×
Grace E.Mahlbacher。;卡拉·C·雷默。;赫尔曼·B·弗里博斯。

肿瘤与免疫细胞相互作用的数学模型。 （英语） Zbl 1411.92081号

J.西奥。生物。 469, 47-60 (2019).
摘要：免疫系统的抗肿瘤活性越来越被公认为对肿瘤生长和侵袭的长期有效反应以及预防切除或治疗后复发的关键。随着肿瘤与免疫细胞相互作用知识的进步，实验研究得到了数学模型的补充，目的是量化和预测这些相互作用。这篇简明扼要的综述概述了最近的肿瘤免疫连续体建模方法，重点介绍了空间模型。重点是过去十年发表的工作，包括一种或多种免疫细胞类型，并评估免疫细胞对肿瘤进展的影响。由于其与癌症的相关性，以下免疫细胞及其组合被描述：巨噬细胞、细胞毒性T淋巴细胞、自然杀伤细胞、树突状细胞、T调节细胞和CD4+T辅助细胞。虽然已经从数学建模的角度获得了重要的见解，但开发包含患者特定数据的模型仍然是一个重要的目标，尚未实现，以实现潜在的临床效益。

引用于20文件

MSC公司：

92立方37 细胞生物学
92年第35季度 与生物、化学和其他自然科学相关的PDE

关键词：

癌症;肿瘤生长;免疫系统;癌症免疫学;癌症免疫治疗;肿瘤免疫治疗;数学建模;计算模拟
PDF格式BibTeX公司 XML格式引用
\textit{G.E.Mahlbacher}等人，J.Theor。生物学469，47-60（2019；兹比尔1411.92081）
全文： 内政部 链接

参考文献：

[1] Aguirre-Ghiso，J.A.，《癌症休眠的模型、机制和临床证据》，《国家癌症评论》，7834-846（2007）
[2] Al-Tameemi，M。；牧师，M。；d'Onofrio，A.，《肿瘤逃避免疫系统控制：短暂接触的后果》，Biol。直接，7，31（2012）
[3] 阿方索，J.C.L。；Talkenberger，K。；塞弗特，M。；Klink，B。；Hawkins-Daarud，A。；斯旺森，K.R。；Hatzikirou，H。；Deutsch，A.，《胶质瘤侵袭的生物学和数学模型：综述》，J.R.Soc.Interface，14（2017）
[4] 安德森，A.R.A。；Maini，P.K.，《数学肿瘤学》，公牛。数学。生物学，80，945-953（2018）·兹比尔1390.000112
[5] Baldock，A.L。；Rockne，R.C。；布恩，A.D。；Neal，M.L。；Hawkins-Daarud，A。；科尔文，D.M。；桥梁，C.A。；盖曼，洛杉矶。；特里斯特，A.D。；Mrugala，M.M。；Rockhill，J.K。；Swanson，K.R.，《从特定患者的数学神经肿瘤学到精确医学》，Front。Oncol.公司。，3, 62 (2013)
[6] Boissonnas，A。；费特勒，L。；塞伦伯格，I.S。；Hugues，S。；Amigorena，S.，《细胞毒性T细胞浸润和实体肿瘤消除的体内成像》，《实验医学杂志》，204，345-356（2007）
[7] Bose，T。；Trimper，S.，肿瘤和免疫细胞的噪声辅助相互作用，Phys。版本E，84，021927（2011）
[8] Bracci，L。；斯齐亚沃尼，G。；Sistigu，A。；Belardelli，F.，《细胞毒性化疗的免疫机制：对设计新型和基于定量的联合治疗癌症的影响》，《细胞死亡差异》。，21, 15-25 (2014)
[9] Byrne，H.M.，《通过数学解剖癌症：从细胞到动物模型》，《国家癌症评论》，2010年第10期，第221-230页
[10] Byrne，H.M。；考克斯，S.M。；Kelly，C.E.，《巨噬细胞与肿瘤的相互作用：体内动力学》，离散Contin。动态。系统-序列号。B、 481-98（2004）·Zbl 1055.34089号
[11] 卡布奇奥，A。；Elishmereni，M。；Agur，Z.，《白细胞介素-21的癌症免疫治疗：在数学模型中评估的潜在治疗策略》，《癌症研究》，66，7293-7300（2006）
