Abstract Improvement in the survival rate of gastric cancer, a prevalent global malignancy and the leading cause of cancer-related mortality calls for more avenues in molecular therapy. This work aims to comprehend drug resistance and explore multiple-drug combinations for enhanced therapeutic treatment. An endogenous network modeling clinic data with core gastric cancer molecules, functional modules, and pathways is constructed, which is then transformed into dynamics equations for in-silicon studies. Principal component analysis, hierarchical clustering, and K-means clustering are utilized to map the attractor domains of the stochastic model to the normal and pathological phenotypes identified from the clinical data. The analyses demonstrate gastric cancer as a cluster of stable states emerging within the stochastic dynamics and elucidate the cause of resistance to anti-VEGF monotherapy in cancer treatment as the limitation of the single pathway in preventing cancer progression. The feasibility of multiple objectives of therapy targeting specified molecules and/or pathways is explored. This study verifies the rationality of the platform of endogenous network modeling, which contributes to the development of cross-functional multi-target combinations in clinical trials.

Glioma stem cells (GSCs) have been recognized as key players in glioma recurrence and therapeutic resistance, presenting a promising target for novel treatments. However, limited understanding of the role GSCs play in the hierarchy of glioma has drawn controversy and hindered research translation into therapies. Despite significant advances in our understanding of gene regulatory networks, the dynamics of these networks and their implications for glioma remain elusive. This study employs a systemic theoretical perspective to integrate empirical knowledge into a core endogenous network model for glioma, thereby elucidating its energy landscape through network dynamics computation. The model identifies two stable states corresponding to astrocytoma and oligodendroglioma, connected by a transitional state associated with GSCs, indicating the instability of GSCs in vivo and providing negative proof on their role as the cellular origin of glioma. We also obtained various stable states further indicative of glioma9s multicellular origins and uncovered a group of transition states that could potentially induce tumor heterogeneity and therapeutic resistance. This research proposes that the transitional states linking both glioma stable states are central to glioma heterogeneity and resistance, suggesting a combination of apoptosis-inducing and differentiation-promoting therapies as a potential strategic. Our approach holds promise for advancing glioma therapy by providing a new lens through which to view the complex landscape of glioma biology.