[论文解读] Modeling tumor progression in heterogeneous microenvironments: A cellular automata approach

Yue Deng, Mingjing Li+1 more|arXiv (Cornell University)|Jan 23, 2026

Mathematical Biology Tumor Growth被引用 0

一句话总结

论文构建了一个随机的二维六边形细胞自动机，用于在异质微环境中模拟肿瘤进展，展示微环境状态与突变率如何共同塑造肿瘤动力学与侵袭。

ABSTRACT

Understanding how microenvironmental heterogeneity influences tumor progression is essential for advancing both cancer biology and therapeutic strategies. In this study, we develop a cellular automata (CA) model to simulate tumor growth under varying microenvironmental conditions and genetic mutation rates, addressing a gap in existing studies that rarely integrate these two factors to explain tumor dynamics. The model explicitly incorporates the cellular heterogeneity of stem and non-stem cells, dynamic cell-cell interactions, and tumor-microenvironment crosstalk. Using computational simulations, we examine the synergistic effects of gene mutation rate, initial tumor burden, and microenvironmental state on tumor progression. Our results demonstrate that lowering the mutation rate significantly mitigates tumor expansion and preserves microenvironmental integrity. Interestingly, the initial tumor burden has a limited impact, whereas the initial condition of the microenvironment critically shapes tumor dynamics. A supportive microenvironment promotes proliferation and spatial invasion, while inhibitory conditions suppress tumor growth. These findings highlight the key role of microenvironmental modulation in tumor evolution and provide computational insights that may inform more effective cancer therapies.

研究动机与目标

• 开发一个离散的、基于代理的模型，整合癌细胞异质性（干细胞与非干细胞）与动态微环境反馈。
• 研究突变率与初始环境条件如何共同决定肿瘤命运与进展。
• 证明微环境恶化动力学是一个关键检查点，可能抑制或促进致癌。

提出的方法

• 使用二维六边形CA，其中每个位点包含一个处于四种状态之一的细胞：正常干细胞（N1）、正常细胞（N2）、肿瘤干细胞（T1）、肿瘤细胞（T2）。
• 引入随机转变（分裂、分化、死亡、突变），由局部微环境指标m（0-1）调控。
• 使用基于局部密度和环境依赖饱和度theta(m)的Hill函数下降来模型化增殖。
• 对正常与肿瘤细胞分别定义theta(m)，以反映环境对增殖的影响。
• 实现基于适应度的死亡率mu，随着细胞适应度提高而降低；mu = mu0 / (1 + c e^{g})。
• 通过 dm/dt = k1(1−m) − k2 m 来演化微环境m，k1、k2取决于局部细胞密度。
• 将参数标定于文献（肺癌生长数据）并在100x100网格、dt = 1 h的情景下进行随机模拟。

实验结果

研究问题

• RQ1 在异质微环境下，正常干细胞与非干细胞的突变率如何影响肿瘤的起始与进展？
• RQ2 初始微环境条件在形塑肿瘤动力学与侵袭模式中的作用是什么？
• RQ3 在不同初始条件下，肿瘤微环境是否可充当一个检查点，以调节或延缓恶性扩张？
• RQ4 初始细胞组成与环境如何决定各情景中肿瘤主导的时间？

主要发现

Initial conditions	Normal stem cells (%)	Normal cells (%)	Tumor stem cells (%)	Tumor cells (%)	Time (months)
Case 1	2.35	11	2.62	81.77	1
Case 2	5.2	4.7	6.4	81.87	14
Case 3	0.46	0.15	13.19	84.51	26
Case 4	3.95	5.04	3.65	85.36	63

• 当突变率较高且微环境恶化（m较高）时，肿瘤负担增加。
• 在没有突变的情况下，当有促肿瘤的微环境出现时，肿瘤种子仍可能占优，但正常组织在m与空间条件下也能在很大程度上抵御侵袭。
• 初始微环境对动态有强控制作用：高m加速肿瘤生长，低m延缓或抑制进展。
• 不同初始条件收敛到相似的最终状态（大面积肿瘤占据），但所需时间尺度差异显著，成熟的健康组织显著延迟肿瘤统治。
• 健全的健康微环境在种子存在时也能显著延长潜伏期，直至形成明显肿瘤。