[12] Chakrabarty，S.P。；Banerjee，S.，最佳治疗辅助癌症缓解的控制理论方法，生物学杂志。系统。，18, 75-91 (2010) ·Zbl 1342.92092号
[13] Chanmee，T。；Ontong，P。；Konno，K。；Itano，N.，《肿瘤相关巨噬细胞作为肿瘤微环境中的主要参与者》，《癌症》，61670-1690（2014）
[14] Chaplain，M.A.，生物学和医学多尺度数学建模，IMA J.Appl。数学。，76, 371-388 (2011) ·Zbl 1217.92055号
[15] 查佩尔，M。；Chelliah，V。；Cherkaoui，M。；Derks，G。；Dumortier，T。；埃文斯，N。；费拉里尼，M。；Fornari，C。；Ghazal，P。；Guerriero，M.L。；Kirkby，N。；Lourdusamy，A。；Munafo，A。；沃德·J。；温斯顿，R。；Yates，J.，《免疫肿瘤学和抗癌治疗组合的数学建模》（英国定量系统药理学会议，英国麦克斯菲尔德（2015））
[16] 陈，D。；Bobko，A.A。；总电流。；埃文斯，R。；马什，C.B。；Khramtsov，V.V。；Eubank，T.D。；Friedman，A.，肿瘤巨噬细胞HIFs参与化疗有效性：氧、pH和谷胱甘肽的数学模型，PLoS ONE，9（2014）
[17] 克里斯蒂尼，V。；Frieboes，H.B。；李，X。；Lowengrub，J。；Macklin，P。；桑加，S。；怀斯，S.M。；Zheng，X.，肿瘤生长的非线性建模与模拟，Sel。顶部。癌症模型（2008）
[18] d'Onofrio，A。；加蒂，F。；Cerrai，P。；Freschi，L.，肿瘤-免疫系统相互作用的延迟诱导振荡动力学，数学。计算。型号1。，51, 572-591 (2010) ·Zbl 1190.34088号
[19] De Palma，M。；Lewis，C.E.，抗癌治疗对肿瘤反应的巨噬细胞调节，《癌症细胞》，23，277-286（2013）
[20] De Palma，M。；Venneri，医学硕士。；加里，R。；Sergi Sergi，L。；Politi，L.S。；Sampaolesi，M。；Naldini，L.，Tie2确定了肿瘤血管形成所需的促血管生成单核细胞的造血谱系和周细胞祖细胞的间充质群体，《癌症细胞》，8211-226（2005）
[21] de Pillis，L.G。；Radunskaya，A.，肿瘤侵袭免疫反应的数学模型A2-Bathe，K.J.计算流体和固体力学2003，1661-1668（2003），Elsevier Science Ltd：Elsevior Science有限公司牛津
[22] de Pillis，L.G。；Radunskaya，A.，免疫介导的肿瘤生长和治疗建模，（d'Onofrio，A.；Gandolfi，A.，数学肿瘤学2013（2014），Birkhäuser：Birkhäuser，纽约），199-235
[23] de Pillis，L.G。；Radunskaya，A.E。；Wiseman，C.L.，《细胞介导免疫对肿瘤生长反应的验证数学模型》，《癌症研究》，65，7950-7958（2005）
[24] de Pillis，L.G。；加列戈斯，A。；Radunskaya，A.，黑色素瘤树突状细胞治疗模型，Front。Oncol.公司。，3，56（2013）
[25] de Pillis，L.G。；Eladdadi，A。；Radunskaya，A.E.，《模拟癌症对治疗的免疫反应》，《药代动力学杂志》。药物动力学。，41, 461-478 (2014)
[26] de Pillis，L.G。；考德威尔，T。；萨拉帕塔，E。；Williams，H.，肾细胞癌治疗中调节性t细胞作用的数学模型，离散康定。动态。系统。序列号。B、 18、915-943（2013）·Zbl 1301.92036号
[27] de Pillis，L.G。；Renee Fister，K。；顾伟（Gu，W.）。；柯林斯，C。；道布，M。；总直径。；摩尔，J。；Preskill，B.，癌症化学免疫治疗数学模型创建，计算机。数学。方法医学，10，165-184（2009）·兹比尔1312.92026
