Chaste — Cancer, Heart And Soft Tissue Environment — is an open source C++ library for the computational simulation of mathematical models developed for physiology and biology. Code development has been driven by two initial applications: cardiac electrophysiology and cancer development. A large number of cardiac electrophysiology studies have been enabled and performed, including high-performance computational investigations of defibrillation on realistic human cardiac geometries. New models for the initiation and growth of tumours have been developed. In particular, cell-based simulations have provided novel insight into the role of stem cells in the colorectal crypt. Chaste is constantly evolving and is now being applied to a far wider range of problems. The code provides modules for handling common scientific computing components, such as meshes and solvers for ordinary and partial differential equations (ODEs/PDEs). Re-use of these components avoids the need for researchers to ‘re-invent the wheel’ with each new project, accelerating the rate of progress in new applications. Chaste is developed using industrially-derived techniques, in particular test-driven development, to ensure code quality, re-use and reliability. In this article we provide examples that illustrate the types of problems Chaste can be used to solve, which can be run on a desktop computer. We highlight some scientific studies that have used or are using Chaste, and the insights they have provided. The source code, both for specific releases and the development version, is available to download under an open source Berkeley Software Distribution (BSD) licence at http://www.cs.ox.ac.uk/chaste, together with details of a mailing list and links to documentation and tutorials.

The coordinated behaviour of populations of cells plays a central role in tissue growth and renewal. Cells react to their microenvironment by modulating processes such as movement, growth and proliferation, and signalling. Alongside experimental studies, computational models offer a useful means by which to investigate these processes. To this end a variety of cell-based modelling approaches have been developed, ranging from lattice-based cellular automata to lattice-free models that treat cells as point-like particles or extended shapes. However, it remains unclear how these approaches compare when applied to the same biological problem, and what differences in behaviour are due to different model assumptions and abstractions. Here, we exploit the availability of an implementation of five popular cell-based modelling approaches within a consistent computational framework, Chaste (http://www.cs.ox.ac.uk/chaste). This framework allows one to easily change constitutive assumptions within these models. In each case we provide full details of all technical aspects of our model implementations. We compare model implementations using four case studies, chosen to reflect the key cellular processes of proliferation, adhesion, and short- and long-range signalling. These case studies demonstrate the applicability of each model and provide a guide for model usage.

Oxygen heterogeneity in solid tumours is recognised as a limiting factor for therapeutic efficacy. This heterogeneity arises from the abnormal vascular structure of the tumour, but the precise mechanisms linking abnormal structure and compromised oxygen transport are only partially understood. In this paper, we investigate the role that RBC transport plays in establishing oxygen heterogeneity in tumour tissue. We focus on heterogeneity driven by network effects, which are challenging to observe experimentally due to the reduced fields of view typically considered. Motivated by our findings of abnormal vascular patterns linked to deviations from current RBC transport theory, we calculate average vessel lengths L̄ and diameters d̄ from tumour allografts of three cancer cell lines and observe a substantial reduction in the ratio λ = L̄/d̄ compared to physiological conditions. Mathematical modelling reveals that small values of the ratio λ (i.e. λ < 6) can bias haematocrit distribution in tumour vascular networks and drive heterogeneous oxygenation of tumour tissue. Finally, we show an increase in the value of λ in tumour vascular networks following treatment with the anti-angiogenic cancer agent DC101. Based on our findings, we propose a strategy for oxygen normalisation associated with an increase in λ following treatment with anti-angiogenic drugs.### Competing Interest StatementThe authors have declared no competing interest.

The corneal micropocket angiogenesis assay is an experimental protocol for studying vessel network formation, or neovascularization, in vivo. The assay is attractive due to the ease with which the developing vessel network can be observed in the same animal over time. Measurements from the assay have been used in combination with mathematical modeling to gain insights into the mechanisms of angiogenesis. While previous modeling studies have adopted planar domains to represent the assay, the hemispherical shape of the cornea and asymmetric positioning of the angiogenic source can be seen to affect vascular patterning in experimental images. As such, we aim to better understand: i) how the geometry of the assay influences vessel network formation and ii) how to relate observations from planar domains to those in the hemispherical cornea. To do so, we develop a three-dimensional, off-lattice mathematical model of neovascularization in the cornea, using a spatially resolved representation of the assay for the first time. Relative to the detailed model, we predict that the adoption of planar geometries has a noticeable impact on vascular patterning, leading to increased vessel ‘merging’, or anastomosis, in particular when circular geometries are adopted. Significant differences in the dynamics of diffusible aniogenesis simulators are also predicted between different domains. In terms of comparing predictions across domains, the ‘distance of the vascular front to the limbus’ metric is found to have low sensitivity to domain choice, while metrics such as densities of tip cells and vessels and ‘vascularized fraction’ are sensitive to domain choice. Given the widespread adoption and attractive simplicity of planar tissue domains, both in silico and in vitro, the differences identified in the present study should prove useful in relating the results of previous and future theoretical studies of neovascularization to in vivo observations in the cornea.

