Mathematical modelling could play in blood-based liquid biopsy development

图像:数学模型如何用于脑肿瘤血液生物标志物的开发和部署的概念。这张图总结了数学建模在基于血液的液体活检的发展和实施中的作用。

布里斯托大学的一项研究可以更好地检测出最常见的恶性脑癌。

胶质母细胞瘤(GBMs)的一种简单血液测试的发展可能意味着更早的诊断和更有效和个性化的治疗选择。

布里斯托尔领导的研究涉及数学模型的开发,以评估生物标志物在GBMs检测中的当前使用,以及如何改进这种基于生物标志物的策略。

这项研究是布里斯托尔大学领导的一个更广泛的CRUK项目的一部分,该项目旨在开发一种负担得起的、可用于诊断脑肿瘤的点护理血液测试。这个跨学科的项目结合了生物标志物的发现、荧光纳米粒子的开发和新的测试技术与计算模型。

在最近的研究中,建立了数学模型并与实验数据配对。研究人员发现,对于潜在的GBM生物标志物胶质纤维酸性蛋白(GFAp),降低当前的生物标志物阈值可以导致更早地发现GBM。该团队还使用计算模型来探索肿瘤特征和患者差异对检测和改进策略的影响。

布里斯托大学工程数学系的首席作者兼助理研究员Johanna Blee博士说:

“我们的研究结果为进一步的临床数据提供了基础,以了解降低已知生物标志物GFAp的当前检测阈值的影响,从而允许使用血液检测更早地检测GBMs。有了进一步的实验数据,也有可能量化肿瘤和患者的异质性,并将误差纳入我们的模型和预测不同肿瘤的血液水平。我们还演示了如何将我们的模型与扫描等其他诊断方法相结合,以增强临床洞察力,从而开发出更个性化和有效的治疗方法。

“这些数学模型可以用于检查和比较脑肿瘤的新生物标志物和检测方法。我们希望这项研究最终将有助于开发一种简单的脑肿瘤血液测试,从而实现更早、更详细的诊断。”

文章标题Liquid biopsies for early diagnosis of brain tumours: in-silico mathematical biomarker modelling