On a phenotype-structured phase-field model of nutrient-limited tumour growth

不要把肿瘤仅仅看作一个由坏细胞组成的、单一且均匀的肿块，而要把它想象成一座繁忙且混乱的城市。在许多旧的癌症数学模型中，科学家们将这座城市中的每个细胞都视为一个完全相同的克隆体，就像一群穿着一模一样的制服、从事着完全相同工作的人群。他们假设每个人生长、死亡和进食的速度都是一样的。

本文认为，这种“克隆”观点过于简单了。在现实中，肿瘤更像是一座多元化的城市，其中的居民拥有不同的技能、不同的性格以及不同的适应方式。有些细胞很具侵略性，有些则很“懒散”，还有些细胞在食物（营养物质）匮乏时生存能力更强。此外，这些细胞随着时间的推移可以改变它们的“个性”，从一种类型转变为另一种类型。

作者 Lorenzi、Pozzi 和 Signori 构建了一个新的数学工具——相场模型（Phase-Field Model）——来捕捉这种多样性。以下是通过简单的类比对该模型的解释：

1. 旧地图 vs. 新地图

• 旧方式（“克隆”模型）： 想象你要预测人群的移动，但假设每个人走路的速度都完全一样。如果你想知道人群增长得有多快，你只需用人数乘以一个单一的“增长速度”。这就是以前的模型所做的。它们忽略了有些细胞是快跑者，而有些是慢走者。
• 新方式（“多样性”模型）： 作者在他们的地图中增加了一个新维度。他们不仅追踪细胞在哪里（左、右、上、下），还追踪它们是什么样的细胞。他们想象了一个细胞“性格”的光谱。
  • 这可以类比为色彩光谱。与其说“这是一个红球”，模型会说：“这个球是10%的红色、20%的橙色、30%的黄色”等等。
  • 在他们的数学表达中，这个光谱是一个变量 $y$。它代表了细胞的具体特征，比如它们分裂的速度有多快，或者它们对营养的需求有多大。

2. 三大核心要素

该模型同时追踪三件事，就像一位导演在管理一场复杂的戏剧：

1. 领地 ($\phi$)： 这是“相场”。想象一个布满雾气的屏幕，雾气代表健康组织，而清晰的空气代表肿瘤组织。模型追踪雾气与空气交界处的边界，展示肿瘤是如何扩张或缩小的。
2. 食物供应 ($\sigma$)： 肿瘤需要营养（如氧气和葡萄糖）来生长。模型追踪城市不同区域可用的食物量。如果食物耗尽，肿瘤就会停止生长。
3. 人口构成 ($f$)： 这是那个全新的、特殊的成分。它是一个关于细胞性格的概率图。它回答了这样一个问题：“在这个特定的位置，百分之多少的细胞是‘侵略型’，百分之多少是‘生存型’？”

3. 细胞如何变化（演化）

论文引入了两种改变细胞性格构成的力量：

• “突变”引擎 ($\vartheta$)： 细胞会自然地改变其特征。想象一个细胞突然决定换掉它的“制服”。模型使用一个“核”（数学规则）来规定：“如果一个细胞是 A 类型，那么它变成 B 类型的概率是多少。”
• “适者生存”过滤器 ($R$)： 这是最关键的部分。环境充当了裁判的角色。
  • 如果一个细胞拥有的性格非常擅长在当前条件下生存（例如，它非常擅长在食物匮乏时摄取营养），那么它的数量就会增加。
  • 如果一个细胞的性格不适应当前条件，它的数量就会减少。
  • 模型通过数学计算整个群体的“平均适应度”。如果某种特定类型的细胞比平均水平更“优秀”，它就会大量繁殖；如果比平均水平更“差”，它就会消亡。

4. 计算机模拟显示了什么

作者在计算机上运行了他们的模型，观察会发生什么。他们在一段健康组织的正方形区域中心设置了一个虚拟肿瘤，并观察其生长过程。

• 结果： 肿瘤向外呈完美的圆形生长（径向对称）。
• “最强者”胜出： 无论初始的细胞性格组合如何，肿瘤最终都会“自我整理”。那些最擅长生存（最“适者”）的细胞会占据肿瘤的大部分。那些适应度较低的细胞则会逐渐消失。
• 变化的作用： 他们发现，如果细胞改变其性格的速度非常快，肿瘤会保持多种不同类型的多样性。如果细胞改变性格的速度非常慢，肿瘤则会变得非常单一，完全由那一种表现最好的类型所主导。

5. 为什么这很重要（根据论文观点）

论文声称，通过将这种“性格光谱”加入数学模型，他们可以更好地预测肿瘤的行为。

• 旧模型可能会忽略这样一个事实：由于少数“超级生存者”细胞的进化并占据主导，肿瘤可能会突然变得更具侵略性。
• 这个新模型捕捉到了这种进化。它表明，肿瘤的生长速度不仅取决于有多少细胞，还在于当前正在这场生存战中获胜的是哪种类型的细胞。

总结

可以将这篇论文看作是对一款视频游戏的升级。旧版本中的敌人都是千篇一律的。新版本则赋予了每个敌人独特的技能组，并能根据其表现好坏来升级技能。作者证明了他们的新游戏引擎在数学上是成立的（不会崩溃或产生荒谬的结果），并展示了在这个新世界中，“最强者”会自然崛起，从而改变这场入侵的形式和速度。

注： 本文严格侧重于该模型的数学构建和计算机模拟。它并不声称已在真实患者或医院环境中进行了测试，也不提出基于这些结果的特定新药或治疗方案。这是一个旨在帮助科学家更好地理解肿瘤生长复杂动态的理论框架。