在现代肿瘤免疫治疗领域，过继性细胞疗法（Adoptive Cell Therapy, ACT）已展现出显著的临床潜力。然而，如何精准预测T细胞在复杂肿瘤微环境中的行为，并克服其浸润不足或功能耗竭等障碍，仍是当前研究的难点。近期发表于《Communications Biology》的一项研究，通过构建多智能体模型（Agent-based modeling, ABM），为解析ACT过程中的细胞动力学提供了全新的视角。

研究团队开发了一种高分辨率的计算模型，将每一个T细胞和肿瘤细胞视为独立的“智能体”。这些智能体遵循预设的生物学规则，包括趋化运动、抗原识别、细胞增殖、细胞因子分泌以及在持续抗原刺激下的功能耗竭（Exhaustion）过程。通过模拟肿瘤组织的三维空间结构，该模型能够实时追踪T细胞从血管外渗、穿透肿瘤基质到最终杀伤肿瘤细胞的全过程。

实验数据表明，T细胞的抗肿瘤效能不仅取决于其初始输注数量，更受到肿瘤微环境（TME）物理屏障和免疫抑制因子的显著影响。模型模拟显示，T细胞的运动轨迹呈现高度的异质性，而通过调整工程化T细胞的趋化因子受体表达水平，可以显著提高其在实体瘤内部的浸润深度。此外，该研究还量化了T细胞增殖速率与耗竭诱导阈值之间的动态平衡，揭示了在不同肿瘤负荷下，最优的细胞输注剂量与给药间隔。

该项研究的核心意义在于其预测性。通过整合临床患者的肿瘤活检数据，该模型能够模拟特定患者的免疫应答特征，从而为个性化的ACT治疗方案提供决策支持。这一计算框架不仅有助于理解T细胞在体内的动态演化规律，也为开发下一代更具持久抗肿瘤活性的工程化T细胞疗法提供了理论指导。

Journal Reference: Agent-based modeling of cellular dynamics in adoptive cell therapy, Communications Biology.