Data Driven Mathematical Model of Colon Cancer Progression.
Data Driven Mathematical Model of Colon Cancer Progression.
复制标题
DOI：
10.3390/jcm9123947
复制
发表时间：
2020-12-05
影响因子：
3.9
通讯作者：
Shahriyari L
中科院分区：
文献类型：
--
作者：
Kirshtein A;Akbarinejad S;Hao W;Le T;Su S;Aronow RA;Shahriyari L
每种结肠癌都有其独特的特征，因此对相同的治疗可能会有不同的反应。在这里，我们开发了一个数据驱动的数学模型，用于结肠癌免疫微环境关键成分的相互作用网络。我们根据肿瘤的基因表达谱估计每种免疫细胞的相对丰度，并根据患者的免疫模式对患者进行分组。然后我们比较每组患者的肿瘤敏感性和进展，并观察各组之间肿瘤生长模式的差异。例如，在幼稚巨噬细胞密度小于活化巨噬细胞密度的肿瘤中，巨噬细胞较高的活化率导致癌细胞密度增加，这证明了巨噬细胞的负面影响。然而，其他肿瘤则表现出相反的趋势，显示巨噬细胞在控制肿瘤大小方面具有积极作用。尽管结果表明，对于所有患者来说，肿瘤的大小对与巨噬细胞相关的参数（例如其活化率和死亡率）敏感，但这项研究表明，没有单一的生物标志物可以预测肿瘤的动态。
Every colon cancer has its own unique characteristics, and therefore may respond differently to identical treatments. Here, we develop a data driven mathematical model for the interaction network of key components of immune microenvironment in colon cancer. We estimate the relative abundance of each immune cell from gene expression profiles of tumors, and group patients based on their immune patterns. Then we compare the tumor sensitivity and progression in each of these groups of patients, and observe differences in the patterns of tumor growth between the groups. For instance, in tumors with a smaller density of naive macrophages than activated macrophages, a higher activation rate of macrophages leads to an increase in cancer cell density, demonstrating a negative effect of macrophages. Other tumors however, exhibit an opposite trend, showing a positive effect of macrophages in controlling tumor size. Although the results indicate that for all patients the size of the tumor is sensitive to the parameters related to macrophages, such as their activation and death rate, this research demonstrates that no single biomarker could predict the dynamics of tumors.
登录
查看更多内容
DOI：
10.1073/pnas.0904846106
发表时间：
2009-07-07
影响因子：
11.1
作者：
Day, Judy;Friedman, Avner;Schlesinger, Larry S.
通讯作者：
Schlesinger, Larry S.
影响因子：
8.8
作者：
Aras S;Zaidi MR
通讯作者：
Zaidi MR
影响因子：
4.4
作者：
Diao, Jun;Winter, Erin;Cattral, Mark S.
通讯作者：
Cattral, Mark S.
影响因子：
3.9
作者：
Coppola A;Arriga R;Lauro D;Del Principe MI;Buccisano F;Maurillo L;Palomba P;Venditti A;Sconocchia G
通讯作者：
Sconocchia G
影响因子：
1.4
作者：
Delitala, Marcello;Lorenzi, Tommaso
通讯作者：
Lorenzi, Tommaso