发布日期：2020-06-23
来源：生物谷
由南加州大学（USC）研究人员开发的计算模型显示，自适应控制肿瘤细胞群以保持它们处于竞争中可以更有效地治疗癌症。
进化论是文明的核心，从我们森林里的树木到我们后院的动物。随着时间的推移，我们逐渐看到适应特定环境的物种得以生存，而其他无法生存的物种往往会衰落。
南加州大学的研究人员说，癌细胞也不例外。包括南加州大学航空航天和机械工程学系教授Paul Newton和埃里森变革医学研究所(Ellison Institute for Transformative Medicine)的一个团队，正致力于开发以达尔文进化论原理为重点的控制肿瘤生长的计算模型。
这项研究发表在Cancer Research上，这项研究是Newton和莫菲特癌症中心综合数学肿瘤科Jeffrey West、Jingsong Zhang、Robert A. Gatenby、Joel S. Brown和Alexander R.A. Anderson合作的结果。
Newton说："肿瘤是由不同类型细胞的异质聚集而成的，它们相互竞争资源，具有不同程度的化学抗性。我们的模型使用进化博弈论来设计治疗时间表，在不让耐药物种占据主导的情况下自适应地控制竞争，这通常伴随着尽可能快地杀死尽可能多的肿瘤细胞的策略。进化很重要。"
Newton说，这种适应性癌症治疗类似于杀虫剂被用来杀死主要害虫。结果是它无意中"选择"了一种具有抗性的害虫。相反，人们发现更有效的处理方法是在不同的时间使用多种化学品，使害虫保持竞争。
癌细胞也是如此。那些在治疗后仍能坚持的，往往是那些对癌症治疗有抵抗力的。相反，Newton说，让所有的肿瘤细胞相互竞争可以获得更持久、更长期的结果。他说："但是要做到这一点并不简单，我们需要了解肿瘤的构成，然后根据它的变化调整药物。我们的方法列出了实现这一目标的一般原则，并对方法进行了回顾性测试。"
"不同的细胞对不同的癌症药物有不同程度的敏感性和耐药性。通过多种药物，不同的剂量水平和给药时间，我们正在开发工具来控制肿瘤中不同种类的癌细胞，减少化疗耐药的可能性，" Newton说，要想了解它是如何工作的，第一步就是用数学模型和计算机模拟来模拟这种适应性治疗方案。
耐药性和新的治疗模式
在治疗周期的早期，癌症患者可能对持续使用一种药物的最大剂量表现出强烈的反应。然而，研究表明，随着时间的推移，许多患者最终会产生耐药性，肿瘤复发。"有时候，当肿瘤对一种药物产生耐药性时，细胞就会对另一种药物更敏感，" Newton说。连续使用两种或两种以上的药物是一种对抗这种情况的方法。但如何设计使用多种药物组合的最佳时间表和剂量，尤其是在肿瘤发展的背景下，尚不清楚。
作为一项回顾性病例研究，该小组研究了前列腺癌干细胞。相比以前的数学模型，研究小组创建了一个模型，模拟和预测间歇期间三个不同因素的动态自适应药物治疗：前列腺癌细胞，癌细胞分化和生物标志物前列腺特异性抗原(PSA)，用于前列腺癌的筛查和诊断。
在他们的研究中，研究人员证明，化疗耐药的患者更有可能拥有自我更新率更高的干细胞，从而导致前列腺癌干细胞的水平更高，并在每个治疗周期中改变生物标志物PSA的水平。由研究人员开发的计算模型，结合先前收集的患者特异性数据，在预测化疗耐药性的发展方面显示出了很高的准确性。然后，使用计算开发的新时间表，他们展示了他们提出的多药物自适应时间表将如何工作相当长的未来。
这种自适应的方法意味着每个病人的治疗将真正地基于肿瘤的状态和反应而接受个性化治疗，而不是千篇一律的固定治疗方案。Newton说："治疗可以帮助控制甚至引导肿瘤的进化动态，让它发现自己陷入困境。"
然而，临床试验才刚刚开始，Newton说："虽然它们显示出良好的前景，结合计算机模拟和模型来帮助为每个患者设计正确的治疗方案，但必须做更多的研究来证明这种方法的长期有效性。" （生物谷Bioon.com)
参考资料：
Adaptive therapy based on Darwin's evolutionary principles could help fight cancer Mathematical model predicts patient outcomes to adaptive therapy Jeffrey West et al. Towards Multidrug Adaptive Therapy， Cancer Research(2020). DOI： 10.1158/0008-5472.CAN-19-2669
Renee Brady-Nicholls et al， Prostate-specific antigen dynamics predict individual responses to intermittent androgen deprivation， Nature Communications (2020). DOI： 10.1038/s41467-020-15424-4