Spatial models of vascularized tissues are widely used in computational physiology, to study for example, tumour growth, angiogenesis, osteogenesis, coronary perfusion and oxygen delivery. Composition of such models is time-consuming, with many researchers writing custom software for this purpose. Recent advances in imaging have produced detailed three-dimensional (3D) datasets of vascularized tissues at the scale of individual cells. To fully exploit such data there is an increasing need for software that allows user-friendly composition of efficient, 3D models of vascularized tissue growth, and comparison of predictions with in vivo or in vitro experiments and other models. Microvessel Chaste is a new open-source library for building spatial models of vascularized tissue growth. It can be used to simulate vessel growth and adaptation in response to mechanical and chemical stimuli, intra- and extra-vascular transport of nutrient, growth factor and drugs, and cell proliferation in complex 3D geometries. The library provides a comprehensive Python interface to solvers implemented in C++, allowing user-friendly model composition, and integration with experimental data. Such integration is facilitated by interoperability with a growing collection of scientific Python software for image processing, statistical analysis, model annotation and visualization. The library is available under an open-source Berkeley Software Distribution (BSD) licence at https://jmsgrogan.github.io/MicrovesselChaste. This article links to two reproducible example problems, showing how the library can be used to model tumour growth and angiogenesis with realistic vessel networks.

Abstract Tumour angiogenesis leads to the formation of blood vessels that are structurally and spatially heterogeneous. Poor blood perfusion, in conjunction with increased hypoxia and oxygen heterogeneity, impairs a tumour’s response to radiotherapy. The optimal strategy for enhancing tumour perfusion remains unclear, preventing its regular deployment in combination therapies. In this work, we first identify vascular architectural features that correlate with enhanced perfusion following radiotherapy, using in vivo imaging data from vascular tumours. Then, we present a novel computational model to determine the relationship between these architectural features, blood perfusion, and tumour response to radiotherapy in silico . If perfusion is defined to be the proportion of vessels that support blood flow, we find that vascular networks with small mean diameters and large numbers of angiogenic sprouts show the largest increases in perfusion post-irradiation for both biological and synthetic tumours. We also identify cases where perfusion increases due to the pruning of hypoperfused vessels, rather than blood being rerouted. These results indicate the importance of considering network composition when determining the optimal irradiation strategy. In the future, we aim to use our findings to identify tumours that are good candidates for perfusion enhancement and to improve the efficacy of combination therapies. Author summary Dysregulated tumour vasculature often contains hypoperfused blood vessels which inhibit the delivery of blood-borne anticancer therapies. Radiotherapy, used to treat more than half of all cancer patients, causes DNA damage to vascular endothelial cells, preferentially impacting smaller vessels, leading to their death and vessel pruning. At the same time, experiments measuring changes in tumour perfusion post-irradiation produce varying outcomes and, therefore, the impact of irradiation-induced vessel pruning on network-scale perfusion remains unclear. In this study, we use recent ( in vivo ) imaging data to identify features of tumour vascular architectures that impact perfusion change post-irradiation. We then use a newly-developed computational framework, directly informed by the experimental observations, to elucidate the relationship between the vascular geometry and topology prior to radiotherapy and the irradiation-induced changes to network perfusion. We find that perfusion increases most significantly for networks of blood vessels with small mean diameters and large numbers of angiogenic sprouts. Our results also distinguish different mechanisms of perfusion increase and we identify cases where rerouting of blood flow causes previously hypoperfused vessels to become perfused. Our study sheds more light on the impact of radiotherapy on tumour blood flow; these insights could be useful for improving anti-cancer treatments.

Cell competition is a process in multicellular organisms where cells interact with their neighbours to determine a "winner" or "loser" status. The loser cells are eliminated through programmed cell death, leaving only the winner cells to populate the tissue. Cell competition is context-dependent; the same cell type can win or lose depending on the cell type it is competing against. Hence, winner/loser status is an emergent property. A key question in cell competition is: how do cells acquire their winner/loser status? In this paper, we propose a mathematical framework for studying the emergence of winner/loser status based on a set of quantitative criteria that distinguishes competitive from non-competitive outcomes. We apply this framework in a cell-based modelling context, to both highlight the crucial role of active cell death in cell competition and identify the factors that drive cell competition.

