《Journal of Theoretical Biology》：A hybrid discrete-continuum modelling approach for the interactions of the immune system with oncolytic viral infections
编辑推荐：
本文针对溶瘤病毒疗法单独使用难以根除实体瘤的困境，构建了结合细胞运动与趋化因子引导的随机智能体模型，并推导其连续极限。研究发现免疫应答时机不当反而削弱疗效，揭示了空间振荡与随机性在肿瘤控制中的关键作用，为优化联合免疫治疗策略提供了量化依据。
在癌症治疗的漫长探索中，溶瘤病毒疗法曾被视为一颗冉冉升起的新星。这种经过基因工程改造的病毒能够特异性地感染并杀死癌细胞，同时还能唤醒机体自身的免疫系统来对抗肿瘤。然而，临床现实却给研究者们泼了一盆冷水：尽管溶瘤病毒潜力巨大，但它往往难以单枪匹马地将肿瘤彻底清除。这背后的核心矛盾在于，病毒与免疫系统之间存在着复杂的“爱恨交织”——一方面，病毒感染能够刺激免疫反应，让免疫细胞精准打击肿瘤；另一方面，过于强烈的免疫应答又可能过早地清除病毒，导致治疗功亏一篑。特别是在那些被称为“冷肿瘤”的病灶中，由于缺乏足够的免疫细胞浸润，病毒往往陷入孤军奋战的境地。如何在这两者之间找到平衡点，让溶瘤病毒与免疫治疗产生“1+1>2”的协同效应，成为了摆在科学家面前的紧迫课题。
为了解决这一难题，来自伦敦大学学院等机构的研究团队在《Journal of Theoretical Biology》上发表了一项创新性的研究。他们并没有止步于传统的宏观观察，而是深入到了细胞与分子的微观世界，开发了一种新颖的混合离散-连续建模方法。这项研究不仅构建了包含肿瘤细胞、溶瘤病毒和免疫细胞相互作用的随机智能体模型（Agent-based model），还推导了其对应的连续介质极限，通过两者的定量比较，深刻揭示了时空动态和随机性在肿瘤治疗中的决定性作用。研究结果表明，过早的免疫反应可能会削弱治疗效果，强调了在治疗中把握时机和调节免疫强度的重要性，为临床优化联合治疗方案提供了宝贵的理论洞察。
为了开展这项复杂的研究，作者运用了几个关键的技术方法。首先是构建了基于规则的随机智能体模型，模拟未感染肿瘤细胞、感染肿瘤细胞和免疫细胞在二维空间网格上的增殖、死亡、运动和相互作用，其中免疫细胞通过趋化因子梯度进行定向迁移。其次，通过对离散模型的动力学平均化，正式推导出了对应的偏微分方程（PDE）系统，即反应扩散方程，用于描述宏观层面的细胞密度变化。此外，研究还结合了常微分方程（ODE）的非线性动力学分析，利用数值延拓软件AUTO进行分岔分析，探究了无空间异质性条件下的稳态和极限环行为。最后，通过大规模的数值模拟，比较了离散模型与连续模型在多种参数设置下的动态差异，并引入了肿瘤控制概率（TCP）和感染控制概率（ICP）等统计指标来量化治疗成功率。
2. Description of the agent-based model and formal derivation of the corresponding continuum model
研究人员首先扩展了此前开发的仅包含肿瘤细胞的随机智能体模型，纳入了免疫细胞作为独立智能体，并引入了由肿瘤细胞分泌的趋化因子来引导免疫细胞运动。在这个混合模型中，细胞占据离散晶格位置，而趋化因子浓度则作为连续场变量通过离散平衡方程描述。随后，通过严格的数学推导，将离散模型在时间和空间步长趋于零的极限下，转化为了一套包含扩散项、反应项和趋化项的非线性偏微分方程组。这套连续模型不仅保留了离散模型的核心生物学机制，还能更高效地处理大尺度长时间的模拟。
3. Corresponding ODE model and bifurcation analysis
为了获得对系统行为的初步理解，研究团队首先考虑了一维空间均质情况下的常微分方程模型。通过分析平衡点的稳定性，他们发现随着免疫杀伤率ζ和免疫流入增强系数α的增加，系统会出现Hopf分岔，从而导致稳定的极限环振荡。这意味着在没有空间限制的情况下，肿瘤细胞、感染细胞和免疫细胞的数量会呈现周期性的消长。数值模拟显示，振荡的幅度随α和ζ的增加而增大，随感染率β的增加而减小，这为理解后续空间模型中的复杂动态奠定了理论基础。
4. Comparison between agent-based and continuum models
在这一部分，研究人员在二维径向对称的空间域中，系统地比较了离散智能体模型和连续PDE模型的表现。结果显示，在大多数情况下，两种模型表现出良好的一致性，但也存在一些关键的差异。4.1. Partially effective treatments 当免疫反应较弱且无病毒感染时，肿瘤几乎不受控制地生长；即使增强免疫杀伤率，由于缺乏趋化因子的招募，免疫细胞也无法有效浸润。4.2. Emergence of oscillations 当病毒感染范围扩大时，空间模型中也出现了类似ODE模型的振荡现象，但由于随机性的影响，智能体模型中的振荡相比连续模型存在延迟，且空间分布更不均匀。4.3. Eradication of infection 当免疫反应过强时，虽然能有效抑制肿瘤，但也可能导致感染细胞在振荡低谷期因随机灭绝而无法复发，从而使病毒疗法失效；而在特定条件下（如提高趋化因子分泌率），免疫系统甚至能彻底清除残留的少量肿瘤细胞，实现长期控制。4.4. Different treatment protocols 针对治疗后复发的问题，研究测试了重复病毒注射的策略。结果表明，当设定一个细胞数量阈值触发再次注射时，可以有效延长肿瘤受控的时间，且阈值越高，肿瘤负荷的最小值越低，但治疗频率也随之增加。
5. Conclusions
研究结论指出，该混合建模方法成功捕捉了溶瘤病毒与免疫系统相互作用的复杂性。连续模型通常是离散模型在平均意义上的良好近似，但在低细胞密度区域，随机性会导致显著的偏差，甚至造成感染细胞的彻底灭绝。特别值得注意的是，免疫反应的增强并不总是有益的，过早或过强的免疫应答可能会清除病毒载体，反而削弱了溶瘤病毒的疗效。这一发现解释了为何在某些临床试验中，联合免疫检查点抑制剂并未显示出预期的协同效应。研究强调了在“冷肿瘤”中，通过调节趋化因子分泌或优化病毒注射时机（如待病毒充分扩散后再增强免疫反应），可能是提升联合疗法成功率的关键。未来的研究可以进一步引入肿瘤微环境的物理屏障、缺氧条件以及更复杂的免疫细胞亚群相互作用，以构建更贴近临床实际的预测模型。