[28] Deisboeck，T.S。；王，Z。；Macklin，P。；Cristini，V.，《多尺度癌症建模》，年度。生物识别版本。工程，13，127-155（2011）
[29] den Breems，纽约。；Eftimie，R.，《M2和M1巨噬细胞的再极化及其对癌症结局的作用》，J.Theor。生物学，390，23-39（2016）·Zbl 1343.92254号
[30] 邓，L。；Liang，H。；伯内特，B。；贝克特，M。；达加，T。；魏希塞尔鲍姆，R.R。；Fu，Y.X.，《辐射和抗PD-L1治疗协同促进小鼠抗肿瘤免疫》，J.Clin。投资，124687-695（2014）
[31] Dong，Y。；宫崎骏，R。；Takeuchi，Y.，肿瘤免疫系统中辅助T细胞的数学建模，离散Contin。动态。系统。序列号。B、 19、55-72（2014）·Zbl 1309.92043号
[32] 邓恩，G.P。；老，L.J。；Schreiber，R.D.，《癌症免疫监测和免疫编辑的免疫生物学》，《免疫学》，21137-148（2004）
[33] Edelman，L.B。；Eddy，J.A。；Price，N.D.，《癌症电子模型》，Wiley Interdiscip。版本系统。生物医学，2438-459（2010）
[34] 埃夫蒂米，R。；Bramson，J.L。；Earn，D.J.，《免疫系统与癌症之间的相互作用：非空间数学模型的简要综述》，Bull。数学。生物学，73，2-32（2011）·Zbl 1209.92028号
[35] El-Gohary，A.，《癌症自缓解和肿瘤系统稳态的混沌与最优控制》，混沌孤子分形，371305-1316（2008）·Zbl 1142.92327号
[36] Elishmereni，M。；Kheifetz，Y。；Söndergaard，H。；Overgaard，R.V。；Agur，Z.，一个综合的疾病/药代动力学/药效学模型表明，改进的白细胞介素-21方案对小鼠实体癌进行了前瞻性验证，PLoS Comput。生物学，7，文章e1002206 pp.（2011）
[37] 恩德林，H。；Chaplain，M.A.，肿瘤生长和治疗的数学模型，Curr。药物设计。，20, 4934-4940 (2014)
[38] Engelhardt，J.J。；Boldajipour，B。；比米勒，P。；潘杜拉吉，P。；Sorensen，C。；维尔布，Z。；埃格布拉德，M。；Krummel，M.F.，肿瘤微环境的边缘树突状细胞交叉呈现肿瘤抗原并稳定参与肿瘤特异性T细胞，《癌症细胞》，21，402-417（2012）
[39] 菲格雷多，G.P。；Siebers，P.O。；Aickelin，U.，《从基于代理的建模角度研究免疫相互作用与早期癌症的数学模型》，BMC Bioninform。，14，补遗6，S6（2013）
[40] Frascoli，F。；Kim，P.S。；休斯，B.D。；Landman，K.A.，肿瘤免疫治疗的动力学模型，数学。生物科学。，253, 50-62 (2014) ·Zbl 1287.92008年
[41] Fremd，C。；Schuetz，F。；Sohn，C。；贝克霍夫，P。；Domschke，C.，肿瘤模型和癌症患者的B细胞调节免疫反应，肿瘤免疫学，2，e25443（2013）
[42] Frieboes，H.B。；牧师，M.A。；汤普森，A.M。；持票人，E.L。；Lowengrub，J.S。；Cristini，V.，《物理肿瘤学：床边定量和预测方法》，《癌症研究》，71，298-302（2011）
[43] Gatenby，R.A.，《肿瘤与宿主相互作用作为竞争人群的模型：对肿瘤生物学和治疗的影响》，J.Theor。《生物学》，176447-455（1995）
[44] 格拉波夫，D。；Fahrmann，J。；Wanichthanarak，K。；Khoomrung，S.，精密医学中基因组、蛋白质组和代谢组数据集成的深度学习兴起，OMICS，22，630-636（2018）
