美國邁阿密大學和德國海德堡大學的研究人員日前開發(fā)出了一種能夠幫助人們理解和預測腫瘤生長趨勢的數(shù)學模型。研究人員希望該模型能夠幫助醫(yī)生為患者制定出高度個性化的治療方案。

從宏觀角度來看，當腫瘤在人體內(nèi)形成時，至少會存在以下兩種情況：一是腫瘤停止生長保持潛伏狀態(tài)；二是通過血管從人體“盜取”能量并不斷發(fā)展。這些為腫瘤提供能量的血管除了滋養(yǎng)腫瘤外，同時還為癌細胞的擴散提供了一個渠道，癌細胞借此就能轉移到人體的其他部位。新研究對第二種情況進行了關注，揭示了腫瘤和供養(yǎng)它的血管之間的一種隱性。

上海恒遠ELISA試劑盒供應商是一家生物技術企業(yè)，公司集經(jīng)銷批發(fā)ELISA試劑盒,人ELISA試劑盒，大鼠ELISA試劑盒，小鼠ELISA試劑盒為一體的有限責任公司，是一家經(jīng)國家相關部門批準注冊的企業(yè)。ELISA試劑盒,生物試劑,進口培養(yǎng)基,胎牛血清,抗體等產(chǎn)品已國內(nèi)大部分地區(qū) ，銷售額逐年穩(wěn)步上升。

負責該項研究的美國邁阿密大學物理學教授尼爾·詹森說，癌癥是一種可從多種角度進行理解的疾病。癌細胞大量聚集便有可能形成腫瘤，當其侵入脈管系統(tǒng)后就會發(fā)生轉移。通過了解腫瘤生長的反饋信息，該模型能夠較為準確地對腫瘤的生長趨勢作出預測，并指明能夠控制其生長的血管，這有望開辟出一條個性化的干預路徑，對相關疾病的治療具有積極意義。

With countless biological details emerging from cancer experiments, there is a growing need for minimal mathematical models which simultaneously advance our understanding of single tumors and metastasis, provide patient-personalized predictions, whilst avoiding excessive hard-to-measure input parameters which complicate simulation, analysis and interpretation. Here we present a model built around a co-evolving resource network and cell population, yielding good agreement with primary tumors in a murine mammary cell line EMT6-HER2 model in BALB/c mice and with clinical metastasis data. Seeding data about the tumor and its vasculature from in vivo images, our model predicts corridors of future tumor growth behavior and intervention response. A scaling relation enables the estimation of a tumor's most likely evolution and pinpoints specific target sites to control growth. Our findings suggest that the clinically separate phenomena of individual tumor growth and metastasis can be viewed as mathematical copies of each other differentiated only by network structure.

參與這項研究的德國癌癥研究中心博士后崔賽歐（音）說：“我們的模型能夠從實時圖像中發(fā)現(xiàn)腫瘤的局部差異，并能直接對其進行測量。如果結合患者的其他數(shù)據(jù)，其預測結果還將更為準確。”

邁阿密大學西爾威斯特綜合癌癥中心主任約瑟夫-羅森布拉特說，基于的生長動力學評估和腫瘤生長與血管形成之間相互依存關系的判斷，該模型能夠為癌癥的治療設定的治療時間間隔和用藥劑量，這種有針對性的治療方案將能大大減少患者在治療過程中所承受的痛苦，也能為醫(yī)療人員帶來更大的便利。