文章导读
肿瘤免疫微环境的空间异质性如何影响患者预后，一直是临床与计算生物学交叉领域的难题。武汉大学邹秀芬团队将肿瘤—免疫反应扩散数学模型与空间转录组数据融合，构建了从机制建模、空间模式识别到临床关联分析的一体化框架，并在非小细胞肺癌、胰腺导管腺癌和皮肤鳞状细胞癌等多个独立队列中验证。研究发现，点状免疫空间模式与更强的肿瘤抑制和更好预后相关，条带状模式则更多表现免疫抑制、预后较差。动态机制与静态组学之间的鸿沟，能否就此转化为可用的空间预后标志物与个体化治疗新范式？
— 内容由好学术AI分析文章内容生成，仅供参考。
（通讯员数轩）近日，武汉大学数学与统计学院教授邹秀芬团队在国际期刊《美国国家科学院院刊》（Proceedings of the National Academy of Sciences，PNAS）上发表最新研究论文，论文题为“Integrating tumor–immune mechanistic modeling with transcriptomics reveals pattern-driven prognostic biomarkers in tumors”。该工作由武汉大学、香港理工大学以及美国加州大学欧文分校等单位合作完成，武汉大学为论文第一署名单位，博士研究生齐珂为第一作者，邹秀芬和加州大学欧文分校教授Qing Nie为共同通讯作者。武汉大学数学与统计学院教授金锁钦，香港理工大学楼一均博士，武汉大学数学与统计学院博士研究生马晗和王腾飞参与了该项研究。
肿瘤免疫微环境具有显著的空间异质性和动态演化特征。数学模型能够从动力学角度描述肿瘤与免疫细胞相互作用及其时空演化过程，空间转录组数据则提供静态、高维的细胞分布与分子表达信息。如何弥合动态机制建模与静态空间组学观测之间的尺度与信息鸿沟，将理论模型的机制推演与真实组织数据有效衔接，进而解析肿瘤免疫空间模式的形成机制及其潜在临床意义，是该领域面临的重要挑战。
为此，该研究将肿瘤—免疫反应扩散数学模型与空间转录组数据相结合，构建了从机制建模、空间模式识别到临床关联分析的一体化研究框架，系统刻画肿瘤微环境中不同免疫空间模式的形成与演化规律，并在非小细胞肺癌、胰腺导管腺癌和皮肤鳞状细胞癌等多个独立队列中进行了验证。研究结果表明，不同肿瘤免疫空间模式具有显著不同的生物学和临床特征。其中，点状免疫空间模式与更强的肿瘤抑制作用及更好的患者预后显著相关，而条带状空间模式则更多表现出免疫抑制特征，与较差的临床预后相关。该研究通过融合机制动力学与空间组学数据，为解析肿瘤—免疫相互作用的时空演化规律提供了新的理论和计算框架，并为挖掘空间预后生物标志物和发展个体化治疗策略提供了新的研究范式。
该研究工作获得了国家自然科学基金重大研究计划项目和国家自然科学基金重点项目的资助。
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
跨学科合作确实能解决复杂问题
点状模式预后更好，这个结论很关键
空间转录组数据结合机制模型很有新意
数学建模在医学上的应用越来越重要了