Egea；亨利克斯，D。；科克莱尔，T。；美国空军维拉维德；MacNamara，A。；Danciu，D-P；JR班加；Saez Rodriguez，J.，MEIGO：一个基于元启发式的开源软件套件，用于系统生物学和生物信息学的全局优化，BMC Bioinform，15，1136（2014）·doi:10.1186/1471-2105-15-136 [14] Farrar JD、Katz KH、Windsor J、Thrush G、Scheurmann RH、Uhr JW、Street NE（1999）《癌症休眠》。七、。CD8+T细胞和IFN-γ在建立和维持肿瘤休眠状态中的调节作用。免疫学杂志（马里兰州巴尔的摩：1950）162（5）：2842-2849 [15] Faustino-Rocha，A。；宾夕法尼亚州奥利维拉；Pinho-Oliveira，J。；Teixeira-Guedes，C。；Soares-Maia，R。；达科斯塔，RG；可乐，B。；皮雷斯，MJ；科拉索，J。；费雷拉，R。；Ginja，M.，使用卡尺和超声测量法估算大鼠乳腺肿瘤体积，Lab Anim，42，6，217-224（2013）·doi:10.1038/laban.254 [16] 费伦巴赫，L。；斯皮拉，A。；Ballinger，M。；科瓦内茨，M。；Vansteenkiste，J。；Mazieres，J。；帕克，K。；史密斯，D。；Artal-Cortes，A。；Lewanski，C.，阿托利珠单抗与多西紫杉醇治疗先前治疗过的非小细胞肺癌（杨树）患者：一项多中心、开放标签、2期随机对照试验，《柳叶刀》，387100301837-1846（2016）·doi:10.1016/S0140-6736（16）00587-0 [17] Fröhlich，F。；凯斯勒，T。；Weindl，D。；沙德林，A。；施密斯特，L。；Hache，H。；Muradyan，A。；舒特，M。；林，J-H；海宁，M。；泰斯，FJ；Lehrach，H。；威林，C。；兰格，B。；Hasenauer，J.，《高效参数估计能够使用机械性泛癌途径模型预测药物反应》，《细胞系统》，7，6，567-579（2018）·doi:10.1016/j.cels.2018.10.013 [18] Gábor，A。；美国空军维拉维德；Banga，JR，生物系统大规模动力学模型中的参数可识别性分析和可视化，BMC Syst Biol，11，1，54（2017）·doi:10.1186/s12918-017-0428-y [19] Ghaffari Laleh，N。；洛弗勒，CML；Grajek，J。；斯塔科娃，K。；皮尔逊，AT；Muti，HS；特劳特温，C。；恩德林，H。；Poleszczuk，J。；Kather，JN，预测化疗和免疫治疗反应的经典数学模型，《公共科学图书馆·计算生物学》，18，2（2022）·doi:10.1371/journal.pcbi.1009822 [20] Jung，F。；FAL詹森；Ksiazkiewicz，A。；Caspari，A。；Mhamdi，A。；Pich，A。；Mitsos，A.，《微凝胶合成的可识别性分析和参数估计：集合成员法》，Ind Eng Chem Res，58，30，13675-13685（2019）·doi:10.1021/acs.iecr.8b05274 [21] Kirschner，D。；帕内塔，JC，肿瘤免疫相互作用的免疫治疗模型，《数学生物学杂志》，37，3，235-252（1998）·Zbl 0902.92012 ·doi:10.1007/s002850050127 [22] Kogan，Y。；Halevi Tobias，K。；Elishmereni，M。；Vuk-Pavlović，S。；Agur，Z.，《通过计算辅助实时个性化重新思考癌症免疫治疗范式》，Can-Res，72，9，2218-2227（2012）·doi:10.1158/0008-5472.CAN-11-4166 [23] 科尔奇，W。；Halasz，M。；格拉诺夫斯卡娅，M。；Kholodenko，BN，《癌症细胞中信号转导网络的动态控制》，Nat Rev cancer，15，9，515-527（2015）·doi:10.1038/nrc3983 [24] Kolev，M.