[45] 吉列里，C。；北卡罗来纳州亨廷顿。；Smyth，M.J.，《癌症免疫治疗中靶向自然杀伤细胞》，《自然免疫学》。，17, 1025-1036 (2016)
[46] 郭，C。；Buranych，A。；Sarkar，D。；费希尔，P.B。；Wang，X.Y.，肿瘤相关巨噬细胞在肿瘤血管化中的作用，Vasc。细胞，5，20（2013）
[47] 郭，C。；Buranych，A。；Sarkar，D。；费希尔，P.B。；Wang，X.Y.，更正：肿瘤相关巨噬细胞在肿瘤血管化中的作用，Vasc。细胞，6，2（2014）
[48] Gurcan，F。；Kartal，S。；Ozturk，I。；Bozkurt，F.，具有分段常数时滞参数的肿瘤免疫相互作用数学模型的稳定性和分岔分析，混沌孤子分形，68，169-179（2014）·Zbl 1354.92037号
[49] 哈里斯·T·H。；班尼根，E.J。；Christian，D.A。；康拉德，C。；Tait Wojno，E.D。；Norose，K。；Wilson，E.H。；约翰·B。；Weninger，W。；卢斯特，A.D。；刘，A.J。；Hunter，C.A.，广义Levy walks和趋化因子在效应CD8+T细胞迁移中的作用，《自然》，486，545-548（2012）
[50] Hatzikirou，H。；Chauviere，A。；Bauer，A.L。；Leier，A。；路易斯，M.T。；Macklin，P。；Marquez-Lago，T.T。；Bearer，E.L.公司。；Cristini，V.，《综合物理肿瘤学》，Wiley Interdiscip。版本系统。生物医学，4，1-14（2012）
[51] Hiramoto，R.N。；Ghanta，V.K.，小鼠浆细胞瘤中肿瘤细胞的化疗和杀伤率，癌症研究，341738-1742（1974）
[52] 霍夫曼，F。；Gavaghan，D。；奥斯本，J。；巴雷特，I.P。；你，T。；Ghadially，H。；Sainson，R。；威尔金森，R.W。；Byrne，H.M.，《抗体依赖性细胞毒性（ADCC）的数学模型》，J.Theor。生物学，43639-50（2018）·Zbl 1394.92058号
[53] Itik，M。；Banks，S.P.，《三维癌症模型中的混沌》，国际期刊《分叉》。《混沌》，20，71-79（2010）·Zbl 1183.34064号
[54] Italiani，P。；Boraschi，D.，从单核细胞到M1/M2巨噬细胞：表型与功能分化，前沿。免疫学。，5, 514 (2014)
[55] Kakimi，K。；卡拉萨基，T。；松下，H。；Sugie，T.，个性化癌症免疫治疗进展，乳腺癌，24，16-24（2017）
[56] 卡雷瓦，I。；Waxman，D.J。；Klement，G.L.，《节律化疗：可激活抗肿瘤免疫并降低治疗耐药性的最大耐受剂量治疗的一种有吸引力的替代方案》，《癌症快报》。，358，100-106（2015）
[57] Kaur，G。；Ahmad，N.，《捕食系统中肿瘤细胞免疫反应研究》，Int.Sch。Res.Not.，不适用。，8 (2014), 2014
[58] 哈扬奇，S。；Banerjee，S.，延迟诱导肿瘤免疫相互作用模型的稳定性和分岔分析，应用。数学。计算。，248, 652-671 (2014) ·Zbl 1338.92048号
[59] 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》，J.Process。对照，23996-403（2013）
[60] Kirschner，D。；Panetta，J.C.，肿瘤免疫相互作用的免疫治疗建模，J.Math。生物学，37，235-252（1998）·Zbl 0902.92012
[61] 科列夫，M。；科兹·奥斯卡，E。；Lachowicz，M.，单细胞癌的数学模型——免疫系统动力学，数学。计算。型号1。，41, 1083-1095 (2005) ·Zbl 1085.92019年
