Game Theoretic Modeling of Cancer Healthy Cell Competition: A Population Dependent Nash Equilibrium Framework

Dans le monde microscopique du corps humain, les tissus ne sont pas des paysages statiques mais des champs de bataille actifs où les cellules évaluent constamment leurs voisines. Les cellules saines possèdent une capacité innée à reconnaître et à éliminer leurs homologues plus faibles ou endommagées, un processus biologique connu sous le nom de compétition cellulaire. Ce mécanisme agit comme un système de défense naturel, particulièrement dans la peau et la paroi des organes, où il aide à prévenir la formation de tumeurs en expulsant les cellules qui ont commencé à changer. Pendant des décennies, les scientifiques ont tenté de comprendre comment cette lutte se déroule en utilisant des modèles mathématiques. La plupart de ces modèles traitaient l'interaction comme un jeu fixe, supposant que les règles de l'engagement et la force de la défense des cellules saines ne changeaient jamais, quel que soit le nombre de cellules cancéreuses présentes. Cependant, les systèmes biologiques réels sont fluides ; l'environnement change, les populations croissent et décroissent, et la pression sur une cellule varie en fonction de son environnement. Cette vision statique a eu du mal à expliquer pourquoi les tumeurs croissent à des vitesses différentes selon les individus ou pourquoi les traitements fonctionnent pour certains patients mais échouent pour d'autres.

Une nouvelle étude d'Alireza Ebadi et Maryam Hashemi propose une autre façon de percevoir ce conflit, passant de règles fixes à un cadre dynamique qui change au fur et à mesure que la bataille se déroule. Au lieu de supposer que la force de défense des cellules saines est constante, les chercheurs ont construit une simulation informatique où la capacité des cellules saines à lutter dépend directement du ratio entre les cellules saines et les cellules cancéreuses à n'importe quel moment donné. Ils appellent cela un équilibre dépendant de la population, signifiant que les « règles » du jeu se mettent à jour elles-mêmes en fonction de qui gagne ou perd à ce moment précis. Pour tester cette idée, l'équipe a créé un modèle numérique de tissu, une grille représentant un patch de peau ou une paroi d'organe, et l'a peuplé de cellules saines et de cellules cancéreuses. Ils ont observé comment ces cellules virtuelles interagissaient au fil du temps, permettant aux cellules saines d'apprendre et d'adapter leurs stratégies de défense en fonction du changement du nombre de leurs ennemis, tout comme une population ajustant son comportement en réponse à une menace changeante.

Les chercheurs ont lancé des milliers de simulations pour voir comment différents facteurs influençaient l'issue. Ils ont introduit divers médicaments et éléments alimentaires dans le modèle pour voir s'ils pouvaient faire pencher la balance en faveur des tissus sains. Dans les simulations, les cellules saines n'étaient pas passives ; elles poussaient activement contre les cellules cancéreuses, et leur succès dépendait du nombre de cellules qu'il restait pour combattre. L'étude a révélé que si le modèle était laissé seul, sans intervention, les cellules cancéreuses finissaient par prendre le dessus, repoussant les cellules saines et étendant leur territoire. Ce résultat reflétait la progression naturelle des tumeurs en l'absence de traitement, confirmant que le modèle se comportait de manière réaliste. Cependant, lorsque les chercheurs introduisaient des substances spécifiques, l'issue changeait radicalement. Ils ont testé sept médicaments différents, incluant l'aspirine et un composé appelé VC1-8, ainsi que cinq facteurs alimentaires comme une consommation élevée de sucre et le tabagisme.