，考虑抗体作用的肿瘤和免疫系统之间竞争的数学模型，数学计算模型，37，11，1143-1152（2003）·Zbl 1043.92013年 ·doi:10.1016/S0895-7177（03）80018-3 [25] 弗吉尼亚州库兹涅佐夫；爱荷华州马卡金；马萨诸塞州泰勒；Perelson，AS，免疫原性肿瘤的非线性动力学：参数估计和全局分岔分析，《公牛数学生物学》，56，2，295-321（1994）·Zbl 0789.92019 ·doi:10.1016/S0092-8240（05）80260-5 [26] Ledoit O、Santa-Clara P、Wolf M（2001）《灵活的多元GARCH建模及其在国际股市中的应用》 [27] Makhlouf AM，El-Shennawy L，Elkaranshawy HA，Diller D（2020）CD4+T细胞在肿瘤免疫相互作用中作用的数学模型。In：医学中的计算和数学方法·Zbl 1507.92045号 [28] Manabe，S。；Saltzman，B.，《二氧化碳与气候变化》，地球物理学进展：《气候理论》，39-82（1983），阿姆斯特丹：爱思唯尔出版社 [29] MATLAB，9.7.0.1190202（R2019b），（2019）纳蒂克。马萨诸塞州数学工程公司 [30] McNitt-Gray，MF；金，GH；赵，B。；施瓦茨，LH；克吕尼，D。；科恩，K。；Petrick，N。；费尼莫尔，C。；卢，ZJ；Buckler，AJ，《根据在无变化条件下获得的CT患者数据集确定病变大小测量值的可变性》，Transl Oncol，8，1，55-64（2015）·doi:10.1016/j.tranon.2015.01.001 [31] 苗，H。；夏，X。；佩雷尔森，AS；Wu，H.，《非线性ODE模型的可识别性及其在病毒动力学中的应用》，SIAM Rev，53，1，3-39（2011）·Zbl 1215.34015号 ·doi:10.1137/090757009 [32] 诺顿，L。；西蒙，R。；布雷顿，HD；博格登（Bogden），美国工程师协会（AE），《预测冈佩茨（Gompertzian）生长过程》，《自然》，2645586542-545（1976）·数字对象标识代码：10.1038/264542a0 [33] O'Byrne KJ，Dalgleish AG，Browning MJ，Steward WP，Harris AL（2000）《肿瘤发生和恶性疾病进展中血管生成和免疫反应之间的关系》。《欧洲癌症杂志》（英国牛津：1990）36（2）：151-169 [34] Owens，K。；Bozic，I.，用患者预处理模拟CAR T细胞治疗，《公牛数学生物学》，83，5，42（2021）·Zbl 1460.92099号 ·doi:10.1007/s11538-021-00869-5 [35] Paulen，R。；马萨诸塞州维拉努埃瓦；Chachuat，B.，《采用高阶边界技术和域和CPU时间缩减策略的非线性动态系统的保证参数估计》，IMA J Math Control Inf，33，3，563-587（2016）·Zbl 1397.93201号 ·doi:10.1093/imamci/dnu055 [36] Perelson，A。；Weisbuch，G.，《物理学家免疫学》。《现代物理学评论》，69，1219（1997）·doi:10.1103/RevModPhys.69.1219 [37] 彼得斯，S。；格廷格，S。；约翰逊，ML；宾夕法尼亚州贾恩；MC加拉西诺；克里斯托夫，D。；Toh，对照；北美Rizvi；查夫特，JE；Costa，EC，阿替佐单抗作为程序性死亡和1-选择晚期非小细胞肺癌（birch）患者一线或后续治疗的第二阶段试验，临床肿瘤杂志，35，24，2781（2017）·doi:10.1200/JCO.2016.71.9476 [38] Raue，A。；克鲁茨，C。；Maiwald，T。；Klingmuller，美国。；Timmer，J.