Stochastic First-Passage Theory of HIV Viral Rebound Following Latent Reservoir Reactivation

Résumé Technique : Théorie stochastique du premier passage de la recombinaison virale de l'HIV lors de la réactivation du réservoir latent

Énoncé du Problème
Les études actuelles d'interruption du traitement analytique (ATI) visent à prédire le moment de la recombinaison virale de l'HIV suivant la cessation du traitement antirétroviral (ART). Cependant, les modèles stochastiques existants confondent souvent le temps caché de la première réactivation réussie d'une cellule latente avec le temps de recombinaison cliniquement observé. Le critère d'évaluation clinique n'est pas le moment où une cellule latente se réactive, mais le premier moment où la charge virale plasmatique ($V(t)$) d'un individu franchit un seuil de détection spécifique défini par l'essai ($V_{det}$). Cette distinction est critique car le temps de recombinaison observé est censuré par intervalle et dépend de la croissance stochastique des lignées virales après la réactivation. Les cadres précédents caractérisaient la survie de l'activation et les charges virales moyennes d'ensemble, mais ceux-ci ne équivalent pas au temps de premier passage d'une trajectoire stochastique unique, particulièrement dans le régime de réactivation rare où les moyennes d'ensemble peuvent être dominées par des trajectoires minoritaires à croissance précoce et rapide.

Méthodologie
Les auteurs reformulent la recombinaison post-traitement de l'HIV comme un problème de premier passage stochastique. Le modèle traite les événements de réactivation réussis et établis comme un processus de Poisson non homogène avec une intensité dépendante du temps $\lambda(t)$. Chaque événement sème une lignée virale qui subit une phase d'éclipse ($\tau_e$) suivie d'une croissance exponentielle avec un taux net $r$. La charge virale plasmatique totale est modélisée par un processus de bruit de choc de Poisson :
$$V(t) = v_0 \sum_{T_i \le t} e^{r(t-T_i)}$$
où $T_i$ sont les temps de réactivation réussie et $v_0$ est la contribution initiale du fondateur.

Le temps de recombinaison est défini comme $T_{reb} = \inf\{t \ge t_w : V(t) \ge V_{det}\}$, où $t_w$ est le temps de lavage de l'ART. Le papier dérive la distribution exacte de $T_{reb}$ via la transformée de Laplace de la distribution de la charge virale. Pour assurer la tractabilité analytique, les auteurs introduisent une approximation à fondateur unique, qui suppose que la recombinaison détectable est dominée par la première lignée en expansion réussie. Sous cette approximation, le temps de recombinaison se décompose en un temps d'attente stochastique pour la première réactivation réussie ($T_1$) et un délai de croissance déterministe ($\tau_{det}$) :
$$T_{reb} \approx T_1 + \tau_{det}, \quad \text{où } \tau_{det} = \tau_e + \frac{1}{r} \log\left(\frac{V_{det}}{v_0}\right)$$

Les auteurs dérivent des lois de survie du temps de recombinaison en forme fermée pour divers profils d'activation, incluant :

1. Activation constante : produit une distribution exponentielle décalée.
2. Activation dépendante du lavage de l'ART : modélise la décroissance de la suppression médicamenteuse résiduelle, conduisant à un temps d'attente de type Rayleigh.
3. Activation périodique immunitaire : incorpore une modulation sinusoïdale du taux de réactivation.
4. Activation par processus de Cox : rend compte des fluctuations stochastiques du taux de réactivation.
5. Réservoirs hétérogènes : modélise la compétition entre classes de réservoirs ayant des taux d'activation et des paramètres de croissance distincts.

De plus, le papier construit une fonction de vraisemblance adaptée à la structure d'échantillonnage censurée par intervalle typique des essais ATI, distinguant les données exactement observées, censurées par intervalle et censurées à droite.

Résultats Clés

• Décomposition du temps de recombinaison : L'étude établit que le temps de recombinaison observé est la somme d'un temps d'attente stochastique pour la réactivation du réservoir et d'un délai déterministe requis pour l'expansion virale jusqu'au seuil de détectabilité. Cette séparation explique pourquoi les temps de recombinaison se déplacent systématiquement avec les seuils de détection.
• Dépendance logarithmique du seuil : Une prédiction centrale est que le temps de recombinaison médian dépend logarithmiquement du seuil de détection ($V_{det}$). Spécifiquement, $Q_{0.5}(V_{det}) \approx C + \frac{1}{r} \log(V_{det})$.
• Validation par méta-analyse : En appliquant cette théorie à une méta-analyse de 24 études ATI (Gunst et al.), les auteurs ajustent les temps médians rapportés pour des seuils de 50, 400 et 10 000 copies/mL. Les données s'alignent avec la dépendance logarithmique prédite ($R^2 \approx 0,99$), produisant un taux de croissance net effectif de $r \approx 0,33 \text{ jour}^{-1}$.
• Écart avec la croissance maximale : Le taux de croissance ajusté ($0,33 \text{ jour}^{-1}$) est nettement inférieur au taux de croissance maximal nominal de la phase précoce de l'infection ($0,69 \text{ jour}^{-1}$). Le papier attribue cela à des contraintes effectives telles que l'activité médicamenteuse résiduelle, la limitation des cellules cibles et la pression immunitaire durant la phase précoce de recombinaison.
• Biais des modèles de champ moyen : Les auteurs démontrent que le franchissement de seuil par champ moyen (résolvant $E[V(t)] = V_{det}$) sous-estime systématiquement les temps de recombinaison typiques dans les régimes de réactivation rare. Les moyennes d'ensemble sont biaisées par des lignées à expansion précoce et rapide qui ne représentent pas la trajectoire individuelle typique.
• Effets d'hétérogénéité : Dans les modèles avec des classes de réservoirs en compétition, une classe rare avec une production de fondateur élevée ou une croissance rapide peut dominer l'événement de recombinaison détectable, supplantant la contribution de réservoirs plus importants mais à croissance plus lente.

Signification et Revendications
Le papier affirme fournir une théorie analytiquement transparente qui s'adresse directement à la quantité mesurée dans les essais ATI : le premier franchissement d'un seuil de détection de charge virale. En déplaçant l'attention de la survie de l'activation ou des moyennes d'ensemble vers les temps de premier passage, le cadre :

1. Clarifie les mécanismes biologiques : Il sépare les effets des interventions en composantes distinctes : réduire le taux de réactivation ($\lambda$), abaisser la probabilité d'établissement, ou ralentir la croissance post-réactivation ($r$).
2. Corrige l'estimation des paramètres : Il explique pourquoi l'utilisation de paramètres de croissance maximale conduit à une sous-prédiction des temps de recombinaison et fournit une méthode pour calibrer les taux de croissance effectifs à partir de données résolues par seuil.
3. Permet l'inférence statistique : Il offre un cadre de vraisemblance rigoureux pour analyser les données ATI censurées par intervalle, en tenant compte de la nature stochastique de la réactivation et du délai de détectabilité.

Les auteurs soulignent que cette théorie ne remplace pas les modèles virus-cellules mécanistes mais les complète en fournissant le lien probabiliste entre la dynamique cachée du réservoir et le point de terminaison clinique observable. Le travail suggère que les temps de recombinaison observés ne sont pas simplement une fonction de la taille du réservoir, mais sont fortement influencés par le seuil de détection et le taux de croissance effectif contraint par l'environnement physiologique post-interruption.