跳转至

第 1 章 肿瘤侵袭与微环境演化的混合多尺度模型（A Hybrid Multiscale Model of Solid Tumour Growth and Invasion: Evolution and the Microenvironment）

作者

Alexander R. A. Anderson，本章独立作者。时任英国 University of Dundee, Division of Mathematics 讲师/高级讲师，后任 Moffitt Cancer Center Integrated Mathematical Oncology 系主任。本章是编者本人对自己 1997–2006 年 HDC（Hybrid Discrete-Continuum）技术系列工作的系统总结，属于"方法学 + 应用"双轨章节。

内容概述

本章的核心问题是：肿瘤的形态（光滑 vs 指状侵袭）和基因型组成（哪些表型存活）是否由微环境决定？ 作者提出一个混合离散-连续（HDC）模型，把肿瘤细胞处理为离散的个体，把细胞外基质（MM/MDE）、基质金属蛋白酶、氧气处理为连续场；通过有限差分法的系数直接导出每个细胞在 4 邻居（2D）或 6 邻居（3D）上的移动概率，从而把"由 PDE 反推个体行为"这一思想落实到算法层面。

章节结构（与页码对应）：

  1. Tumour Invasion（pp. 3–6）：生物学动机——血管前期肿瘤（约 \(10^6\) 个细胞）依赖扩散生长受限；进入血管期后通过血液转移；细胞粘附分子（cadherins、integrins、CD-44）和基质降解酶（MMPs/PA 系统）在侵袭中起核心作用；引入 p53 突变与表型异质性。
  2. Hybrid Discrete-Continuum Technique（pp. 7–8）：HDC 的方法论——先用连续反应-扩散-趋化方程组描述全场，再用其离散形式（有限差分）的系数作为个体移动概率。
  3. Continuum Model（pp. 8–9）：写出四变量 PDE 系统（细胞密度 \(n\)、MDE 浓度 \(m\)、MM 浓度 \(f\)、氧浓度 \(c\)），无因次化后给出无因次参数。
  4. Discrete Model（pp. 10–15）：从 2D 到 3D 的有限差分系数，导出 5 个（2D）或 7 个（3D）移动概率 \(P_0\)–\(P_6\)；介绍细胞生命循环（移动→检查氧→增殖/静止/死亡/突变）。
  5. Simulation Results（pp. 16–22）：2D 中测试三种 MM 分布（均匀/异质/随机）× 两种突变算法（线性/随机），共 6 组；3D 在 \(160^3\) 网格上展示指状形态。
  6. Conclusions & Discussion（pp. 23–26）：HDC 的优势（计算可扩展到 \(10^6\)–\(10^7\) 细胞）、稳定性条件（\(\alpha = Dk/h^2 < 1\)）、与 Othmer-Stevens（1997）梯度模型的关系。

读者前置知识：本科 PDE（扩散方程、趋化方程）、有限差分基础、肿瘤生物学基本术语（MMP、ECM、p53、angiogenesis）。

核心方程与概念

1. 连续基础方程组（无因次化后）

细胞密度 \(n\)、基质金属蛋白酶 \(m\)、基质大分子 \(f\)、氧浓度 \(c\) 满足

\[ \frac{\partial n}{\partial t} = d_n \nabla^2 n - \rho \nabla \cdot (n \nabla f) \]
\[ \frac{\partial f}{\partial t} = -\delta m f \]
\[ \frac{\partial m}{\partial t} = d_m \nabla^2 m + \kappa n - \eta m \]
\[ \frac{\partial c}{\partial t} = d_c \nabla^2 c + \nu f - \omega n - \phi c \]

其中 \(d_n, d_m, d_c\) 是扩散系数，\(\rho\) 是趋触性（haptotaxis）系数，\(\delta\) 是 MDE 对 MM 的降解率，\(\kappa\) 是细胞产生 MDE 的速率，\(\eta\) 是 MDE 自身衰变率，\(\nu\) 是 MM-相关的氧源项，\(\omega\) 是细胞摄氧率，\(\phi\) 是氧衰变率。无因次参数取：\(d_n = 0.0005,\ d_m = 0.0005,\ d_c = 0.5,\ d_{c,\text{cell}} = 0.25,\ \rho = 0.01,\ \eta = 50,\ \kappa = 1,\ \phi = 0,\ \nu = 0.5,\ \omega = 0.57,\ \delta = 0.025\)（全部基于 \(T = 16\) hr、\(L = 1\) cm 标度化）。这是理论方程 (T)，参数取自 Bray (1992)、Casciari et al. (1992)、Terranova et al. (1985) 等实验数据。