，通过基于模型的实验解决参数可识别性，IET系统生物学，5，2，120-130（2011）·doi:10.1049/iet-syb.2010.0061 [39] Rhodes A，Hillen T（2019）免疫介导的转移生长对转移休眠、放大、早期检测和治疗的影响。生物Rxiv·Zbl 1451.92106号 [40] Rittmeyer，A。；Barlesi，F。；沃特坎普，D。；帕克，K。；Ciardiello，F。；冯·帕维尔，J。；SM Gadgeel；Hida，T。；科瓦尔斯基，DM；Dols，MC，阿托利珠单抗与多西紫杉醇在先前治疗过的非小细胞肺癌（oak）患者中的比较：一项3期、开放标签、多中心随机对照试验，《柳叶刀》，389，10066，255-265（2017）·doi:10.1016/S0140-6736（16）32517-X [41] Rockne，钢筋混凝土；Scott，JG，《数学肿瘤学导论》，JCO Clin Cancer Inform，3，1-4（2019）·doi:10.1200/CCI.19.00010 [42] Ruggeri，文学学士；F.营地。；Miknyoczki，S.，疾病动物模型：癌症临床前动物模型及其在药物发现中的应用和效用，生物化学药理学，87，1，150-161（2014）·doi:10.1016/j.bcp.2013.06.020 [43] 沙姆平，LF；Reichelt，MW，MATLAB ODE套件，SIAM科学计算杂志，18，1，1-22（1997）·Zbl 0868.65040号 ·doi:10.1137/S1064827594276424 [44] 舍夫佐夫，M。；皮特金，E。；Ischenko，A。；斯坦格尔，S。；西卡恰特里安。；加利宾，O。；爱德蒙，S。；Lobinger，D。；Multhoff，G.，在胶质母细胞瘤和肺癌的临床前模型中，体外Hsp70激活的NK细胞结合PD-1抑制显著提高整体生存率，Front Immunol，10，454（2019）·doi:10.3389/fimmu.2019.00454 [45] 斯皮格尔，DR；查夫特，JE；南卡罗来纳州盖廷格。；Chao，BH；Dirix，L。；施密德，P。；周，LQ；希克斯，RJ；莱昂，L。；Fredrickson，J.，FIR：阿替佐单抗治疗PD-L1选择性非小细胞肺癌患者的II期开放标签研究的疗效、安全性和生物标志物分析，《胸科肿瘤杂志》，13，11，1733-1742（2018）·doi:10.1016/j.jtho.2018.05.004 [46] 马里兰州汤普森；Kramer，MA，使用先验知识和神经网络建模化学过程，AIChE J，40，8，1328-1340（1994）·数字对象标识代码：10.1002/aic.690400806 [47] Tyson，JJ；WT鲍曼；陈，C。；Verdugo，A。；塔瓦索利，I。；Wang，Y。；韦纳，LM；Clarke，R.，乳腺癌细胞中雌激素信号和细胞命运的动态建模，《国家癌症评论》，11，7，523-532（2011）·doi:10.1038/nrc3081 [48] 瓦吉，C。；Rodallec，A。；范西利诺，R。；西科里尼，J。；莫切尔，JP；马斯特里，M。；Poignard，C。；埃博拉病毒，JML；Benzekry，S.，肿瘤生长曲线的人口建模和简化的Gompertz模型改进了对实验肿瘤年龄的预测，《公共科学图书馆·计算生物学》，16，2（2020）·doi:10.1371/journal.pcbi.1007178 [49] 沃尔特·E。；Pronzato，L.，从实验数据中识别参数模型（1997），柏林：施普林格出版社，柏林·Zbl 0864.93014号 [50] CJ惠勒；Das，A。；刘，G。；Yu，JS；Black，KL，接种疫苗后多形性胶质母细胞瘤对化疗的临床反应性，《临床癌症研究》，10，16，5316（2004）·doi:10.1158/1078-0432.CCR-04-0497 [51] Yuret D，de La Maza M（1993）《动态爬山：克服优化技术的局限性》。在：第二届土耳其人工智能和神经网络研讨会，第208-212页 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。