A computational multiscale agent-based model for simulating spatio-temporal tumour immune response to PD1 and PDL1 inhibition.
A computational multiscale agent-based model for simulating spatio-temporal tumour immune response to PD1 and PDL1 inhibition.
复制标题
DOI：
10.1098/rsif.2017.0320
复制
发表时间：
2017-09
期刊：
影响因子：
--
通讯作者：
Popel AS
中科院分区：
文献类型：
--
作者：
Gong C;Milberg O;Wang B;Vicini P;Narwal R;Roskos L;Popel AS
当免疫系统对肿瘤的发展做出反应时，免疫浸润的模式就会出现，突出表现为癌细胞表面上免疫检查点相关分子（如PDL 1）的表达。这种空间异质性携带个体患者肿瘤病变内在特征的信息，因此是抗肿瘤治疗生物标志物的潜在来源。我们开发了一个基于系统生物学多尺度代理的模型来捕获免疫细胞和癌细胞之间的相互作用，并分析了肿瘤发展和免疫治疗过程中出现的全球行为。使用这个模型，我们能够再现肿瘤进展过程中细胞毒性T细胞和癌细胞的时间动态，以及这些细胞的三维空间分布。通过改变个体患者的新抗原谱的特征，例如突变负荷和抗原强度，在我们的模拟中产生了PDL 1表达的预处理空间模式的谱，类似于通过免疫组织化学从患者活检获得的免疫结构。通过将这些空间特征与使用免疫检查点抑制剂的计算机模拟治疗结果相关联，该模型提供了用于基于癌症特异性实验数据预测不同癌症类型中的治疗/生物标志物组合的框架。
When the immune system responds to tumour development, patterns of immune infiltrates emerge, highlighted by the expression of immune checkpoint-related molecules such as PDL1 on the surface of cancer cells. Such spatial heterogeneity carries information on intrinsic characteristics of the tumour lesion for individual patients, and thus is a potential source for biomarkers for anti-tumour therapeutics. We developed a systems biology multiscale agent-based model to capture the interactions between immune cells and cancer cells, and analysed the emergent global behaviour during tumour development and immunotherapy. Using this model, we are able to reproduce temporal dynamics of cytotoxic T cells and cancer cells during tumour progression, as well as three-dimensional spatial distributions of these cells. By varying the characteristics of the neoantigen profile of individual patients, such as mutational burden and antigen strength, a spectrum of pretreatment spatial patterns of PDL1 expression is generated in our simulations, resembling immuno-architectures obtained via immunohistochemistry from patient biopsies. By correlating these spatial characteristics with in silico treatment results using immune checkpoint inhibitors, the model provides a framework for use to predict treatment/biomarker combinations in different cancer types based on cancer-specific experimental data.
登录
查看更多内容
免疫编辑：免疫系统在自我迁移肿瘤生长中的多方面作用的证据。
影响因子：
--
作者：
Enderling H;Hlatky L;Hahnfeldt P
通讯作者：
Hahnfeldt P
DOI：
10.1056/nejmoa1504030
发表时间：
2015-07-02
期刊：
The New England journal of medicine
影响因子：
--
作者：
Larkin J;Chiarion-Sileni V;Gonzalez R;Grob JJ;Cowey CL;Lao CD;Schadendorf D;Dummer R;Smylie M;Rutkowski P;Ferrucci PF;Hill A;Wagstaff J;Carlino MS;Haanen JB;Maio M;Marquez-Rodas I;McArthur GA;Ascierto PA;Long GV;Callahan MK;Postow MA;Grossmann K;Sznol M;Dreno B;Bastholt L;Yang A;Rollin LM;Horak C;Hodi FS;Wolchok JD
通讯作者：
Wolchok JD
影响因子：
50.5
作者：
Ilie, M.;Long-Mira, E.;Hofman, P.
通讯作者：
Hofman, P.
影响因子：
1.9
作者：
Kirschner, D;Panetta, JC
通讯作者：
Panetta, JC
DOI：
10.1007/978-3-319-22909-6_7
发表时间：
2016-01-01
期刊：
NOVEL BIOMARKERS IN THE CONTINUUM OF BREAST CANCER
影响因子：
--
作者：
Beca, Francisco;Polyak, Kornelia
通讯作者：
Polyak, Kornelia