Abstract New experimental data have shown how the periodic exposure of cells to low oxygen levels ( i.e. , cyclic hypoxia) impacts their progress through the cell-cycle. Cyclic hypoxia has been detected in tumours and linked to poor prognosis and treatment failure. While fluctuating oxygen environments can be reproduced in vitro , the range of oxygen cycles that can be tested is limited. By contrast, mathematical models can be used to predict the response to a wide range of cyclic dynamics. Accordingly, in this paper we develop a mechanistic model of the cell-cycle that can be combined with in vitro experiments, to better understand the link between cyclic hypoxia and cell-cycle dysregulation. A distinguishing feature of our model is the inclusion of impaired DNA synthesis and cell-cycle arrest due to periodic exposure to severely low oxygen levels. Our model decomposes the cell population into four compartments and a time-dependent delay accounts for the variability in the duration of the S phase which increases in severe hypoxia due to reduced rates of DNA synthesis. We calibrate our model against experimental data and show that it recapitulates the observed cell-cycle dynamics. We use the calibrated model to investigate the response of cells to oxygen cycles not yet tested experimentally. When the re-oxygenation phase is sufficiently long, our model predicts that cyclic hypoxia simply slows cell proliferation since cells spend more time in the S phase. On the contrary, cycles with short periods of re-oxygenation are predicted to lead to inhibition of proliferation, with cells arresting from the cell-cycle when they exit the S phase. While model predictions on short time scales (about a day) are fairly accurate (i.e, confidence intervals are small), the predictions become more uncertain over longer periods. Hence, we use our model to inform experimental design that can lead to improved model parameter estimates and validate model predictions.

Abstract In vivo observations show that oxygen levels in tumours can fluctuate on fast and slow timescales. As a result, cancer cells can be periodically exposed to pathologically low oxygen levels; a phenomenon known as cyclic hypoxia. Yet, little is known about the response and adaptation of cancer cells to cyclic, rather than, constant hypoxia. Further, existing in vitro models of cyclic hypoxia fail to capture the complex and heterogeneous oxygen dynamics of tumours growing in vivo. Mathematical models can help to overcome current experimental limitations and, in so doing, offer new insights into the biology of tumour cyclic hypoxia by predicting cell responses to a wide range of cyclic dynamics. We develop an individual-based model to investigate how cell cycle progression and cell fate determination of cancer cells are altered following exposure to cyclic hypoxia. Our model can simulate standard in vitro experiments, such as clonogenic assays and cell cycle experiments, allowing for efficient screening of cell responses under a wide range of cyclic hypoxia conditions. Simulation results show that the same cell line can exhibit markedly different responses to cyclic hypoxia depending on the dynamics of the oxygen fluctuations. We also use our model to investigate the impact of changes to cell cycle checkpoint activation and damage repair on cell responses to cyclic hypoxia. Our simulations suggest that cyclic hypoxia can promote heterogeneity in cellular damage repair activity within vascular tumours.

In vivo observations show that oxygen levels in tumours can fluctuate on fast and slow timescales. As a result, cancer cells can be periodically exposed to pathologically low oxygen levels; a phenomenon known as cyclic hypoxia. Yet, little is known about the response and adaptation of cancer cells to cyclic, rather than, constant hypoxia. Further, existing in vitro models of cyclic hypoxia fail to capture the complex and heterogeneous oxygen dynamics of tumours growing in vivo. Mathematical models can help to overcome current experimental limitations and, in so doing, offer new insights into the biology of tumour cyclic hypoxia by predicting cell responses to a wide range of cyclic dynamics. We develop an individual-based model to investigate how cell cycle progression and cell fate determination of cancer cells are altered following exposure to cyclic hypoxia. Our model can simulate standard in vitro experiments, such as clonogenic assays and cell cycle experiments, allowing for efficient screening of cell responses under a wide range of cyclic hypoxia conditions. Simulation results show that the same cell line can exhibit markedly different responses to cyclic hypoxia depending on the dynamics of the oxygen fluctuations. We also use our model to investigate the impact of changes to cell cycle checkpoint activation and damage repair on cell responses to cyclic hypoxia. Our simulations suggest that cyclic hypoxia can promote heterogeneity in cellular damage repair activity within vascular tumours.