2. 离散化与移动概率（2D）

将细胞方程在 5 点模板上做中心差分得到

\[ n_{i,j}^{q+1} = P_0 n_{i,j}^q + P_1 n_{i-1,j}^q + P_2 n_{i+1,j}^q + P_3 n_{i,j-1}^q + P_4 n_{i,j+1}^q \]

HDC 的关键假设是：\(P_0, P_1, P_2, P_3, P_4\) 这 5 个有限差分系数可解释为细胞"不动 / 移西 / 移东 / 移南 / 移北"的概率权重。具体形式（来自差分稳定性约束）

\[ P_0 = 1 - \frac{4k d_n}{h^2} - \frac{k\rho}{h^2}\left[(f_{i+1,j} + f_{i-1,j} + f_{i,j+1} + f_{i,j-1}) - 4f_{i,j}\right] \]
\[ P_1 = \frac{k d_n}{h^2} + \frac{k\rho}{h^2}(f_{i,j} - f_{i-1,j}),\quad \text{其他类推} \]

若 MM 均匀分布（\(f_{i,j} \equiv \text{const}\)），则 \(P_1 = P_2 = P_3 = P_4\)，即无偏随机游走；若存在 MM 梯度，则概率向 MM 浓度高的方向偏移——这正是 haptotaxis 的离散对应。这是理论方程 (T)。

3. 3D 推广

3D 用 7 点模板得到 7 个概率 \(P_0\)–\(P_6\)（不动 + 6 个邻居方向），形式与 2D 类似但每个概率都多出 2 个邻居的贡献。

4. 细胞生命循环与表型

每个细胞 \(i\) 携带 5 个表型参数：增殖年龄 \(M_i\)、粘附阈值 \(A_i\)、摄氧率 \(\gamma_i\)、MDE 产率 \(\mu_i\)、haptotaxis 强度 \(\chi_i\)。时间步内的循环：

  1. 移动性检查：若邻居数 \(A_e > A_i\) 则允许移动（用 \(P\) 权重）；否则静止。
  2. 存活检查：若局部氧 \(c < 0.05\)（无因次），细胞死亡。
  3. 老化：年龄 \(+1\)，若达到 \(M_i\) 且有空间则进入有丝分裂。
  4. 突变检查：以概率 \(P_\text{mutat} = 0.1\) 触发突变（线性或随机算法）。

5. 两种突变算法

  • Linear：定义 4 种表型（I 弱 → II → III → IV 强），每次有丝分裂以小概率向前进一格，不可逆。
  • Random：预定义 100 种随机表型，每次分裂后等概率切换，可逆。

线性算法总是进化到 type IV（最短增殖龄、最高 haptotaxis、无粘附需求），因此只有随机算法能展示"选择压力"——这是该章的一个关键洞察。

6. 关键概念：微环境作为选择压力

"the harsher the MM microenvironment the stronger the evolutionary pressure to select for the most aggressive clones i.e. MM heterogeneity enhances natural selection."（p. 19）——这一论断把肿瘤异质性从"基因决定"重新定位为"环境-基因协同决定"，是该章最具原创性的观点之一。

