文摘
gydF4y2Ba数学建模技术被广泛用来了解癌症的增长,而且,最近,这种方法被用来了解癌症可以控制。在这个手稿,先前验证混合细胞自动机模型血管的肿瘤生长的环境是用于研究几个vascular-targeting化合物的抗肿瘤活性的功效。特别是,这个模型是用来测试的抗肿瘤活性,临床使用血管生成抑制剂(隔离,和细胞毒性化疗)和血管破坏剂目前正在临床试验测试。我证明的数学模型可以预测符合临床前和临床数据,也可以用来深入理解这些治疗方案。文中给出的结果表明,vascular-targeting代理,目前管理,不能根除导致癌症,尽管一个高度有效的代理可能会导致长期的癌症控制。
<年代p一个ncl一个年代年代="end-abs">1。介绍
gydF4y2Ba实体肿瘤脉管系统功能需要的氧气和营养物质,以及有毒废物的清除与细胞代谢有关。肿瘤可以部分弥补其血管需要通过cooption(公司)现有主机的血管。然而,肿瘤生长超出微观尺寸和癌细胞转移取决于招聘新血管肿瘤通过这一过程被称为血管生成(<一个href="#B1">1一个>]。
gydF4y2Ba血管生成过程影响内源性pro,抗血管新生的分子以及生物物理触发,包括代谢和机械应力(<一个href="#B1">1一个>]。据说血管生成开关”“当pro,反血管增生引发的净效应是倾斜的血管生成开关是“关闭”时,平衡是向着另一个方向发展<一个href="#B1">1一个>,
gydF4y2Ba通过血管生成新血管的生长总是落后于肿瘤的生长。这导致肿瘤血管形态和功能异常,因此,大大不同于正常成人的脉管系统。特别是,血管生成血管渗漏(如血管包含许多空缺),由许多不同直径的血管扩张,和非常曲折,使血液流经血管生成血管混乱(<一个href="#B1">1一个>,
gydF4y2BaVascular-targeting疗法旨在利用独特的特性在肿瘤的血管网络。这些治疗方法分为两大类。第一个是<我>血管生成抑制剂我>(一个Is)试图抑制tumor-initiated血管生成过程中为了防止新血管的形成。AIs开发抑制proangiogenic分子,结合血管生成受体,抑制内皮细胞的增殖(ECs),血管,和移植/提供抗血管新生化合物(<一个href="#B1">1一个>,
gydF4y2Ba许多AIs目前正在进行临床试验的独立的癌症治疗或结合传统的治疗模式。搜索在美国国家癌症研究所的网站(<一个href="http://www.cancer.gov/clinicaltrials/search/" target="_blank">http://www.cancer.gov/clinicaltrials/search/一个>)“癌症”,“治疗”和“所有国家”返回1312年临床试验涉及抗血管化合物。一个类似的搜索<一个href="http://clinicaltrials.gov/" target="_blank">http://clinicaltrials.gov/一个>返回106年临床试验涉及抗血管化合物。AI,贝伐单抗(Avastin),已通过美国食品和药物管理局(FDA)使用其他药物治疗大肠癌、肺癌、乳腺癌、大脑和肾癌(<一个href="#B5">5一个>]。虽然贝伐单抗在许多病人有短暂的影响,因此,增加无进展生存药物的长期影响,更发人深省。虽然许多病人的展览最初一段时间的生长抑制,肿瘤再生几乎不可避免的发生经过几个月的治疗(<一个href="#B5">5一个>]。
gydF4y2Ba第二种方法,针对脉管系统涉及的使用<我>血管破坏代理我>(vd一个),试图引起快速和肿瘤相关血管的选择性关闭(<一个href="#B3">3一个>,
gydF4y2Ba临床前研究表明,共识可以提高化疗的疗效,辐射,甚至反血管增生代理(<一个href="#B4">4一个>]。尽管临床前试验的成功,vda并未获得尽可能多的势头AIs在临床领域。搜索在美国国家癌症研究所的网站(<一个href="http://www.cancer.gov/clinicaltrials/search/" target="_blank">http://www.cancer.gov/clinicaltrials/search/一个>)“癌症”,“治疗”和“所有国家”只提出1 VDA目前正在临床试验。一个类似的搜索<一个href="http://clinicaltrials.gov/" target="_blank">http://clinicaltrials.gov/一个>返回13个临床试验涉及血管破坏代理。vda代表在临床试验池中可能不太好因为他们可以触发肿瘤死亡约有95%的肿瘤,肿瘤细胞往往在肿瘤周边薄边缘生存。幸存的纤薄的边缘细胞最终会重新填充质量,导致肿瘤再生(<一个href="#B4">4一个>]。
gydF4y2Ba大量vascular-targeting化合物被认为是用于患者带来了一个令人振奋的时间领域的血管生成研究。与此同时,一种新药的发现和发展是一个耗费时间和非常昂贵的任务。之间的时间一种化合物的临床前测试和批准的新药应用程序已被证明也需要3.2到20年,平均时间为8.5年(<一个href="#B6">6一个>]。此外,据估计,在1989年- 2002年,开发抗癌药物的最终成本平均为10.4亿美元(<一个href="#B7">7一个>]。这些时间和货币成本过高,据估计,只有21.5%的完成三期临床试验的药物获得批准生产和销售作为一种新的药物(<一个href="#B6">6一个>]。因此,考虑到时间和金钱需要开发一种新的药物,以及失败的风险,制药公司正试图尽可能在过程的早期决定是否继续或放弃试验一种新药。
gydF4y2Ba一个相对新颖的方法来评估一种新的化合物的潜在功效是通过数学计算模型。通过实验验证数学模型允许一个测试药物的疗效以极最小时间和财务成本。在这个手稿,我用之前验证混合的细胞自动机模型肿瘤生长来展示力量<我>在网上我>技术必须做出预测癌症药物的抗肿瘤活性。以计算机为基础的方法的优点和缺点进行了讨论,探索药物开发过程和影响。
gydF4y2Ba使用数学技术在药物研发过程中并不是一个新颖的一个。药代动力学(PK)和药效学(PD)模型已经使用了几十年,以确定药物剂量和响应之间的关系。特别是,PK模型研究什么身体的药物,包括药物吸收和分配机制(通常通过微分方程建模)和药物作用持续时间(<一个href="#B8">8一个>]。另一方面,PD模型研究药物浓度之间的关系,它对人体生理的影响。通常,drug-receptor交互建模通过微分方程组(<一个href="#B8">8一个>]。通过耦合PK和PD模型,一个能理解两种药物对人体的影响(至少在受体水平)和身体对药物的影响。PK / PD模型在药物开发过程已经变得越来越重要,被用于临床试验支持药物发现,解释毒性数据(<一个href="#B8">8一个>),并确定最佳剂量策略(<一个href="#B9">9一个>- - - - - -<一个href="#B12">12一个>]。