进化论是文明的核心，从我们森林里的树木到我们后院的动物。随着时间的推移，我们逐渐看到适应特定环境的物种得以生存，而其他无法生存的物种往往会衰落。
南加州大学的研究人员说，癌细胞也不例外。包括南加州大学航空航天和机械工程学系教授Paul Newton和埃里森变革医学研究所(Ellison Institute for Transformative Medicine)的一个团队，正致力于开发以达尔文进化论原理为重点的控制肿瘤生长的计算模型。
这项研究发表在Cancer Research上，这项研究是Newton和莫菲特癌症中心综合数学肿瘤科Jeffrey West、Jingsong Zhang、Robert A. Gatenby、Joel S. Brown和Alexander R.A. Anderson合作的结果。
Newton说："肿瘤是由不同类型细胞的异质聚集而成的，它们相互竞争资源，具有不同程度的化学抗性。我们的模型使用进化博弈论来设计治疗时间表，在不让耐药物种占据主导的情况下自适应地控制竞争，这通常伴随着尽可能快地杀死尽可能多的肿瘤细胞的策略。进化很重要。"
Newton说，这种适应性癌症治疗类似于杀虫剂被用来杀死主要害虫。结果是它无意中"选择"了一种具有抗性的害虫。相反，人们发现更有效的处理方法是在不同的时间使用多种化学品，使害虫保持竞争。
癌细胞也是如此。那些在治疗后仍能坚持的，往往是那些对癌症治疗有抵抗力的。相反，Newton说，让所有的肿瘤细胞相互竞争可以获得更持久、更长期的结果。他说："但是要做到这一点并不简单，我们需要了解肿瘤的构成，然后根据它的变化调整药物。我们的方法列出了实现这一目标的一般原则，并对方法进行了回顾性测试。"
"不同的细胞对不同的癌症药物有不同程度的敏感性和耐药性。通过多种药物，不同的剂量水平和给药时间，我们正在开发工具来控制肿瘤中不同种类的癌细胞，减少化疗耐药的可能性，" Newton说，要想了解它是如何工作的，第一步就是用数学模型和计算机模拟来模拟这种适应性治疗方案。
耐药性和新的治疗模式
在治疗周期的早期，癌症患者可能对持续使用一种药物的最大剂量表现出强烈的反应。然而，研究表明，随着时间的推移，许多患者最终会产生耐药性，肿瘤复发。"有时候，当肿瘤对一种药物产生耐药性时，细胞就会对另一种药物更敏感，" Newton说。连续使用两种或两种以上的药物是一种对抗这种情况的方法。但如何设计使用多种药物组合的最佳时间表和剂量，尤其是在肿瘤发展的背景下，尚不清楚。
作为一项回顾性病例研究，该小组研究了前列腺癌干细胞。相比以前的数学模型，研究小组创建了一个模型，模拟和预测间歇期间三个不同因素的动态自适应药物治疗：前列腺癌细胞，癌细胞分化和生物标志物前列腺特异性抗原(PSA)，用于前列腺癌的筛查和诊断。
在他们的研究中，研究人员证明，化疗耐药的患者更有可能拥有自我更新率更高的干细胞，从而导致前列腺癌干细胞的水平更高，并在每个治疗周期中改变生物标志物PSA的水平。由研究人员开发的计算模型，结合先前收集的患者特异性数据，在预测化疗耐药性的发展方面显示出了很高的准确性。然后，使用计算开发的新时间表，他们展示了他们提出的多药物自适应时间表将如何工作相当长的未来。
这种自适应的方法意味着每个病人的治疗将真正地基于肿瘤的状态和反应而接受个性化治疗，而不是千篇一律的固定治疗方案。Newton说："治疗可以帮助控制甚至引导肿瘤的进化动态，让它发现自己陷入困境。"
然而，临床试验才刚刚开始，Newton说："虽然它们显示出良好的前景，结合计算机模拟和模型来帮助为每个患者设计正确的治疗方案，但必须做更多的研究来证明这种方法的长期有效性。" （生物谷Bioon.com)
参考资料：
Adaptive therapy based on Darwin's evolutionary principles could help fight cancer Mathematical model predicts patient outcomes to adaptive therapy Jeffrey West et al. Towards Multidrug Adaptive Therapy， Cancer Research(2020). DOI： 10.1158/0008-5472.CAN-19-2669
Renee Brady-Nicholls et al， Prostate-specific antigen dynamics predict individual responses to intermittent androgen deprivation， Nature Communications (2020). DOI： 10.1038/s41467-020-15424-4