[62] Kondelkova，K。；沃库科娃，D。；克雷泽克，J。；Borska，L。；菲亚拉，Z。；Ctirad，A.，调节性T细胞（TREG）及其在免疫病理疾病免疫系统中的作用，《医学学报》。（克拉勒夫赫拉德克），53，73-77（2010）
[63] Kreeger，P.K。；Lauffenburger，D.A.，《癌症系统生物学：网络建模视角》，《癌症发生》，31，2-8（2010）
[64] 库兹涅佐夫，V.A。；马卡尔金，I.A。；Taylor，医学硕士。；Perelson，A.S.，《免疫原性肿瘤的非线性动力学：参数估计和全局分歧分析》，Bull。数学。《生物学》，56，295-321（1994）·Zbl 0789.92019
[65] 兰，C。；黄，X。；Lin，S。；黄，H。；蔡，Q。；Wan，T。；卢，J。；Liu，J.，M2-极化巨噬细胞的表达与晚期上皮性卵巢癌的不良预后相关，Technol。癌症研究治疗。，12, 259-267 (2013)
[66] 拉乌伊博士。；莫瓦赫迪，K。；Van Overmeire，E。；Van den Bossche，J。；肖普，E。；C.莫默。；尼古拉·A·。；莫里亚斯，Y。；De Baetselier，P。；Van Ginderachter，J.A.，乳腺癌中的肿瘤相关巨噬细胞：不同的亚群，不同的功能，Int.J.Dev.Biol。，55, 861-867 (2011)
[67] Lee，T.H。；Cho，Y.H。；Lee，M.G.，《生物技术》，大量未成熟树突状细胞增强了对已建立的小鼠黑色素瘤细胞的抗肿瘤作用。莱特。，29, 351-357 (2007)
[68] Leonard，F。；柯蒂斯，L.T。；Ware，M.J。；Nosrat，T。；刘，X。；Yokoi，K。；Frieboes，H.B。；Godin，B.，巨噬细胞极化有助于负载白蛋白结合紫杉醇的介孔纳米载体Front的抗肿瘤功效。免疫学。，8, 693 (2017)
[69] Leonard，F。；柯蒂斯，L.T。；Yesantharao，P。；Tanei，T。；亚历山大·J·F。；吴，M。；Lowengrub，J。；刘，X。；M.法拉利。；横井，K。；Frieboes，H.B。；Godin，B.，《巨噬细胞包裹的纳米粒子白蛋白结合-β-吡咯烷醇在低灌注癌症病变中的增强性能》，纳米尺度，812544-12552（2016）
[70] Letellier，C。；丹尼斯，F。；洛杉矶阿奎尔，从混沌癌症模型中可以学到什么？，J.西奥。《生物学》，322，7-16（2013）·Zbl 1406.92313号
[71] 阿拉巴马州洛佩斯。G。；Seoane，J.M.（塞奥内，J.M.）。；Sanjuán，M.A.，一个有效的肿瘤生长数学模型，包括肿瘤与宿主的相互作用、细胞介导的免疫反应和化疗，Bull。数学。《生物学》，762884-2906（2014）·Zbl 1329.92075号
[72] Ludewig，B。；Krebs，P。；Junt，T。；米特斯，H。；新泽西州福特。；安德森，R.M。；Bocharov，G.，《确定树突状细胞-细胞毒性T淋巴细胞相互作用的控制参数》，《欧洲免疫学杂志》。，342407-2418（2004年）
[73] F.R.麦克法兰。；Lorenzi，T。；Chaplain，M.A.J.，《癌症免疫反应建模：一种基于个体的方法，解释非活性和活性T细胞之间运动的差异》，B.Math。生物学，80，1539-1562（2018）·Zbl 1396.92037号
[74] Macklin，P。；McDougall，S。；安德森，A.R.A。；牧师，M.A.J。；克里斯蒂尼，V。；Lowengrub，J.，血管肿瘤生长的多尺度建模和非线性模拟，J.Math。《生物学》，58765-798（2009）·兹比尔1311.92040
[75] Mahasa，K.J。；Ouifki，R。；Eladdadi，A。；de Pillis，L.，肿瘤免疫监测的数学模型，J.Theor。生物学，404312-330（2016）·Zbl 1343.92281号
[76] Maher，J。；Davies，E.T.，靶向细胞毒性T淋巴细胞用于癌症免疫治疗，Br.J.cancer，91817-821（2004）