gydF4y2Ba数学一直在使用其他方法来研究肿瘤反应药物管理局。虽然这些方法的全面讨论超出了本文的范围,值得提到许多有趣的模型,开发了理解肿瘤药物反应。化疗,例如,使用数学模型已经被广泛地研究过了。这些模型的一些重点化疗治疗方案的疗效预测(<一个href="#B13">13一个>- - - - - -<一个href="#B15">15一个>),对免疫系统的依赖(<一个href="#B16">16一个>),化疗药物的运输<一个href="#B17">17一个>- - - - - -<一个href="#B19">19一个>),耐药性的发展(<一个href="#B20">20.一个>- - - - - -<一个href="#B23">23一个>),如前所述,优化调度协议(<一个href="#B9">9一个>- - - - - -<一个href="#B12">12一个>,
gydF4y2Ba最近,PK / PD模型加上模型肿瘤生长,以探索药物动力学和由此产生的对肿瘤生长的影响率(<一个href="#B14">14一个>,
gydF4y2Ba虽然工作在<一个href="#B14">14一个>)关注非纯肿瘤,PK / PD模型与固体肿瘤生长的模型(合并<一个href="#B25">25一个>]。特别是,在<一个href="#B25">25一个>),作者做了<我>在网上我>肿瘤通过一个实验验证了多尺度模型肿瘤生长和血管生成。一旦肿瘤种植,multicompartment PK模型被用来模拟化学治疗剂。PD模型被用来确定细胞的生长被抑制的分数每个化疗药物的管理<一个href="#B25">25一个>]。这个工作的新颖性在于合并标准PK / PD的建模方法和基于计算机的肿瘤生长模型,允许水平的肿瘤细胞抑制作用有待确定。通过这种方式,短期内可以预测药物对肿瘤生长的影响。
gydF4y2Ba上述模型的优势在于它能预测药物的影响,与实验数据相一致。然而,模型并不看药物治疗的长期效应。长期影响的癌症药物治疗已经探索了其他地方(<一个href="#B26">26一个>,
gydF4y2Ba上述模型所有代表进步计算机辅助药物的方向发展。据我所知,所有模型的固体肿瘤生长,为此开发了考虑肿瘤在无血管的生长环境。另一方面,许多恶性肿瘤,包括脑癌,在血管生长环境。考虑到重要作用肿瘤微环境在治疗反应,是很重要的建模工作扩大到包括肿瘤生长在well-vascularized环境。
3所示。数学模型
gydF4y2Ba我将利用数学模型来测试肿瘤反应vascular-targeting数组疗法开发模拟大脑特定类型的癌症的发展称为多形性胶质母细胞瘤(GBM)。神经胶质瘤的“绿带运动”是最激进的,一组肿瘤产生的胶质细胞在中枢神经系统(或其前驱物<一个href="#B28">28一个>]。尽管在癌症治疗方面取得的进展,患者的生存时间中位数诊断为“绿带运动”目前是12到15个月(<一个href="#B29">29日一个>]。虽然这预后是严峻的,这标志着一个重大的进步中位数2001平均存活时间,这是只有八个月<一个href="#B30">30.一个>]。
gydF4y2Ba尽管有一些明显的改善在GBM生存的时代,这种疾病几乎一致是致命的。为了理解“绿带运动”的独特之处,使它能够成功地逃避治疗,Kansal等人开发了一个细胞自动机(CA)模型的“绿带运动”增长。在这个CA算法,结果表明,三维肿瘤生长和组合可以由一组简单的实际预测自动机规则和一组四个微观参数占肿瘤的营养需求,cell-doubling时间,和一个实施了球面对称的术语<一个href="#B31">31日一个>]。
gydF4y2Ba这个CA模型的成功在一定程度上与它的简单性,和一个简化的假设是脉管系统隐式的现在和发展随着肿瘤的发展。为了把一个更高层次的生物现实主义到原始的CA算法,一个二维混合细胞自动机模型发展到探索肿瘤增长之间发生的反馈和发展宿主血液供应<一个href="#B32">32一个>]。再次,这里需要注意的是,模型是建立在一个假设,即肿瘤的增长<我>well-vascularized我>环境,就像大脑。
gydF4y2Ba肿瘤血管生长的环境,cooption-regression-growth实验模型的肿瘤脉管系统演化提出了(<一个href="#B33">33一个>]。在这个模型中,肿瘤的大规模增长,癌细胞coopt成熟的血管周围组织。鉴于吸取船只被常规的脉管系统的一部分,为健康组织提供氧气和营养,这些船只一般成熟和稳定。虽然许多蛋白质造成这一表型正常的血管,而(Ang-1)由正常的血管和表达的观察起着重要的作用在血管成熟和稳定<一个href="#B34">34一个>]。
gydF4y2Ba随着肿瘤质量和coopts健康组织的血管,Ang-1的自然产生的拮抗剂,angiopoietin-2 (Ang-2)被认为是调节肿瘤和周围的微环境(<一个href="#B33">33一个>]。事实,Ang-2拮抗剂Ang-1意味着两种蛋白质争夺绑定到一个共同的受体,在这种情况下Tie-2。鉴于Ang-2 Ang-1的行动,限制Ang-2负责<我>不稳定我>脉管系统(<一个href="#B33">33一个>]。
gydF4y2Ba一个不稳定的血管的命运取决于第三个蛋白质的存在,血管内皮生长因子(VEGF)。VEGF函数作为一种有效的permeability-inducing剂,EC选择性作用,EC增殖因子,和抗凋亡信号ECs (<一个href="#B35">35一个>]。在VEGF的存在,不稳定血管生存尽管不稳定。然而,在缺乏VEGF的upregulation Ang-2相对于Ang-1撼动了吸取血管在肿瘤和标志着他们回归(<一个href="#B33">33一个>]。船船舶回归没有增长导致肿瘤的形成缺氧地区。缺氧诱导VEGF的生产,刺激新血管的生长。
gydF4y2Ba算法利用在这个手稿稍微修改版本中给出的算法(<一个href="#B32">32一个>]。除了这些小的修改,这在下面会详细进行介绍,该算法也已经适应了占政府药物在预定义的时间间隔。算法的骨骼框架总结了算法<一个href="//www.newsama.com/journals/cmmm/2011/830515/alg1/" target="_blank">1一个>。节<一个href="#sec3.2">3.2一个>,我将详细的治疗协议。
|
||||||||||||||
(我)细胞自动机的一代。一个泰森多边形法镶嵌使用非平衡过程的随机生成的随机点的顺序添加硬盘决定底层晶格的算法(<一个href="#B31">31日一个>,
(2)gydF4y2Ba健康的微血管网络。血管网络感兴趣的细胞组织地区供应氧气和营养必须生成。这样做是使用一个修改的克罗圆柱体模型,模型假设毛细血管的毛细管网直,平行和均匀间隔的<一个href="#B37">37一个>]。在提出的随机模拟<一个href="#B32">32一个>)需要使用并行线段的概念和随机排列,生物启发的一组约束。特别是线性顺序血管试图被放置在组织感兴趣的地区。船舶只能被添加到系统,然而,如果不是太接近一个平行的船,如果它不会引起太多的船只相交于一个站点,如果血管形成至少一个unvascularized细胞(<一个href="#B32">32一个>]。
