Paper List

期刊: ArXiv Preprint
发布日期: 2026-03-18
BioinformaticsComputational Biology

癌症-细菌疗法的数学建模：基于物理信息神经网络的数值模拟与分析

International University of Rabat | Université de Lorraine, CNRS, CRAN | Université de Lorraine, CNRS, IECL | Univ Rennes, INSA, CNRS, IRMAR-UMR 6625

Ayoub Farkane, David Lassounon
Figure
Figure
Figure
Figure
Figure

30秒速读

IN SHORT: 提供了一个严格的、无网格的PINN框架，用于模拟和分析细菌癌症疗法中复杂的、空间异质的相互作用。

核心创新

  • Methodology First coupled PDE model integrating tumor, bacteria, oxygen, immunosuppressive cytokines, and quorum-sensing signals for bacterial cancer therapy.
  • Theory Proved global well-posedness and stability of the five-species reaction-diffusion system, establishing a rigorous mathematical foundation.
  • Methodology Established convergence guarantees for PINNs on this nonlinear system, with an overall error bound of 𝒪(n^{-2}ln^{4}(n)+N^{-1/2}).

主要结论

  • PINN框架实现了𝒪(n^{-2}ln^{4}(n)+N^{-1/2})的可量化误差率，能够对耦合系统进行准确的无网格模拟。
  • 敏感性分析表明，治疗效果高度依赖于缺氧维持（通过KH/(KH+O)建模）和细菌的氧耐受性。
  • 该模型识别了三个生物学相关的稳态，并确认扩散不会引发图灵不稳定性，表明时空动力学的稳定性。
研究空白： 现有的细菌癌症治疗模型常常忽略空间异质性、免疫反应或群体感应，并且PINN应用缺乏对此类复杂的非线性多物种系统的严格收敛性分析。

摘要: 细菌癌症疗法利用厌氧细菌靶向缺氧肿瘤区域的能力，然而肿瘤生长、细菌定植、氧气水平、免疫抑制细胞因子和细菌通讯之间的相互作用仍然缺乏量化。我们提出了一个二维组织域中五个耦合非线性反应-扩散方程的数学模型。我们证明了模型的全局适定性，并确定了其稳态以分析稳定性。此外，物理信息神经网络（PINN）无需网格和大量数据即可求解该系统。它通过结合残差稳定性和Sobolev近似误差界提供了收敛保证。这导致整体误差率为𝒪(n^{-2}ln^{4}(n)+N^{-1/2})，该误差率取决于网络宽度n和配置点数量N。我们进行了多项数值实验，包括预测肿瘤对治疗的反应。我们还对某些参数进行了敏感性分析。结果表明，长期治疗效果可能需要维持肿瘤中的缺氧区域，或者使用更能耐受氧气的细菌，这对于持久的肿瘤控制可能是必要的。