[77] Mahlbacher，G。；柯蒂斯，L.T。；Lowengrub，J。；Frieboes，H.B.，肿瘤相关巨噬细胞与肿瘤微环境相互作用的数学模型，J.Immunother。癌症，6，10（2018）
[78] 马尔科夫，O.V。；米罗诺娃，N.L。；弗拉索夫，V.V。；Zenkova，M.A.，树突状细胞激活抗肿瘤免疫反应的分子和细胞机制，《自然学报》，8，17-30（2016）
[79] 马鲁西克，A。；Polyak，K.，《肿瘤异质性：原因和后果》，《生物化学》。生物物理学。《学报》，1805，105（2010）
[80] Matzavinos，A。；牧师，文学硕士。；Kuznetsov，V.A.，细胞毒性T淋巴细胞对实体肿瘤时空反应的数学模型，Math。医学生物学。，21, 1-34 (2004) ·Zbl 1061.92038号
[81] McDougall，S.R。；安德森，A.R.A。；Chaplain，M.A.J.，动态适应性肿瘤诱导血管生成的数学模型：临床意义和治疗靶向策略，J.Theor。《生物学》，241564-589（2006）·Zbl 1447.92096号
[82] Michor，T。；利普哈特，J。；M.法拉利。；Widom，J.，物理学与癌症有什么关系？，《国家癌症评论》，第11期，第657-670页（2011年）
[83] 米塔尔，D。；古宾，M.M。；Schreiber，R.D。；Smyth，M.J.，《癌症免疫编辑及其三组分阶段——消除、平衡和逃逸的新见解》，Curr。操作。免疫学。，2014年6月27日至25日
[84] 莫塔代伊，M。；Hashemi Golpayegani，M.R。；Malekzadeh，R.，肿瘤-免疫相互作用基于地图模型中的周期和混沌动力学，J.Theor。《生物学》，334130-140（2013）·Zbl 1397.92350号
[85] Nicholson，L.B.，《免疫系统》，《论文生物化学》。，60, 275-301 (2016)
[86] 尼尔森公司。；Schmid，M.C.，巨噬细胞是癌症进展和转移的关键驱动因素，Media。燃烧。，11 (2017), 2017
[87] 诺顿，K.A。；Jin，K。；Popel，A.S.，《三阴性乳腺癌异质性建模：基质巨噬细胞、成纤维细胞和肿瘤血管的影响》，J.Theor。生物学，452，56-68（2018）
[88] 诺顿，K.A。；龚，C。；Jamalian，S。；Popel，A.S.，肿瘤免疫微环境的基于多尺度试剂和混合建模，过程（巴塞尔），7（2019）
[89] Nwabugwu，C.I。；拉赫拉，K。；Felsher，D.W。；Paik，D.S.，通过癌基因失活CD4+T辅助细胞依赖性肿瘤回归的肿瘤免疫数学模型，Conf.Proc。IEEE工程医学生物学。Soc.，2013，4529-4532（2013）
[90] 奥斯本，J.M。；Walter，A。；科尔肖，S.K。；米拉姆斯，G.R。；弗莱彻，A.G。；Pathmanathan，P。；Gavaghan，D。；Jensen，O.E。；Maini，P.K。；Byrne，H.M.，癌症多尺度建模的混合方法，Philos。事务处理。数学。物理学。工程科学。，368, 5013-5028 (2010) ·Zbl 1211.37113号
[91] M.R.欧文。；Sherrat，J.A.，《转弯处巨噬细胞入侵模型：对生长和组成的影响》，IMA J.Math。申请。《医学》，第15卷，第165-185页（1998年）·Zbl 0909.92022号
[92] M.R.欧文。；Sherrat，J.A.，肿瘤中巨噬细胞动力学的数学建模，数学。国防部。方法。申请。《美国法典》第9卷第513-539页（1999年）·Zbl 0932.92019号
[93] M.R.欧文。；Byrne，H.M。；Lewis，C.E.，使用巨噬细胞作为药物输送到缺氧肿瘤部位的载体的数学模型，J.Theor。生物学，226377-391（2004），doi:doi 10.1016/j.jtbi.2003.09.004·Zbl 1439.92111号