(3)gydF4y2Ba初始化肿瘤。指定的细胞自动机的中心组织空间增殖的癌细胞。这相当于把非恶性的细胞中心的组织,让它带着一种恶性表型。
(我v)肿瘤生长算法。时间然后被离散成单位,代表真实的一天。在每个时间步长:<年代p一个ncl一个年代年代="list">(1)年代p一个n><年代p一个ncl一个年代s="list-content">解决pd我>。以下之前开发的偏微分方程组(<一个href="#B32">32一个>)是数字一天时间解决<年代p一个ncl一个年代年代="equation" id="EEq1">
生长因子之间的相互作用的示意图,受体、配体中的复合体,细胞类型中(<一个href="#EEq1">1一个>在图提供)<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig1/" target="_blank">1一个>。在这些方程,<年代vghe我ght="7.4250002" id="M3" style="vertical-align:-0.11285pt;width:8.0375004px;" version="1.1" viewbox="0 0 8.0375004 7.4250002" width="8.0375004" xmlns="http://www.w3.org/2000/svg">
| 的示意图表示系统pd给定的(<一个href="https://static.hindawi.com/articles/cmmm/volume-2011/830515/figures/830515/">1一个>),显示了生长因子之间的相互作用,受体,中的复合体,细胞类型。用配位体VEGF<年代vghe我ght="10.575" id="M85" style="vertical-align:-0.20064pt" version="1.1" viewbox="0 0 12.625 10.575" width="12.625" xmlns="http://www.w3.org/2000/svg">
|
(4)年代p一个n><年代p一个ncl一个年代s="list-content">坏死的细胞我>。肿瘤的坏死细胞是惰性的。年代p一个n>年代p一个n>(5)年代p一个n><年代p一个ncl一个年代s="list-content">低氧细胞我>。缺氧细胞是增殖的距离内<年代vghe我ght="17.1625" id="M88" style="vertical-align:-5.03984pt;width:72.787498px;" version="1.1" viewbox="0 0 72.787498 17.1625" width="72.787498" xmlns="http://www.w3.org/2000/svg">
重要的是,上面描述的算法已被证明是预测(1)当一个肿瘤血管生成时可以启动血管新生和(2)无法启动(<一个href="#B32">32一个>]。特别是,它表明,在一个数量级肿瘤半径,该算法可以成功地预测肿瘤大小和增生性肿瘤细胞中发现的质量百分比(<一个href="#B31">31日一个>,
gydF4y2Ba在目前的手稿,目的是验证混合CA模型能够准确地预测许多抗癌药物的疗效。一旦模型被证明药物的疗效,该模型可以用来预测小说治疗的疗效的化合物。
gydF4y2Ba模型的预测能力将测试使用血管生成抑制剂和血管破坏代理。模拟人工智能将根据前面讨论fda批准的AI,贝伐单抗。贝伐单抗是一种结合,抑制VEGF单克隆抗体(<一个href="#B43">43一个>]。它已经证明了贝伐单抗鼓励肿瘤收缩,增加无进展生存时间,提高患者的总体生存反复“绿带运动”(<一个href="#B44">46一个>,
gydF4y2Ba第二类vascular-targeting代理我将探索的功效是共识。vda与AIs的区别在于,他们有选择地目标肿瘤脉管系统的破坏。模拟VDA将基于目前处于临床试验阶段,复合磷酸combretastatin A4 (CA4P)。CA4P前体药物,迅速脱去磷酸活动产品微管蛋白抑制剂CA4 [<一个href="#B47">45一个>]。在实验性肿瘤,CA4P政府导致快速和选择性tumor-vascular损伤。在一小时内的治疗时间,通过肿瘤血流量减少到低于5%含量的起始值,形成大量坏死区域内肿瘤(<一个href="#B4">4一个>]。
gydF4y2Ba为了模拟药,剂量策略必须选择(见表<一个href="//www.newsama.com/journals/cmmm/2011/830515/tab2/" target="_blank">2一个>)。如下详细的定量模拟人工智能和战略的共识将显著差异,以准确反映这些药物在临床的使用。模拟人工智能和共识,我认为这种药物均匀分布在脉管系统本身。然后假设,就像氧气一样,任何地区的组织在一个固定的距离的血管平等获得药物,但组织地区超过这个临界距离接收水平不足的药物。隐含在这个假设是药物和氧气扩散长度相同,这可能是也可能不是这样。进一步说,一个统一的空间分布的假设通过血管的药物不是生理上准确。众所周知,大脑血管网络和微观结构的变化会影响药(<一个href="#B1">1一个>,
下面的治疗方案将被分析在这个手稿。<年代p一个ncl一个年代年代="list">(我)年代p一个n><年代p一个ncl一个年代s="list-content">人工智能在隔离我>。我将管理一个bevacizumab-like AI通过抑制VEGF(的生产<年代vghe我ght="14.575" id="M106" style="vertical-align:-3.21404pt;width:13.625px;" version="1.1" viewbox="0 0 13.625 14.575" width="13.625" xmlns="http://www.w3.org/2000/svg">
为每个治疗(其参数总结在表<一个href="//www.newsama.com/journals/cmmm/2011/830515/tab1/" target="_blank">1一个>,其剂量计划总结在表<一个href="//www.newsama.com/journals/cmmm/2011/830515/tab2/" target="_blank">2一个>10),模拟运行和平均肿瘤反应的药物将会报道。每个肿瘤治疗应用一旦达到临界尺寸4毫米的半径。为每个治疗方案,治疗参数的敏感性分析(s)也将被执行。所有模拟都是运行在一个计算集群26双Opteron 248个节点组成的2 GB内存和处理器速度的2.2 GHz。所述模拟(至少一年的物理肿瘤生长)花了45分钟到80分钟才能完成。可视化的肿瘤,将显示以下约定:利用可行的非恶性的细胞被贴上白色,非恶性的细胞经历细胞凋亡是绿色,坏死肿瘤细胞是黑色的,nonproliferative /肿瘤细胞缺氧是黄色的,增生性肿瘤细胞是蓝色的。此外,可视化的脉管系统,使用了以下约定:最初的血管健康组织血管网络的一部分被贴上红色,通过血管生成,血管生长被命名为紫色。
