《Next Nanotechnology》:Mathematical modeling of tumor nanomechanical fingerprints: A weighted skew-normal distribution approach for cancer diagnosis and treatment monitoring
编辑推荐:
原子力显微镜(AFM)是细胞和组织纳米力学表征的关键方法,源自AFM的指纹特征被提出作为癌症诊断和治疗监测的生物标志物。这些特征通常包括一个较高弹性峰(HEP),反映胶原蛋白过度产生导致的细胞外基质硬化,以及一个较低弹性峰(LEP),指示癌细胞软化。尽管具有潜
原子力显微镜(AFM)是细胞和组织纳米力学表征的关键方法,源自AFM的指纹特征被提出作为癌症诊断和治疗监测的生物标志物。这些特征通常包括一个较高弹性峰(HEP),反映胶原蛋白过度产生导致的细胞外基质硬化,以及一个较低弹性峰(LEP),指示癌细胞软化。尽管具有潜力,AFM弹性谱通常仅进行定性评估,缺乏标准化的定量分析数学框架。在此,研究人员提供了正常和癌组织中杨氏模量分布的严格数学表征,旨在改进癌症诊断和治疗监测。研究人员采用了先前发表的小鼠肿瘤AFM弹性谱数据,并进行分析以评估肿瘤在不同时间点(细胞植入后14、21和28天)的纳米力学变化,包括未处理的对照组和曲尼司特(tranilast)治疗组,曲尼司特是一种已知能降低胶原蛋白水平的药物。研究人员采用加权偏态正态分布对AFM数据进行建模,因其能够捕捉癌组织的双峰结构,反映软癌细胞和较硬成分的混合。研究人员假设曲尼司特治疗会逐步将HEP移至较低值。模型准确性通过高R2值和低Cramér–von Mises(CvM)准则得到确认。结果显示,从对照组的双峰分布(HEP和LEP)转变为曲尼司特治疗组在28天时的峰收敛。研究人员得出结论,加权偏态正态分布为定量肿瘤纳米力学提供了一种稳健方法,这与治疗结果相关。
**论文解读:加权偏态正态分布建模肿瘤纳米力学指纹用于癌症诊断与治疗监测**
**研究背景与问题**
癌症进展与肿瘤微环境(TME)的结构和力学改变密切相关,导致肿瘤组织硬化,这主要源于细胞外基质(ECM)中胶原等结构成分的积累以及基质细胞增多,形成癌症特异性纤维化——促纤维组织增生(desmoplasia)。肿瘤硬化会压迫瘤内血管,影响其功能,造成药物递送障碍,降低治疗效果。与此同时,恢复肿瘤力学特性(如通过靶向ECM成分或重编程癌症相关成纤维细胞(CAFs))可改善血管功能,提升抗癌药物递送和治疗效果。因此,亟需开发能够评估肿瘤力学状态的生物标志物,以促进个性化治疗策略制定并监测旨在改变肿瘤力学微环境的力学治疗(mechanotherapeutics)。原子力显微镜(AFM)已被用于表征肿瘤组织的力学特性,特别是杨氏模量分布,在多种癌症(如乳腺癌、肝癌、食管癌等)中观察到双峰分布:较低弹性峰(LEP)代表软化的癌细胞,较高弹性峰(HEP)代表硬化的ECM成分。然而,AFM弹性谱的分析目前多为定性,缺乏标准化的数学框架进行定量分析。本研究旨在提供一种严谨的数学描述,利用加权偏态正态分布(weighted skew-normal distribution)对正常和癌组织的杨氏模量分布进行建模,以改进癌症诊断和治疗监测。论文发表在《Next Nanotechnology》。
**关键技术方法**
研究人员采用先前发表的数据集(来源:小鼠乳腺肿瘤活检AFM弹性谱,包含对照组和曲尼司特治疗组,样本来自C57BL/6小鼠E0771细胞原位移植瘤模型,分别在细胞植入后14、21、28天收集活检组织),应用加权偏态正态分布对AFM弹性谱进行建模,利用其捕捉双峰分布的能力。模型准确性通过R
2系数和Cramér–von Mises(CvM)准则评估,后者测量经验累积分布函数(CDF)与拟合CDF之间的平方差积分。
**研究结果**
**1. Introduction(引言)**
研究人员通过文献回顾指出,癌症进展伴随力学改变,AFM弹性谱的双峰分布(LEP和HEP)可作为诊断和治疗监测的生物标志物,但缺乏定量分析框架,因此引入加权偏态正态分布。
**2. Data set and mathematical model(数据集与数学模型)**
研究人员详细定义了概率密度函数(p.d.f.)和累积分布函数(c.d.f.),并介绍了正态分布、标准正态分布、偏态正态分布以及加权偏态正态分布的数学形式。加权偏态正态分布通过权重系数w混合两个偏态正态分布,能够表示单峰或双峰分布。模型拟合度采用R
2和CvM准则进行量化评估。
**3. Results(结果)**
- **14天时间点**:在Dataset 1中,对照组呈现双峰(ξ
1=0.9393 kPa, ξ
2=1.8491 kPa),曲尼司特治疗组呈现单峰(ξ
1=0.8250 kPa);在Dataset 2中,两组均未呈现明显双峰模式,但拟合精度高(R
2接近1,CvM接近0)。
- **21天时间点**:对照组和治疗组均未观察到明确双峰模式,加权偏态正态分布仍提供高精度拟合。
- **28天时间点**:在对照组中清晰观察到双峰分布;在曲尼司特治疗组,Dataset 1显示单峰分布,Dataset 2显示两峰逐渐靠拢(右侧HEP向左LEP移动)。所有情况下R
2和CvM指标均证实拟合良好。累积概率图展示了拟合品质,并通过5%阈值归一化排除小概率区间影响。
**4. Discussion(讨论)**
研究人员讨论了双峰分布的形成机制:癌组织杨氏模量分布反映软癌细胞与硬ECM(如胶原)的混合。曲尼司特降低胶原水平,预期促使HEP向LEP移动并可能合并为单峰。模型成功捕捉了这一行为。在14天和21天时未观察到一致双峰,归因于肿瘤尚未充分发育。28天时对照组双峰清晰,治疗组峰收敛,定量评估了药物效果。研究人员还强调了选择加权偏态正态分布的优势:相比对数正态、Weibull等分布,该分布定义于整个实数轴,能更灵活地拟合左端陡升和右尾延伸的数据,避免模型强制陡升导致信息丢失。需注意到14天时Dataset 1和Dataset 2出现相反模式,这归因于肿瘤早期发育不均及药物作用延迟,但模型仍准确描述了所有数据。此外,10个直方图区间的选择平衡了分辨率与统计稳健性,并通过15和20个区间敏感性分析确认结果不受影响。该建模方法可推广至其他癌症、纤维化组织以及多种治疗干预,并可扩展至多峰分布(n>2)通过增加加权项。未来方向包括与机器学习方法比较、空间刚度映射、动态监测以及与成像或分子标志物的相关性分析。
**5. Conclusions(结论)**
本研究引入了一个定量框架,利用加权偏态正态分布对癌组织的杨氏模量分布进行建模。该模型有效捕捉了单峰和双峰行为,反映了组织异质性和治疗反应。应用于AFM弹性谱显示,曲尼司特治疗导致峰收敛,准确性由R
2和Cramér–von Mises准则确认。使用先前发表的数据集实现了无需额外实验的稳健验证。该方法可广泛适用于其他癌症、纤维化组织和治疗干预,并可通过增加模型项扩展至多峰分布。