[94] M.R.欧文。；Alarcon，T。；Maini，P.K。；Byrne，H.M.，《正常组织和癌组织中的血管生成和血管重塑》，J.Math。《生物学》，58689-721（2009）·Zbl 1311.92034号
[95] 欧文，M.R。；斯坦珀，I.J。；Muthana，M。；Richardson，G.W。；多布森，J。；刘易斯，C.E。；Byrne，H.M.，《数学建模预测基于巨噬细胞的低氧靶向基因治疗与化疗相结合的协同抗肿瘤效应》，《癌症研究》，71，2826-2837（2011）
[96] 帕拉迪尼，A。；尼科莱蒂，G。；Pappalardo，F。；Murgo，A。；格罗索，V。；斯蒂瓦尼，V。；Ianzano，M.L。；Antognoli，A。；克罗齐，S。；Landuzzi，L。；De Giovanni，C。；Nanni，P。；莫塔，S。；Lollini，P.L.，癌症预防疫苗的计算机建模和体内疗效，癌症研究，70，7755-7763（2010）
[97] Pappalardo，F。；Forero，I.M。；Pennisi，M。；Palazon，A。；梅勒罗，I。；Motta，S.，SimB16：B16-黑色素瘤诱导免疫系统反应建模，《公共科学图书馆·综合》，6，e26523（2011）
[98] Pourhasanzade，F。；Sabzpoushan，S。；Alizadeh，A.M。；Esmati，E.，《基于代理的无血管肿瘤生长模型：预防癌症发展的免疫反应趋势》，Simulation，93，641-657（2017）
[99] 拉莫斯，R。；扎帕塔，J。；康达特，C。；Deisboeck，T.S.，《癌症免疫治疗建模：评估淋巴细胞对癌细胞生长和运动的影响》，Physica A，392，2415-2425（2013）·Zbl 1395.35183号
[100] Rejniak，K.A。；McCalley，L.J.，《肿瘤-微环境相互作用数学模型的当前趋势：工具和应用调查》，《实验生物学》。医学（梅伍德），235，411-423（2010）
[101] Rejniak，K.A。；Anderson，A.R.A.，肿瘤生长的混合模型。威利跨学科评论。生物医学，3115-125（2011）
[102] Robertson-Tessi，M。；El-Kareh，A。；Goriely，A.，肿瘤与免疫相互作用的数学模型，J.Theor。《生物学》，29456-73（2012）·Zbl 1397.92358号
[103] Robertson-Tessi，M。；El Kareh，A。；Goriely，A.，化疗和免疫化疗对肿瘤反应的适应性免疫效应模型，J.Theor。生物，380569-584（2015）·Zbl 1343.92243号
[104] Roca，H。；瓦尔索斯，Z.S。；南苏丹。；克雷格，M.J。；Ying，C。；Pienta，K.J.，CCL2和白细胞介素-6促进人CD11b（+）外周血单个核细胞的存活并诱导M2型巨噬细胞极化，J.Biol。化学。，28434342-34354（2009年）
[105] 罗查，A.M.A。；Costa，M.F.P。；Fernandes，E.M.，《关于具有免疫反应和药物治疗的肿瘤生长模型的多目标最优控制》，国际翻译公司。操作。决议，25，269-294（2018）·Zbl 1382.90100号
[106] 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。，95, 1548-1559 (2016) ·Zbl 1350.37081号
[107] Schaaf，M.B。；加格，A.D。；Agostinis，P.，《确定肿瘤血管系统在抗肿瘤免疫和免疫治疗中的作用》，细胞死亡疾病。，9, 115 (2018)
[108] 塞雷·R。；Benzekry，S。；帕多瓦尼，L。；梅勒，C。；安德烈，N。；西科里尼，J。；巴莱西，F。；Muracciole，X。；Barbolosi，D.，《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》（2016）
