本文通过建立肿瘤免疫微环境多尺度数学模型,结合小鼠实验数据,探讨了前列腺素E2受体4亚型(Prostaglandin E2 Receptor 4,EP4)拮抗剂MF-766和抗程序性细胞死亡蛋白1(Anti-programmed Cell Death Protein 1,Anti-PD-1)联合治疗对肿瘤免...本文通过建立肿瘤免疫微环境多尺度数学模型,结合小鼠实验数据,探讨了前列腺素E2受体4亚型(Prostaglandin E2 Receptor 4,EP4)拮抗剂MF-766和抗程序性细胞死亡蛋白1(Anti-programmed Cell Death Protein 1,Anti-PD-1)联合治疗对肿瘤免疫微环境及肿瘤生长的调控机制。模型定量分析了免疫抑制细胞、效应性免疫细胞以及细胞因子的动态变化,揭示了联合治疗在降低髓源性抑制细胞(Myeloid-derived Suppressor Cells,MDSCs)浓度和增强效应性免疫细胞功能中的协同作用。实验验证表明,模型能够准确描述肿瘤体积的动态变化及药物的免疫调节效应,并揭示了药物剂量与用药间隔对治疗效果的非线性影响。基于此模型的模拟结果,本文不仅加深了对肿瘤转移机制的理解,还为优化免疫治疗的剂量和用药策略提供了理论依据,为精准治疗的设计与推进奠定了坚实基础。展开更多
文摘本文通过建立肿瘤免疫微环境多尺度数学模型,结合小鼠实验数据,探讨了前列腺素E2受体4亚型(Prostaglandin E2 Receptor 4,EP4)拮抗剂MF-766和抗程序性细胞死亡蛋白1(Anti-programmed Cell Death Protein 1,Anti-PD-1)联合治疗对肿瘤免疫微环境及肿瘤生长的调控机制。模型定量分析了免疫抑制细胞、效应性免疫细胞以及细胞因子的动态变化,揭示了联合治疗在降低髓源性抑制细胞(Myeloid-derived Suppressor Cells,MDSCs)浓度和增强效应性免疫细胞功能中的协同作用。实验验证表明,模型能够准确描述肿瘤体积的动态变化及药物的免疫调节效应,并揭示了药物剂量与用药间隔对治疗效果的非线性影响。基于此模型的模拟结果,本文不仅加深了对肿瘤转移机制的理解,还为优化免疫治疗的剂量和用药策略提供了理论依据,为精准治疗的设计与推进奠定了坚实基础。