关键结论

  • 结论 1：2D 模拟中（\(400 \times 400\) 网格），均匀 MM 分布产生圆形对称肿瘤，异质/随机 MM 分布产生指状侵袭形态。这一形态差异完全由微环境异质性驱动，无需修改细胞参数。
  • 结论 2：随机突变算法下，均匀/异质/随机 MM 中分别有约 6/3/2 个表型最终主导——异质性越强，主导表型越少、越具攻击性（zero cell-cell adhesion、短增殖龄、高 haptotaxis）。
  • 结论 3：从富氧切换到低氧环境后（模拟 Pennacchietti et al. 2003 的实验），肿瘤形态从圆形迅速切换为指状；同时表型空间从 100 种塌缩到 3 种，模拟与实验定性吻合。
  • 结论 4：3D 模拟（\(160^3\) 网格，可容纳 \(>4 \times 10^6\) 细胞）证实 2D 的指状形态并非边界效应——指状结构在所有正交切片中都存在。
  • 结论 5：HDC 的稳定性条件 \(\alpha = D k / h^2 < 1\)（CFL 类）将时间步 \(k\) 与网格尺度 \(h\) 耦合；当 \(h\) 由细胞尺度固定时，\(k\) 须相应减小——这是 HDC 的可计算性瓶颈。
  • 结论 6：临床推论——目前的肿瘤治疗（放疗、化疗、抗血管生成）都在"让微环境更严酷"，这反而可能加速侵袭表型的选择；建议联合使用微环境调节 + 细胞杀伤。

挑战和开放性问题

  • 挑战 1：表型空间的真实性。模型只考虑了 5 个表型参数（增殖、粘附、摄氧、MDE、haptotaxis），但真实的肿瘤表型还应包括代谢偏好（糖酵解 vs 氧化磷酸化）、免疫逃逸、抗药性等。
  • 挑战 2：MM 降解的可逆性。当前模型中 \(\partial_t f = -\delta m f\) 假设降解是单向的，实际上部分 MM 片段（matrikines）有促生长作用——这会引入"环境反馈到细胞"的双向耦合。
  • 挑战 3：血管生成。本章把血管简化为"MM 密度代理氧源"，但真正的血管网络（angiogenesis）是动态的——作者建议参考 Anderson & Chaplain (1998)，但尚未整合到本章。
  • 挑战 4：3D 内的细胞间作用力。当前 HDC 不显式处理"细胞-细胞挤压"——只检查"是否有空格"。这在致密组织中会失真，因为细胞可以通过形变推开邻居。
  • 挑战 5：参数标定的可证伪性。线性算法的 4 种表型是手工选择的；随机算法的 100 种表型是预先生成的。这两种"先验"都会让模型对参数扰动不敏感——需要做敏感性分析。
  • 挑战 6：免疫系统。整个模型没有 T 细胞、NK 细胞、巨噬细胞——这是 HDC 在 2007 年时的一个明确空白（也是后续 Anderson 与免疫治疗建模结合的入口）。

个人反思与批判性分析

本章是 HDC 方法论的"旗舰展示"，但从今天（2026）的视角回看，有几点值得反思：

1. HDC 的"反向推导"既是优势也是脆弱性。 作者用 \(P_0\) 解释为"不动概率"是优雅的——它把 PDE 的稳定性与个体行为的合法性同时保证了。但这个解释隐含概率归一化要求 \(P_0 + P_1 + P_2 + P_3 + P_4 = 1\)，这在有限差分系数中并不自然成立。作者用"normalise by sum"的方式回避了这一点，但若某些 \(P_i\) 因离散不稳定而出现负值，归一化就会产生无意义的负概率。这值得用现代随机过程理论（保正差分格式）重新审视。

2. 突变算法的人为性。 Linear 算法的 4 种表型显然是为"演示选择压力"而精心设计的（type IV 必然胜出）；Random 算法的 100 种表型则是"中性的”——这形成了一对对照组。这种设计让结果（异质性增强选择压力）变得可演示，但也使模型对"什么算表型"高度依赖先验。更严格的演化建模应该让表型从底层参数（如突变-选择平衡）涌现，而不是预先定义。

3. 与 CPM 的方法论对照。 本书的 Part II 介绍 CPM（细胞 Potts 模型），其与 HDC 的根本区别是：CPM 用能量最小化（Hamiltonian），HDC 用随机游走概率。两种方法处理"细胞-细胞粘附"的方式截然不同——CPM 把粘附建模为界面能（连续、可微），HDC 把粘附建模为离散阈值（"邻居数 < A_i 则不能动"）。这两种建模哲学各有其适用范围：HDC 在稀疏细胞、梯度场明显时更快，CPM 在致密组织、形态发生时更自然。本章没有明确告诉读者何时用 HDC、何时用 CPM——这是一个方法论指南的空缺。