4所示。结果与讨论
gydF4y2Ba治疗作为治疗中描述的协议,第一个测试是一个人工智能的管理如贝伐单抗。在图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2一个>我显示AI的抗肿瘤活性,比任何治疗的情况是利用。特别是,我给肿瘤区域作为时间的函数(图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2(一个)一个>)和活跃的肿瘤区域(意义、增生性的面积和缺氧tumor-Figure的地区<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2 (b)一个>),平均超过10模拟。通过比较整个肿瘤的生长质量与人工智能处理和没有(图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2(一个)一个>),明显降低肿瘤的速度扩张。此外,当只看活跃的肿瘤区域的面积(图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2 (b)一个>),可以看出本地区基本稳定,没有明显的增长或药物管理局后收缩。因此,尽管极度活跃的肿瘤生长速率下降,活跃的肿瘤区域不被AI治疗。这个观察证实了通过观察模拟一个AI-treated肿瘤(图的图像<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig3/" target="_blank">3一个>)。在这个图中,可以看出,AI政府留下了数量的剩余缺氧和增殖细胞在肿瘤周边,这活跃区域导致增长缓慢的肿瘤质量观察图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2(一个)一个>。活跃的肿瘤细胞的生存以及由此导致的缓慢增长在很大程度上是由于肿瘤生长在well-vascularized环境,突出微环境在治疗反应的重要作用。
(一)年代trong>
(b)年代trong>
| (a)平均肿瘤区域和(b)平均活跃的肿瘤区域,面积都比较四种不同的场景:没有进行治疗,人工智能管理,人工智能与细胞毒性化疗和VDA政府。 |
(一)年代trong>
(b)年代trong>
(c)年代trong>
(d)年代trong>
| 肿瘤治疗的一个人工智能的快照。(一)肿瘤增长的两个月后,在治疗之前。(b)肿瘤增长的四个月后,两周后治疗首先是管理。(c)肿瘤经过八个月的增长,19周后治疗首先是管理。(d)肿瘤经过一年的增长,37周治疗后第一次接种。 |
结果如图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2一个>和<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig3/" target="_blank">3一个>都是通过降低VEGF的产量来模拟人工智能行动。另外两个人工智能方式行动,减少协会的VEGF / VEGFR-2率和减少ECs的VEGF的敏感性,也被认为是。生长曲线的三种模式的行动非常相似(数据没有显示)。降低VEGF的产量已被证明是更有效的比其他的实现策略,和,因此,为什么这种模式使用的行动是在整个手稿。
gydF4y2Ba治疗参数的敏感性分析表明,bevacizumab-like药物会导致抑制的一个重要临床各级响应测试,虽然功效的AI越大,越明显的抗肿瘤活性(图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig4/" target="_blank">4一个>)。事实上,当最有效的人工智能管理(<年代vghe我ght="14.6" id="M118" style="vertical-align:-3.13504pt;width:65.462502px;" version="1.1" viewbox="0 0 65.462502 14.6" width="65.462502" xmlns="http://www.w3.org/2000/svg">
| 灵敏度分析的AI治疗参数。治疗参数测试在两个数量级,和活跃的肿瘤区域的平均面积预测的算法为每个参数值显示。 |
人工智能的影响政府预测的模型,特别是对<年代vghe我ght="14.6" id="M119" style="vertical-align:-3.13504pt;width:49.825001px;" version="1.1" viewbox="0 0 49.825001 14.6" width="49.825001" xmlns="http://www.w3.org/2000/svg">
gydF4y2Ba虽然它似乎是合理的,任何或所有这些机制可能导致补偿在临床肿瘤血管生成,模拟表明,肿瘤血管环境中可以继续生长在人工智能管理,即使没有前面提到的代偿血管生成机制。鉴于当前实现的模型并不将替代途径触发血管生成和不包括骨髓或入侵,这或许可以解释为什么模型预测持续增长缓慢而不是更加速增长中观察到病人。然而,它仍然显示的一个非常重要的特征AI治疗:AI治疗先天限制,而不是获得性耐药,可能是一个限制因素在使用AIs为一个单一的前线癌症治疗。虽然研究人员目前正在努力开发血管生成药物鸡尾酒,目标不同的血管生成途径(目的是防止再生),这样的药物鸡尾酒仍可能遭受同样的失败作为一个人工智能——缓慢增长在肿瘤周边可以持续使用人工智能在隔离,尤其是肿瘤生长well-vascularized环境。
4.2。人工智能与细胞毒性化疗
gydF4y2Ba我管理一个AI孤立的分析表明,它可以显著影响肿瘤的生长,但不能消除肿瘤的活跃区域,因此,肿瘤生长缓慢持续尽管药品监督管理局。然而,它是不常见的,一个AI (AIs)的结合将是唯一的疗法用于治疗癌症。传统形式的治疗,包括细胞毒性化疗和放疗,本质上仍然是用于所有的癌症患者,只要病人身体能承受治疗。尽管这似乎违反直觉的管理一个AI和细胞毒性化疗同时,作为干扰肿瘤脉管系统似乎干扰化疗的交付,这是常见的临床实践。这种方法的智慧是我将在以后的工作中进一步探索。目前,我将重点分析的有效性管理这样一个AI贝伐单抗结合一种标准细胞毒性化疗。在图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2一个>,我给的平均抗肿瘤活性治疗协议,包括管理一个AI 9月每两周的时间内,加上日常管理的细胞毒性剂六周时间。
