血管网络新生时间与空间模式数学模型研究

Mathematical model of angiogenesis is one of the research focuses currently. It is able to reflect the developmental process of vascular networks quantitatively and thus can serve as an important reference for the research of biological development and tumor growth. Angiogenesis is mainly regulated by a series of biomechanical and biochemical factors, such as blood flow and metabolic demands. It is a multiple temporal scale process and exhibits complex spatial developmental pattern, which cannot be thoroughly represented by traditional models of angiogenesis. The present study aims to investigate the mathematical modeling of spatial-temporal pattern of angiogenesis, and use the model to analyze the angiogenic mode in temporal and spatial scales. The study focuses on the problems of integral representation of multiple temporal scales and the characterization of diverse spatial properties of angiogenesis, aiming to build a mathematical model which integrates multiple temporal scales and characterizes the spatial heterogeneity based on chicken embryonic vascular networks. The present application will create a spatial-temporal modeling architecture for simulating the pattern of angiogenesis, provide a strong support for the physiological and clinical studies, such as angiogenesis, embryonic development, and tumor growth, and improve the research ability of our country in this field.

血管网络新生数学模型是当前生理系统模型研究的热点之一。它能定量反映血管网络的生长过程，为研究生命体发育和肿瘤生长机理提供重要的参考。血管新生过程主要受到血流和新陈代谢需求等一系列生物力学和生物化学作用的调控，具有多时间尺度和空间模式变化复杂等特点，传统的血管新生数学模型难以全面反映上述特性。本申请拟开展血管网络新生时间及空间模式数学模型研究，分析血管网络在时空尺度上的新生模式，重点解决多时间尺度血管新生机制的融合表达和血管新生空间差异性模式表征等问题，最终建立基于鸡胚胎血管网络的血管新生时空数学模型。本申请将构建从时间和空间角度模拟血管网络新生模式的模型架构，探索全面反映血管网络新生过程特点的关键模型技术方法，为血管新生、胚胎发育、肿瘤生长等生理和临床研究提供有力的支持，切实提升我国在此细分领域的研究能力。

血管网络新生的时间与空间模式是生命体发育和肿瘤生长机制研究中的热点问题之一。本课题开展血管网络新生时间与空间模式数学模型研究，主要研究了血管新生的时空模式分析方法，以及血管新生的时空数学模型。首先，建立了基于机器视觉的时空模式分析方法，发现在时间模式上，血管新生在不同发育阶段呈现不同的强度，在空间模式上，不同空间区域的血管网络新生的活跃程度不同，外围的血管新生最为活跃。进一步研究发现，血流的脉动特性与血管新生的时空强度呈现较高的相关性。其次，在分析了血管新生时空模式的基础上，建立了基于条件对抗生成网络和血管密度导向算法的生长模型。通过构建条件对抗生成网络，实现了从真实的血管网络结构中学习异质性的血管形态特征，克服了现有血管新生模型异质性不足的局限性。通过建立血管密度导向算法，实现血管新生过程中对血管网络灌注功能的考虑。所建立的血管新生数学模型能够较好地反映真实血管网络生长中的时空特性。该模型所生成的血管网络与真实血管网络在形态结构异质性方面具有很好的一致性。综上所述，本研究所建立的血管新生模式分析方法和数学模型可为血管新生的时间与空间特性及其调控因素研究提供新的手段，也可为人工生成符合生理结构与功能特性的血管网络提供新的技术方法。