无血管肿瘤计算机模型的形态稳定性

癌症系统生物学中计算建模的图景是多样的，提供了多种模型与框架，各自具有权衡与优势。理想情况下，模型应有助于精炼假设、锐化实验流程，并在更长远中甚至应用于个性化医疗。最大的挑战之一是在模型真实性与细节同实验数据之间取得平衡，以最终产生有用的数据驱动模型。我们通过开发一个透明、高度简约、基于第一性原理的生长中无血管肿瘤计算机模型来推进这一探索。我们首先在随机基于细胞的框架内阐述生理学考量与具体模型。接着我们建立相应的使用偏微分方程的平均场模型，该模型适于数学分析。尽管两模型间存在若干显著差异，我们借此成功详述了所有参数对随机模型生长过程稳定性及最终肿瘤命运的影响。这既有助于推导给定情形下的贝叶斯先验，也提供了对肿瘤生长与进展底层机制的重要见解。尽管所得模型框架相对简单透明，它仍能复现全部已知的涌现行为。我们识别出一种由营养匮乏引起的新型模型不稳定性，并讨论了关于可能模型扩充及其影响的额外见解。得益于框架的灵活性，一旦相关数据可得，此类扩充便可轻易纳入。