[论文解读] Cancer Networks: A general theoretical and computational framework for understanding cancer

Eric Werner|arXiv (Cornell University)|Oct 26, 2011

Gene Regulatory Network Analysis参考文献 31被引用 12

一句话总结

本文提出了一种通用计算框架，用于将癌症理解为正常发育调控网络的转化，将肿瘤建模为动态的、拓扑特定的网络。该框架根据网络结构对癌症进行分类——线性、指数、几何型——并证明了计算机模拟能够再现真实癌症的关键表型特征，从而开启一种新的诊断与治疗范式。

ABSTRACT

We present a general computational theory of cancer and its developmental dynamics. The theory is based on a theory of the architecture and function of developmental control networks which guide the formation of multicellular organisms. Cancer networks are special cases of developmental control networks. Cancer results from transformations of normal developmental networks. Our theory generates a natural classification of all possible cancers based on their network architecture. Each cancer network has a unique topology and semantics and developmental dynamics that result in distinct clinical tumor phenotypes. We apply this new theory with a series of proof of concept cases for all the basic cancer types. These cases have been computationally modeled, their behavior simulated and mathematically described using a multicellular systems biology approach. There are fascinating correspondences between the dynamic developmental phenotype of computationally modeled {\em in silico} cancers and natural {\em in vivo} cancers. The theory lays the foundation for a new research paradigm for understanding and investigating cancer. The theory of cancer networks implies that new diagnostic methods and new treatments to cure cancer will become possible.

研究动机与目标

• 开发一种超越基因中心范式的通用理论与计算框架，以理解癌症。
• 基于其底层调控网络的结构拓扑与动力学特性，建立癌症的正式分类体系。
• 利用多细胞系统生物学方法，在计算机中模拟肿瘤，使其再现真实癌症的关键临床表型。
• 通过将癌症重新解释为一种可计算操控的网络疾病，实现新的诊断与治疗策略。
• 通过识别安全的网络转化方式，为组织再生提供基础，避免致癌风险。

提出的方法

• 将癌症建模为正常发育调控网络（Cenes）的转化，其具有明确的网络拓扑结构。
• 使用Cellnomica软件套件构建并模拟具有连续时空动态与细胞间相互作用的多细胞系统。
• 根据反馈回路与生长动力学，将癌症分类为结构类型：线性、指数、几何型及混合网络。
• 应用随机与确定性规则，模拟网络驱动的肿瘤发生过程中细胞命运决定、增殖与分化。
• 通过引入改变网络拓扑与信号动力学的突变，模拟从正常到癌变状态的网络转化。
• 通过将计算机模拟的肿瘤表型（如生长模式、转移层级）与已知的体内癌症行为进行比较，验证模型输出。

实验结果

研究问题

• RQ1 癌症能否基于其底层调控网络的拓扑与动态结构特征进行系统性分类？
• RQ2 由转化后的发育网络生成的计算机模拟肿瘤，能否再现真实体内癌症的形态与生长动力学？
• RQ3 能否通过网络层面的转化，将癌变网络恢复至正常发育调控状态，从而提示治愈可能？
• RQ4 网络结构如环路、反馈与层级组织，如何影响肿瘤生长、转移与治疗抗性？
• RQ5 癌症网络理论能否扩展至预测并预防干细胞系统中致癌性网络转变？

主要发现

• 所有模拟的计算机内癌症均表现出动态表型——如生长模式、分支结构与转移层级——与自然体内癌症高度相似。
• 线性癌症网络（NL, NIL, NLM）产生生长缓慢、结构有序的肿瘤，具有明确的细胞类型组织，模拟良性或低级别癌症。
• 指数型癌症网络（NX, NXH, NiXn）生成快速增殖、结构紊乱的肿瘤，具有高生长速率，表型复制侵袭性癌。
• 几何型癌症网络（G1, G2）产生复杂、自相似的肿瘤形态，具有分支与放射状生长，类似于某些肉瘤或神经外胚层源性肿瘤。
• 该理论识别出不变的转化方式（如NLJ, NXo），其在突变下仍能保持网络动力学，提示潜在的治疗稳定靶点。
• 模拟网络中的转移层级与临床观察一致，特定网络类型（如双胚瘤）可产生二次肿瘤播种模式。