Modelling phenotypic heterogeneity in the tumour microenvironment: a computational approach

The study introduces an advanced computational model that explores phenotypic heterogeneity within the tumour microenvironment, providing significant information on the dynamics of tumour growth and resistance to radiotherapy. Using mathematical modelling to simulate microcirculation and oxygen transfer, this research provides a nuanced understanding of the role of hypoxia in tumour aggressiveness and resistance to treatment. Recognizing the complexity of solid tumours as ecosystems where various cell populations co-exist and interact, we emphasise the importance of phenotypic diversity driven by genetic and non-genetic factors. Specifically, we highlight how environmental conditions, particularly oxygen availability, influence the phenotypic state of cancer cells, including their stemness level, proliferative capacity, and resistance to treatment. Building on previous work, we validated and extended a stemness-structured model not only to investigate the impact of cellular heterogeneity on tumour growth, but also to consider the spatial distribution and dynamics of oxygen as a critical factor. Expanding the model from one-dimensional to two- and three-dimensional geometries, we introduce a more realistic simulation of oxygen sources and their influence on cellular behaviour. The model describes the transition between different phenotypic states of cancer cells, governed by epigenetic changes and microenvironmental conditions, and incorporates varying radiosensitivity based on the stemness level of the cells. Numerical simulations elucidate the relationship between oxygen levels, phenotypic composition, and tumour growth, underscoring the potential of targeted therapies that consider the phenotypic heterogeneity of tumours. The transition to a 2D and 3D model allows for a more comprehensive analysis of tumour dynamics, offering promising avenues for developing more effective treatment strategies.

Lo studio introduce un modello computazionale avanzato che esplora l'eterogeneità fenotipica all'interno del microambiente tumorale, fornendo informazioni significative sulla dinamica della crescita tumorale e sulla resistenza alla radioterapia. Utilizzando la modellazione matematica per simulare la microcircolazione e il trasferimento di ossigeno, questa ricerca fornisce una comprensione dettagliata del ruolo dell'ipossia nell'aggressività del tumore e nella resistenza al trattamento. Riconoscendo la complessità dei tumori solidi come ecosistemi in cui coesistono e interagiscono varie popolazioni di cellule, lo studio sottolinea l'importanza della diversità fenotipica determinata da fattori genetici e non genetici. In particolare, sottolineiamo come le condizioni ambientali, in particolare la disponibilità di ossigeno, influenzano lo stato fenotipico delle cellule tumorali, tra cui il loro livello di staminalità, la capacità proliferativa e la resistenza ai trattamenti. Sulla base di precedenti lavori, l'obiettivo è quello di convalidare ed estendere un modello strutturato di staminalità per indagare non solo l'impatto dell'eterogeneità cellulare sulla crescita tumorale, ma anche per considerare la distribuzione spaziale e la dinamica dell'ossigeno come fattore critico. Espandendo il modello dalle geometrie monodimensionali a quelle bidimensionali e tridimensionali, viene introdotta una simulazione più realistica dell'ossigeno delle fonti di ossigeno e della loro influenza sul comportamento cellulare. Il modello descrive la transizione tra diversi stati fenotipici delle cellule tumorali, regolata da cambiamenti epigenetici e condizioni microambientali, e incorpora una diversa radiosensibilità basata sul livello di staminalità delle cellule. Le simulazioni numeriche chiariscono la relazione tra i livelli di ossigeno, la composizione fenotipica e la crescita del tumore, sottolineando il potenziale di terapie mirate che tengano conto dell'eterogeneità fenotipica dei tumori. Il passaggio a un modello 2D e 3D permette un'analisi più completa delle dinamiche tumorali, aprendo così promettenti strade per lo sviluppo di strategie terapeutiche più efficaci.