4. 临床相关性的双重性。 结论 6（"治疗让微环境更严酷可能加速侵袭"）是相当有远见的论断——15 年后免疫检查点抑制剂、抗血管生成+免疫联合的临床实践确实发现"先让肿瘤微环境'变冷'再攻击"的双相策略比"一上来就猛攻"更有效。但本章的 HDC 模型在 2007 年并没有被用来直接预测具体的治疗方案——这需要把药代动力学（PK）整合进 PDE 系统，是一个明确的工程扩展方向。

5. "HDC vs. 纯离散"的优劣。 作者在第 7 节给出了一个坦诚的回答：HDC 之所以先写 PDE 再离散化，是因为（i）当外部场（趋化因子、营养）跨尺度时，PDE 框架更易处理；（ii）PDE 的网格与个体网格天然对齐。这其实是 HDC 的关键卖点，也是它在 2007–2015 年间成为肿瘤侵袭建模主流方法的根本原因。 但今天，GPU 上的纯元胞自动机（agent-based）也可以做到类似规模，HDC 的优势正在被重新评估。

6. 与本章未提到的现代方法的对比。2020 年代的 tumor modeling 已经发展到：（a）单细胞 RNA-seq 数据驱动的 agent-based 模型（如 Anderson 团队后续的 GEM-CCL work），（b）物理-informed 神经网络（PINN）作为代理模型，（c）空间转录组学 + 物理模型联合反演。本章的 HDC 可以被看作"机制驱动建模"时代的代表，但今天它与"数据驱动建模"如何桥接，是一个开放的方法论问题。

重要参考文献

[X1] Anderson A.R.A., Chaplain M.A.J., Newman E.L., Steele R.J.C., Thompson A.M. Mathematical modelling of tumour invasion and metastasis. J. Theoret. Med. 2000;2(2):129-154. DOI: 10.1080/10273660008833042

[X2] Anderson A.R.A., Chaplain M.A.J. Continuous and discrete mathematical models of tumour-induced angiogenesis. Bull. Math. Biol. 1998;60(5):857-899. DOI: 10.1006/bulm.1998.0042

[X3] Othmer H.G., Stevens A. Aggregation, blowup and collapse: the ABCs of taxis and reinforced random walks. SIAM J. Appl. Math. 1997;57(4):1044-1081. DOI: 10.1137/S0036139995288976

[X4] Anderson A.R.A. A hybrid mathematical model of solid tumour invasion: the importance of cell adhesion. IMA J. Math. Med. Biol. 2005;22(2):163-186. DOI: 10.1093/imammb/dqi005

[X5] Anderson A.R.A., Weaver A.M., Cummings P.T., Quaranta V. Tumor morphology and phenotypic evolution driven by selective pressure from the microenvironment. Cell 2006;127(5):905-915. DOI: 10.1016/j.cell.2006.09.042

[X6] Pennacchietti S., Michieli P., Galluzzo M., Mazzone M., Giordano S., Comoglio P.M. Hypoxia promotes invasive growth by transcriptional activation of the met protooncogene. Cancer Cell 2003;3(4):347-361. DOI: 10.1016/S1535-6108(03)00085-0

[X7] Paszek M.J., Zahir N., Johnson K.R., Lakins J.N., Rozenberg G.I., Gefen A., Reinhart-King C.A., Margulies S.S., Dembo M., Boettiger D., Hammer D.A., Weaver V.M. Tensional homeostasis and the malignant phenotype. Cancer Cell 2005;8(3):241-254. DOI: 10.1016/j.ccr.2005.08.010

[X8] Hanahan D., Weinberg R.A. The hallmarks of cancer. Cell 2000;100(1):57-70. DOI: 10.1016/S0092-8674(00)81683-9

[X9] Enderling H., Anderson A.R.A., Chaplain M.A.J., Rowe G.W. Visualisation of the numerical solution of partial differential equation systems in three space dimensions and its importance for mathematical models in biology. Math. Biosci. Eng. 2006;3(4):571-582. DOI: 10.3934/mbe.2006.3.571