[109] 辛格，S。；Sharma，P。；Singh，P.，《免疫治疗下肿瘤生长的稳定性：一项计算研究》，Biophys。修订稿。，12, 69-85 (2017)
[110] Squadrito，M.L。；De Palma，M.，《巨噬细胞对肿瘤血管生成的调节：对癌症治疗的影响》，《分子生物学杂志》，第32期，第123-145页（2011年）
[111] 孙，Y。；坎皮西，J。；希加诺，C。；啤酒，T.M。；波特，P。；科尔曼，I。；没错，L。；Nelson，P.S.，《治疗对肿瘤微环境的损伤通过WNT16B促进前列腺癌治疗抵抗》，《国家医学》，第18期，第1359-1368页（2012年）
[112] Szymaánska，Z。；Cytowski，M。；米切尔，E。；Macnamara，C.K。；Chaplain，M.A.，癌症发展和生长的计算建模：多尺度建模和多尺度建模，Bull。数学。生物学，80，1366-1403（2018）·Zbl 1394.92065号
[113] 特里帕蒂，C。；Tewari，B.N。；Kanchan，R.K。；巴格尔，K.S。；Nautiyal，N。；Shrivastava，R。；Kaur，H。；巴特，M.L。；Bhadauria，S.，巨噬细胞被招募到缺氧肿瘤区域，并通过缺氧癌细胞衍生的细胞因子Oncostatin M和Eotaxin获得促血管生成M2极化表型，Oncotarget，55350-5368（2014）
[114] 葡萄藤，P。；Schatzkin，A。；Potter，J.D.，《致癌模型：概述》，致癌，311703-1709（2010）
[115] 王，Z。；Butner，J.D。；克里斯蒂尼，V。；Deisboeck，T.S.，《肿瘤学中PK-PD和基于药物的综合建模》，《药物代谢动力学杂志》。药物动力学。，42, 179-189 (2015)
[116] 王，Z。；巴特纳，J.D。；科克塔，R。；克里斯蒂尼，V。；Deisboeck，T.S.，用基于多尺度代理的建模模拟癌症生长，Semin。癌症生物学。，30, 70-78 (2015)
[117] 韦伯，S.D。；M.R.欧文。；Byrne，H.M。；默多克，C。；Lewis，C.E.，基于巨噬细胞的抗癌疗法：肿瘤靶向的不同模式建模，Bull。数学。生物学，69，1747-1776（2007）·Zbl 1298.92054号
[118] Wilkie，K。；Hahnfeldt，P。；Hlatky，L.，《使用常微分方程探索癌症免疫动力学和肿瘤休眠》，bioRxiv，第049874页，（2016）
[119] 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》，第3期，第20130010页，（2013）
[120] Wilkie，K.P。；Hahnfeldt，P.，《癌症免疫反应的二分法建模：细胞毒性效应和促肿瘤炎症》，Bull。数学。生物学，79，1426-1448（2017）·Zbl 1372.92047号
[121] 吴，M。；Frieboes，H.B。；McDougall，S.R。；牧师，M.A.J。；克里斯蒂尼，V。；Lowengrub，J.，《间质压力对肿瘤生长的影响：与血液和淋巴血管系统的耦合》，J.Theor。生物学，320，131-151（2013）·Zbl 1406.92330号
[122] 姚，R.-R。；李，J.-H。；张，R。；陈，R.-X。；Wang，Y.-H.，M2-极化肿瘤相关巨噬细胞通过TLR4/STAT3信号通路促进肝癌细胞的迁移和上皮-间质转化，世界外科杂志。，16, 9 (2018)
[123] 袁，A。；肖永杰。；Chen，H.-Y。；陈海伟。；Ho，C.-C。；Chen，Y.-Y。；刘，Y.-C。；Hong，T.-H。；Yu，S.-L。；Chen，J.J.W。；Yang，P.-C.，M1和M2巨噬细胞亚型对肺癌进展的相反作用，科学。代表，5，14273（2015）
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。