gydF4y2Ba如图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2一个>所示,结合人工智能和细胞毒性剂抗肿瘤活性比AI的隔离管理。整体以较慢的速度发生肿瘤的生长,和活跃的肿瘤区域实际上减少细胞毒性治疗时应用。为了理解为什么细胞毒性剂有累加效应,当管理的人工智能,是有用的参考图所示的模拟肿瘤的快照<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig3/" target="_blank">3一个>。当一个人工智能应用于孤立,少数肿瘤增殖的癌细胞生存的边缘。这些细胞增殖的主要获得氧气和营养的血管肿瘤周围的健康组织质量,尽管一些血管生成血管供应肿瘤。添加目标积极分裂细胞的细胞毒性剂导致的死亡增殖细胞在肿瘤周边,发现这是什么导致的减少活跃的肿瘤区域图中观察到<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig2/" target="_blank">2 (b)一个>。减少活跃的肿瘤区域只是保持在细胞毒性剂治疗窗口。
gydF4y2Ba人工智能参数的敏感性分析(<年代vghe我ght="14.2375" id="M120" style="vertical-align:-3.13504pt;width:14.8125px;" version="1.1" viewbox="0 0 14.8125 14.2375" width="14.8125" xmlns="http://www.w3.org/2000/svg">
(一)年代trong>
(b)年代trong>
| (a)时的AI参数灵敏度分析的细胞毒性化疗参数是固定的<年代vghe我ght="14.6" id="M124" style="vertical-align:-3.13504pt" version="1.1" viewbox="0 0 61.549999 14.6" width="61.549999" xmlns="http://www.w3.org/2000/svg">
|
转向的AI参数是固定的<年代vghe我ght="14.6" id="M126" style="vertical-align:-3.13504pt;width:57.650002px;" version="1.1" viewbox="0 0 57.650002 14.6" width="57.650002" xmlns="http://www.w3.org/2000/svg">
gydF4y2Ba如果我们关注最有效的治疗参数,<年代vghe我ght="14.6" id="M129" style="vertical-align:-3.13504pt;width:65.462502px;" version="1.1" viewbox="0 0 65.462502 14.6" width="65.462502" xmlns="http://www.w3.org/2000/svg">
(一)年代trong>
(b)年代trong>
(c)年代trong>
(d)年代trong>
| 联合治疗的失败与细胞毒性剂(AI)限制肿瘤生长时,细胞毒性剂六周后被移除,AI将在一年之后删除。(a)的活跃的肿瘤区域作为时间的函数。(b)的快照和AI 10个月治疗后肿瘤生长。(c)的快照和AI肿瘤治疗三周后结束。(d)的快照肿瘤与AI结束治疗后4个月。 |
4.3。VDA孤立地
gydF4y2Ba几个血管破坏剂目前在临床前和临床试验进行测试(<一个href="#B4">4一个>]。尽管各种机制可以利用目标和破坏血管,这些药物的净效应是制止血流通过肿瘤脉管系统和中央坏死[产生一种普遍的模式<一个href="#B4">4一个>]。在模拟中,我使用一个通用的共识,关闭血管生成血管的血液流动,类似于VDA CA4P的行动。
gydF4y2Ba如前所述,通常使用的共识以间歇方式比人工智能在更短的时间。出于这个原因,模拟的共识是管理每三周,因为CA4的半衰期短,药物作用只发生在白天药物管理。应用VDA(当船的影响破坏参数<年代vghe我ght="14.875" id="M132" style="vertical-align:-3.25793pt;width:53.737499px;" version="1.1" viewbox="0 0 53.737499 14.875" width="53.737499" xmlns="http://www.w3.org/2000/svg">
gydF4y2Ba为了更好地理解VDA治疗肿瘤反应,在图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig7/" target="_blank">7(一)一个>我勾勒出活跃的肿瘤区域作为时间的函数为一个肿瘤治疗的共识(<年代vghe我ght="14.875" id="M133" style="vertical-align:-3.25793pt;width:53.737499px;" version="1.1" viewbox="0 0 53.737499 14.875" width="53.737499" xmlns="http://www.w3.org/2000/svg">
(一)年代trong>
(b)年代trong>
(c)年代trong>
| (一)活动区域的一个肿瘤<年代vghe我ght="14.875" id="M134" style="vertical-align:-3.25793pt" version="1.1" viewbox="0 0 53.737499 14.875" width="53.737499" xmlns="http://www.w3.org/2000/svg">
|
上述观察解释了振荡行为的活跃的肿瘤区域图(图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig7/" target="_blank">7(一)一个>)。然而,这并不能完全解释为什么稳定振荡不大大限制长期活跃的肿瘤大小。为了充分理解的共识的无能,这是有用的肿瘤直接看快照之前(图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig7/" target="_blank">7 (b)一个>)和(图<一个href="//www.newsama.com/journals/cmmm/2011/830515/fig7/" target="_blank">7 (c)一个>)的共识。VDA政府之前,肿瘤血管征用(红色所示)和血管生成(紫色)所示血管。应用的共识后,大多数肿瘤的血管生成血管失去质量。然而,由于VDA通过选择性地绑定到血管生成血管,吸取血管在肿瘤并不被VDA管理。因此,增殖的癌细胞获得通过吸取氧气和营养血管肿瘤边缘生存,这些细胞和维持肿瘤的生长,就像在临床前试验(<一个href="#B4">4一个>,
gydF4y2Ba很自然的问VDA是否被用于模拟不够破坏血管生成(血管<年代vghe我ght="14.875" id="M135" style="vertical-align:-3.25793pt;width:53.737499px;" version="1.1" viewbox="0 0 53.737499 14.875" width="53.737499" xmlns="http://www.w3.org/2000/svg">
