肿瘤-免疫相互作用与动力学的拓扑分类
细胞行为
2023-08-11 v1 代数拓扑
摘要
肿瘤与免疫细胞之间复杂而动态的串扰导致肿瘤可表现出不同的定性行为——清除、平衡与逃逸——以及精细的空间模式,但在早期阶段却具有相似的细胞构型。我们提供一种拓扑方法来分析细胞位置(包括肿瘤细胞与巨噬细胞)空间数据的时间序列,以预测恶性行为。我们提出四种专用于此类细胞数据的拓扑向量化方法:静态时间点上Vietoris-Rips与径向过滤的持续图像,以及随时间变化的zigzag过滤与持续葡萄园的持续图像。为展示该方法,合成数据由具有不同参数的基于智能体模型生成。我们比较了拓扑摘要预测——在各时间步用逻辑回归——模拟结束时是否存在包围血管的肿瘤微环境(作为转移即肿瘤逃逸的替代指标)的性能。我们发现静态与时间依赖方法均能准确识别血管周围微环境形成,显著早于肿瘤细胞数量与巨噬细胞表型比等简单标记。我们还发现,应用于巨噬细胞数据的0维持续性(表征巨噬细胞空间排布的多尺度簇)在肿瘤完全发展前的早期时间步该分类任务中表现最佳,且纳入时间依赖数据后表现更优;相反,捕捉肿瘤形状的拓扑度量(如细胞排布的弯曲度与穿孔)在中期与后期阶段表现最佳。逻辑回归系数揭示了各类别间细致的形貌差异。
引用
@article{arxiv.2308.05294,
title = {Topological classification of tumour-immune interactions and dynamics},
author = {Jingjie Yang and Heidi Fang and Jagdeep Dhesi and Iris H. R. Yoon and Joshua A. Bull and Helen M. Byrne and Heather A. Harrington and Gillian Grindstaff},
journal= {arXiv preprint arXiv:2308.05294},
year = {2023}
}
备注
29 pages, 12 figures