Les résultats ont montré une hiérarchie claire d'efficacité. Parmi les médicaments, le VC1-8 et l'aspirine étaient les plus efficaces pour aider les cellules saines à maintenir leur position. Dans les simulations où ces médicaments étaient présents, les cellules saines maintenaient une population plus large, et les cellules cancéreuses étaient tenues en échec, incapables de s'étendre de manière aussi agressive. Le modèle suggère que ces médicaments fonctionnent en renforçant la force de défense des cellules saines, les rendant plus efficaces pour éliminer leurs voisines cancéreuses. Inversement, les facteurs alimentaires avaient l'effet opposé. Une consommation élevée de sucre et le tabagisme étaient les moteurs les plus puissants de la croissance du cancer dans la simulation, provoquant une expansion rapide des cellules cancéreuses et poussant les cellules saines au bord de l'extinction. L'étude a également exploré ce qui se passait lorsque les médicaments et les mauvaises habitudes alimentaires étaient combinés. Les simulations ont révélé qu'un régime sain et des médicaments efficaces pouvaient partiellement s'annuler, tandis qu'un mauvais régime pouvait saper les bénéfices de la médication. Cela suggère que l'environnement dans lequel les cellules existent est tout aussi critique que le traitement lui-même.

L'un des aspects les plus significatifs de ce travail est la manière dont il traite le concept d'apprentissage. Les chercheurs n'ont pas seulement programmé les cellules pour qu'elles suivent un script préétabli ; ils ont permis au système de mettre à jour sa compréhension de la situation au fur et à mesure de la progression de la simulation. Ils ont utilisé une méthode appelée apprentissage bayésien, qui est une façon de mettre à jour les croyances sur la base de nouvelles preuves, pour suivre l'évolution des stratégies de défense des cellules. À mesure que la simulation progressait, l'estimation interne du modèle concernant la force de défense s'alignait progressivement sur les nombres de population réels, montrant que le système apprenait effectivement de l'environnement plutôt que de simplement suivre une règle pré-écrite. Cette approche dynamique a permis aux chercheurs de voir que l'équilibre entre les cellules saines et cancéreuses n'est pas un point fixe mais une cible mouvante qui change à chaque interaction. L'étude a confirmé que, sous un large éventail de conditions, ce nouveau cadre restait stable, ce qui signifie que la compétition entre les deux types de cellules pouvait persister pendant longtemps sans qu'un côté n'élimine immédiatement l'autre, un scénario qui correspond à la progression lente et complexe des tumeurs réelles.

Les chercheurs ont pris soin de noter que ces conclusions proviennent de simulations informatiques, et non d'expériences directes sur des patients humains ou des animaux. Les chiffres qu'ils ont utilisés pour déterminer comment différents médicaments et aliments affectent les cellules ont été estimés à partir de la littérature scientifique existante, et non mesurés dans leur propre laboratoire. Cela signifie que, bien que le classement de l'efficacité des médicaments et des aliments soit probablement précis sur la base des données utilisées, les chiffres exacts pourraient nécessiter des ajustements une fois que des mesures réelles seront disponibles. Le modèle a également simplifié la structure complexe tridimensionnelle du tissu humain en une grille plate en deux dimensions, ce qui est une étape nécessaire pour ce type de calcul mais peut ne pas capturer chaque détail de la façon dont les tumeurs envahissent le corps. Malgré ces limites, l'étude offre un nouvel outil puissant pour réfléchir au cancer. En traitant la tumeur et le tissu sain comme un système dynamique où les règles changent en fonction de la population, les chercheurs ont fourni un moyen de tester comment différentes combinaisons de traitements et de choix de mode de vie pourraient fonctionner ensemble.

Cette approche suggère que la thérapie anticancéreuse personnalisée pourrait bénéficier d'une vision globale, incluant le régime alimentaire du patient et le mélange spécifique de médicaments reçus. Si un patient prend un médicament puissant mais consomme également un régime qui favorise fortement la croissance du cancer, le médicament pourrait être moins efficace que prévu. Le modèle prédit que le contrôle de ces facteurs environnementaux est essentiel pour que le traitement fonctionne. L'étude ne prétend pas avoir résolu le problème du cancer ou découvert un nouveau remède, mais elle offre une manière plus claire et plus flexible de comprendre la lutte entre les cellules saines et cancéreuses. Elle dépasse l'idée d'une bataille statique avec des gagnants et des perdants fixes, montrant plutôt que l'issue dépend d'une négociation continue et changeante entre les deux populations. Pour les scientifiques et les médecins, cela signifie que les futurs traitements pourraient devoir être adaptés non seulement à la composition génétique de la tumeur, mais aussi à l'environnement dynamique dans lequel la tumeur vit, en ajustant les stratégies à mesure que la population de cellules change au fil du temps.