| VDA治疗参数的灵敏度分析,<年代vghe我ght="14.3875" id="M141" style="vertical-align:-3.25793pt" version="1.1" viewbox="0 0 14.8125 14.3875" width="14.8125" xmlns="http://www.w3.org/2000/svg">
|
5。结论
gydF4y2Ba之前验证数学模型已经被用来预测某些vascular-targeting药物的功效。三个功能型和/或临床治疗方案进行了分析,测试与仿真数据被发现在良好的协议,从这些试验中收集的数据。特别是,贝伐单抗等抗肿瘤血管生成抑制剂的活性是推测:有一个初期的生长抑制,但从长远来看,肿瘤发生再生。的抗肿瘤活性和细胞毒性化疗导致增加测试是最有效的治疗。然而,删除所有药物治疗一年后重新刺激肿瘤的生长,表明一个协议的AI和细胞毒性剂可以增加无进展生存时间,但不能防止长期再生。模型还预测的有效性CA4P-like血管破坏代理同意临床观察的抗肿瘤活性的共识。特别是,尽管VDA政府,rim增殖细胞存活的肿瘤边缘,而这些,随着血管生成药物管理局之间的活动,保持稳定的肿瘤生长。预测是高度依赖的血管肿瘤微环境,船舶cooption发生和血管生成。
综上所述,模拟和临床数据表明,vascular-targeting药物,按照目前的管理,不能根除导致癌症。然而,长期控制是可能的,例如,当一个高度有效的人工智能(<年代vghe我ght="14.6" id="M142" style="vertical-align:-3.13504pt;width:65.462502px;" version="1.1" viewbox="0 0 65.462502 14.6" width="65.462502" xmlns="http://www.w3.org/2000/svg">
gydF4y2Ba任何数学模型的缺点,限制了可预测性,提出模型的一些弱点值得提及。一个弱点就是只有一个途径,导致模拟肿瘤血管生成。在现实中,有许多血管生成途径(尽管VEGF通路占这是占主导地位的一个)和治疗肿瘤的人工智能的目标一个途径可以导致其他补偿血管生成反应通路。换句话说,与我的模拟,可以发生在真正的肿瘤血管生成,即使VEGF通路完全撞倒了。因此,我的模拟预测,血管生成是发生在人工智能管理比很可能如此。尽管这个缺点,该模型还能够识别肿瘤生长的一个重要特性在血管环境AI治疗:肿瘤可以通过吸取脉管系统生存和增长缓慢。这表明药物鸡尾酒目标多种血管生成途径(<一个href="#B5">5一个>)可以减缓肿瘤再生,但不能完全抑制肿瘤的扩张。
gydF4y2Ba模型的另一个缺点是血液送到肿瘤的性质和氧气和药物是如何分布在整个肿瘤质量。首先,该模型没有考虑血液流过毛细管网。这个重要的建模考虑已经被其他作者(见,例如,(<一个href="#B58">58一个>- - - - - -<一个href="#B60">60一个>])。相反的建模血液流动的细节,我已经简化假设任何细胞在一个固定的距离船收到足够的氧气供应和毒品。这个理想化忽视了一个事实:血管生成血管渗漏和不均匀分配氧气和药物在肿瘤(<一个href="#B1">1一个>,
最后,模型还假定有一个统一的表型的肿瘤细胞内的质量,这是从来没有如此。在未来的工作中,该模型可以扩展将interpatient和intertumor基因型和表型变异(<一个href="#B41">41一个>]。此外,不仅有表型的变化在一个肿瘤,治疗可以促使新的突变发生在癌症。在未来,该模型将扩展将treatment-induced突变。
gydF4y2Ba最后,我有说明模型可以成功地预测,没有任何先验知识,许多vascular-targeting治疗的抗肿瘤活性协议。所示的肿瘤微环境中发挥重要作用的药物活性。所做的预测模型的验证是通过比较临床前和临床数据尽可能。这一事实模型可能会导致预测与那些在临床前和临床试验是相当重要的。为了达到这些临床试验的结论,花了数百万美元,多年的时间投资,患者处于危险之中的不良反应治疗。这里所列的工作说明数学模型可以用来测试抗癌药物的疗效,重要的是,排除药物都不会有明显的抗肿瘤活性。在未来,我将使用的数学模型来测试管理的功效的药物鸡尾酒AI和共识,为了学习如果有添加剂的影响结合这两个vascular-targeting代理。我还计划利用模型的预测能力来寻找治疗协议,最大化活性肿瘤死亡,在确定治疗的希望可能会导致永久性的肿瘤生长抑制。
细胞杀死理论提出一组增殖的癌细胞被杀死的百分比与每个剂量的化疗(<一个href="#B51">51一个>]。日志细胞杀死<年代vghe我ght="10.325" id="M144" style="vertical-align:-0.0pt;width:11.1875px;" version="1.1" viewbox="0 0 11.1875 10.325" width="11.1875" xmlns="http://www.w3.org/2000/svg">
在[<一个href="#B51">51一个>),老鼠接受temozolomide了五天。日志日志单位细胞杀死被计算为0.4。为了使用这些信息来确定的价值<年代vghe我ght="14.2375" id="M151" style="vertical-align:-3.13504pt;width:14.8125px;" version="1.1" viewbox="0 0 14.8125 14.2375" width="14.8125" xmlns="http://www.w3.org/2000/svg">
因此,细胞失去了每天的分数(看经济增长的净效应和死亡)<年代vghe我ght="11.1" id="M161" style="vertical-align:-0.17555pt;width:104.25px;" version="1.1" viewbox="0 0 104.25 11.1" width="104.25" xmlns="http://www.w3.org/2000/svg">
gydF4y2Ba“绿带运动”,细胞倍增时间已经估计大约四天(<一个href="#B31">31日一个>,
这意味着<年代vghe我ght="14.6" id="M167" style="vertical-align:-3.13504pt;width:69.362503px;" version="1.1" viewbox="0 0 69.362503 14.6" width="69.362503" xmlns="http://www.w3.org/2000/svg">
gydF4y2Ba作者想要感谢普林斯顿大学数学应用和数学计算机中的程序提供持续和慷慨的对其计算机设备的访问。作者也想感谢g . t . Gillies批判阅读的手稿。
引用
p . Carmeliet和r·k·贾殷”,血管生成在癌症和其他疾病。”<我>自然我>,卷407,不。6801年,第257 - 249页,2000年。
