Klowss, Jonah J.; Browning, Alexander P.; Murphy, Ryan J. et al. · 2022 · J. R. Soc. Interface
Metadata
Authors: Klowss, Jonah J.; Browning, Alexander P.; Murphy, Ryan J.; Carr, Elliot J.; Plank, Michael J.; Gunasingh, Gency; Haass, Nikolas K.; Simpson, Matthew J.
Tags: #agent-based-model #reaction-diffusion #stochastic-process
📄 Quick Note¶
摘要概述¶
本文构建了首个用于 4D 肿瘤 spheroid（三维空间 + 细胞周期状态）的 stochastic individual-based model (IBM)，结合 FUCCI 实时荧光标记追踪 G1/eS/S/G2/M 各相态。细胞作为离散 agent，以 Gillespie 算法驱动迁移、分裂、死亡事件，营养场由 quasi-steady 反应-扩散方程描述，agent 行为受局部营养浓度调控（Hill 函数控制转移速率）。模拟结果在视觉与定量上与 WM793B 黑色素瘤细胞系实验相符，成功复现 spheroid 外层增殖带、中层 G1 arrest 带、中心坏死核的三层结构。IBM 还揭示了初始 spheroid 半径的微小变异会显著放大为后期尺寸与组成差异，且能输出实验难以测量的内部营养分布剖面。
关键图表¶
Figure 2 — IBM 示意图：营养依赖的速率函数曲线（arrest/migration/death 均为 Hill 型），以及 migration/mitosis/death 事件的几何示意。一句话：定义了 agent 级别"行为规则"与营养耦合的全部参数化方程。
Figure 4 — 典型 IBM 仿真：octant 切开图展示增殖带（混合色彩）→ G1 arrest 带（红色）→ 坏死核（cyan dead agents）的分层演化，下方为沿 periphery-to-centre 距离的各亚群归一化密度剖面。一句话：模型的核心定量产出，展示 agent 级别 + 营养场信息如何联合解读 spheroid 内部组织。
Figure 8 — IBM 估计的 r_o/r_a/r_n 三个半径时间演化与实验数据对比：固定初始条件（a）能匹配均值但无法复现变异；引入实测初始半径变异后（b）均值与变异均匹配良好。一句话：初始尺寸变异是预测后期 spheroid 异质性的关键驱动。
与我的关联¶
将营养-扩散 PDE 与 stochastic IBM 耦合、用 Hill 函数做局部耦合的框架，与 vascular G&R 中壁面营养/氧驱动细胞表型切换的耦合思路可对照借鉴；agent-level Hill 阈值（arrest/migration/death 三个浓度门）的参数化方式为 continuum G&R 的"营养-表型"反馈提供了离散尺度参照。