gydF4y2Ba视图:j·福克曼,“血管生成过程的基本概念。”<我>当前分子医学我>,3卷,不。7,643 - 651年,2003页。
gydF4y2Ba视图:d . w . Siemann“肿瘤脉管系统:抗癌疗法的目标”<我>Vascular-Targeted疗法在肿瘤我>约翰•威利& Sons,页1 - 8,西萨塞克斯郡,英国,2006年。
gydF4y2Ba视图:p·e·索普”血管定位代理为癌症疗法”,<我>临床癌症研究我>,10卷,不。2、415 - 427年,2004页。
gydF4y2Ba视图:作者和d . Hanahan“耐抗血管生成治疗的模式,”<我>自然评论癌症我>,8卷,不。8,592 - 603年,2008页。
gydF4y2Ba视图:m·迪克森和j . p . Gagnon关键因素在新药发现和开发成本的上升,”<我>自然评论药物发现我>,3卷,不。5,417 - 429年,2004页。
gydF4y2Ba视图:c·p·亚当斯和v . Van Brantner”,估计新药物开发的成本:这真的是8.02亿美元?”<我>卫生事务我>,25卷,不。2、420 - 428年,2006页。
gydF4y2Ba视图:j . Gabrielsson韦纳,<我>药代动力学和药效学数据分析:概念和应用程序我>、瑞典医药出版社,斯德哥尔摩,瑞典,第3版,2000年版。
a Iliadis和d . Barbolosi efficacy-toxicity药物在癌症化疗方案优化的数学模型,”<我>计算机和生物医学研究我>,33卷,不。3、211 - 226年,2000页。
gydF4y2Ba视图:k . r .拳头和j·c·帕内塔“最优控制应用于cell-cycle-specific癌症化疗,”<我>暹罗在应用数学》杂志上我>,60卷,不。3、1059 - 1072年,2000页。
gydF4y2Ba视图:d . Barbolosi和a . Iliadis”优化药物在癌症化疗方案:使用PK-PD模型,模拟研究”<我>计算机在生物学和医学我>没有,卷。31日。3、157 - 172年,2001页。
gydF4y2Ba视图:k . r .拳头和j·c·帕内塔”,最优控制应用于化疗灭杀细胞的竞争策略,”<我>暹罗在应用数学》杂志上我>,卷63,不。6,1954 - 1971年,2003页。
gydF4y2Ba视图:a . Bertuzzi a D 'Onofrio, a .法和a .格拉斯科”回归和再生肿瘤的绳索单剂量抗癌治疗后,“<我>通讯的数学生物学我>,卷65,不。5,903 - 931年,2003页。
gydF4y2Ba视图:b . Ribba k .栗色的z雅基,t·阿拉和p . k . Maini”数学模型的阿霉素治疗非霍奇金淋巴瘤的疗效:调查当前协议通过理论建模的结果,“<我>通讯的数学生物学我>,卷67,不。1,第99 - 79页,2005。
gydF4y2Ba视图:e·s·诺里斯j . r .国王,h . m .伯恩”造型空间结构化肿瘤对化疗的反应:药物动力学,”<我>数学和计算机模拟我>,43卷,不。7 - 8,820 - 837年,2006页。
gydF4y2Ba视图:l . g . De Pillis和A . Radunskaya“数学与免疫抗肿瘤模型和药物治疗:一个最优控制方法,”<我>医学杂志》的理论我>,3卷,不。2、79 - 100年,2001页。
gydF4y2Ba视图:h·b·Frieboes m·e·艾顿j.p. Fruehauf et al .,“预测乳腺癌的药物反应使用综合实验/计算建模、”<我>癌症研究我>,卷69,不。10日,4484 - 4492年,2009页。
gydF4y2Ba视图:d . y -阿里芬,刘贤t·李和c·h·王,“脑瘤化疗药物运输,”<我>《控释我>33卷,第226 - 211页,2000年。
gydF4y2Ba视图:郑j . Sinek h . Frieboes x, v . Cristini”二维模拟演示基本的运输和肿瘤化疗反应限制涉及纳米颗粒”<我>生物医学微器件我>》第六卷,没有。4、297 - 309年,2004页。
gydF4y2Ba视图:m . Abundo c·罗西,“随机模型的数值模拟癌细胞提交化疗,”<我>数学生物学》杂志上我>,27卷,不。1,第90 - 81页,1989。
gydF4y2Ba视图:m·s·科斯塔,j·l·博德里尼,r . c . Bassanezi“化疗治疗耐药性和正常细胞毒性的标准水平,”<我>数学生物科学我>,卷125,不。2、211 - 228年,1995页。
gydF4y2Ba视图:j·r·亚瑟·d·亨德森,“一些癌症化疗耐药模型第1部分:cycle-nonspecific药物,”<我>Mathemathics应用在医学和生物学》杂志上我>,13卷,不。2、99 - 126年,1996页。
gydF4y2Ba视图:j·l·博德里尼和m . i s Costa”治疗负担、耐药性和最佳治疗方案对癌症化疗,”<我>Mathemathics应用在医学和生物学》杂志上我>,17卷,不。1,33-51,2000页。
gydF4y2Ba视图:Ledzewicz和h . Schattler”最优和次优协议肿瘤抗血管生成的一类数学模型”<我>理论生物学杂志》上我>,卷252,不。2、295 - 312年,2008页。
gydF4y2Ba视图:j . p . Sinek s桑格牛x, h·b·Frieboes m·法拉利和诉Cristini”预测药物药物动力学和影响使用计算机模拟血管肿瘤,”<我>数学生物学》杂志上我>,卷。58岁的没有。4 - 5,485 - 510年,2009页。
gydF4y2Ba视图:j . Panovska h . m .伯恩,p . k . Maini“血管肿瘤的反应的理论研究不同类型的化疗,”<我>数学和计算机模拟我>卷,47号5 - 6,560 - 579年,2008页。
gydF4y2Ba视图:p . Hinow p . Gerlee l . j . McCawley et al .,“tumor-host交互的空间模型:应用化疗,”<我>数学生物科学与工程我>》第六卷,没有。3、521 - 545年,2009页。
gydF4y2Ba视图:e·c·荷兰,多形性成胶质细胞瘤:《终结者》,“<我>美国国家科学院院刊》上的美利坚合众国我>,卷97,不。12日,第6244 - 6242页,2000年。
gydF4y2Ba视图:c·j·惠勒,k . l .黑色,g .刘et al .,“疫苗接种引出相关的免疫和多形性成胶质细胞瘤患者的临床反应,”<我>癌症研究我>,卷68,不。14日,第5964 - 5955页,2008年。
gydF4y2Ba视图:e·a·马赫f·b·Furnari r . m . Bachoo et al .,“恶性神经胶质瘤:遗传学和生物学的一个严重的问题,”<我>基因和发展我>,15卷,不。11日,第1333 - 1311页,2001年。
gydF4y2Ba视图:a . r . Kansal s作为g . r .严酷,e·a·Chiocca和t . s . Deisboeck”使用三维细胞自动机模拟大脑肿瘤的生长动力学,”<我>理论生物学杂志》上我>,卷203,不。4、367 - 382年,2000页。
gydF4y2Ba视图:j·l·Gevertz和美国作为建模的影响血管进化早期大脑肿瘤的生长,”<我>理论生物学杂志》上我>,卷243,不。4、517 - 531年,2006页。
gydF4y2Ba视图:j . Holash p c . Maisonpierre d·康普顿et al .,“船cooption、回归和肿瘤的增长由组VEGF,”<我>科学我>,卷284,不。5422年,第1998 - 1994页,1997年。
gydF4y2Ba视图:p c . Maisonpierre c .苏瑞·f·琼斯et al。”的天然拮抗剂Angiopoietin-2 Tie2破坏体内血管生成,“<我>科学我>,卷277,不。5322年,则高达55 - 1997页。
gydF4y2Ba视图:r . a . Brekken和p·e·索普VEGF-VEGF受体复合物作为肿瘤血管内皮细胞的标记,“<我>《控释我>,卷74,不。1 - 3、173 - 181年,2001页。
gydF4y2Ba视图:w . c . Broaddus p . j .哈雾,g . t . Gillies“纳米级神经外科,”<我>生物材料和生物医学工程的百科全书我>马塞尔•德克尔,页1035 - 1042年,纽约,纽约,美国第3版,2004年版。
gydF4y2Ba视图:j·e·弗莱彻,“数学建模的微循环,”<我>数学生物科学我>,38卷,不。3 - 4、159 - 202年,1978页。
gydF4y2Ba视图:诉谢霆锋,徐l . y . c . Yung et al .,“时空表达VEGF, angiopoietins-1和2,和Tie-2肿瘤血管生成与肿瘤新生血管性架构及其功能相关,”<我>神经学研究我>,25卷,不。7,729 - 738年,2003页。
gydF4y2Ba视图:x郑,s m .明智和诉Cristini,“非线性模拟肿瘤坏死,neo-vascularization入侵和组织通过一个自适应有限元/水平集方法,”<我>通讯的数学生物学我>,卷67,不。2、211 - 259年,2005页。
gydF4y2Ba视图:j·l·Gevertz g . t . Gillies和美国作为“在异构环境中模拟肿瘤的生长。”<我>物理生物学我>,5卷,不。第三条ID 036010, 2008。
gydF4y2Ba视图:j . Gevertz和美国作为异构肿瘤在硅片,”<我>物理评论E我>,卷80,不。5、文章ID 051910, 2009。
gydF4y2Ba视图:d . j .顽童Kaur b, e . g·范·梅尔”的遗传调制缺氧诱导的基因表达和血管生成:脑部肿瘤相关性,”<我>生命科学前沿我>,8卷,第116 - 100页,2003年。
gydF4y2Ba视图:j . f . Lu r·布鲁诺的普尔,w . Novotny b .亮度和j . Gaudreault“贝伐单抗在实体肿瘤患者的临床药物动力学,”<我>癌症化疗和药理学我>,卷62,不。5,779 - 786年,2008页。
gydF4y2Ba视图:m·a·Rudek r . c . Donehower p . Statkevich诉k·巴特拉,d·l·卡特勒和s·d·贝克,“Temozolomide晚期癌症患者:阶段1和药代动力学研究中,“<我>药物治疗我>,24卷,不。1,第16 - 25页,2004。
gydF4y2Ba视图:j·m·m·库尼奥尔蒂斯,r·m·布可夫斯基,s . c .媚”小说血管目标/干扰代理:combretastatin A4磷酸和相关化合物,”<我>目前肿瘤的报道我>,7卷,不。2、90 - 95年,2005页。
gydF4y2Ba视图:a·斯瓦米·凯利j . Golfinos et al .,“抗血管新生疗法使用贝伐单抗在高档神经胶质瘤复发:对局部控制和患者生存的影响:临床文章”<我>神经外科杂志》我>,卷110,不。1,第180 - 173页,2009。
gydF4y2Ba视图:公元诺顿,g . s .年轻,k . Setayesh et al .,”贝伐单抗复发性恶性神经胶质瘤:有效性、毒性、复发和模式,“<我>神经学我>,卷70,不。10日,779 - 787年,2008页。
gydF4y2Ba视图:r·v·斯诺登,”阿瓦斯丁批准胶质母细胞瘤。”<一个t一个rget="_blank" href="http://www.cancer.org/cancer/news/news/avastin-approved-for-glioblastoma">http://www.cancer.org/cancer/news/news/avastin-approved-for-glioblastoma一个>。
gydF4y2Ba视图:j·l·Gevertz和美国,作为一种新型三相模型脑组织的微观结构,”<我>PLoS计算生物学我>,4卷,不。8篇文章ID e1000152 2008。
gydF4y2Ba视图:r .粗汞华p . y .迪特里希s . o . Kraljevic et al .,“有前途的新诊断患者的生存多形性成胶质细胞瘤治疗伴随辐射+ temozolomide辅助temozolomide紧随其后,“<我>临床肿瘤学杂志我>,20卷,不。5,1375 - 1382年,2002页。
gydF4y2Ba视图:p . McConville d . Hambardzumyan j·b·穆迪et al .,“磁共振成像测定肿瘤的年级和早期应对temozolomide转基因小鼠模型的神经胶质瘤,”<我>临床癌症研究我>,13卷,不。10日,2897 - 2904年,2007页。
gydF4y2Ba视图:m·c·鲍姆”体内测定部分杀死人类肿瘤细胞的化疗药物,”<我>癌症化疗的报告我>卷,56号5,563 - 571年,1972页。
gydF4y2Ba视图:g . g .黑暗,s . a .希尔v . e .撬g·m·泽·g·r·佩蒂特和d·j·卓别林”Combretastatin 4,代理人对肿瘤血管显示的和选择性毒性,”<我>癌症研究我>卷,57号10日,1829 - 1834年,1997页。
gydF4y2Ba视图:m . s .戈登,Margolin k、m . Talpaz et al .,”第一阶段的安全性和药代动力学研究重组人类anti-vascular内皮生长因子在晚期癌症患者,”<我>临床肿瘤学杂志我>,19卷,不。3、843 - 850年,2001页。
gydF4y2Ba视图:p·d·内森贾德森,A Padhani et al .,”第一阶段研究磷酸combretastatin A4 (CA4P)和bevacizumabin学科先进的固体肿瘤,”<我>临床肿瘤学杂志我>补充卷。26日,p。3550年,2008年。
gydF4y2Ba视图: