Dynamic behavior of a two-dimensional discrete-time HIV infection model: stability and bifurcation analysis

Il virus dell'immunodeficienza umana, noto come HIV, è un patogeno implacabile che attacca il sistema immunitario del corpo, prendendo di mira specificamente le cellule responsabili della coordinazione della difesa contro le malattie. Senza trattamento, questa infezione può progredire verso uno stadio in cui il corpo non è più in grado di combattere le malattie comuni. Per decenni, gli scienziati hanno utilizzato modelli matematici per comprendere come il virus si comporti all'interno del corpo umano. Tradizionalmente, questi modelli sono stati costruiti sull'idea di un tempo continuo, trattando l'infezione come un flusso fluido e ininterrotto dove i cambiamenti avvengono in ogni singolo istante. Tuttavia, nel mondo reale, i dati medici sono raramente raccolti in un flusso continuo. I medici e i ricercatori effettuano misurazioni a intervalli specifici — giorni, settimane o mesi di distanza. Questo divario tra la teoria fluida del tempo continuo e la natura a tappe dei dati del mondo reale ha spinto un team di ricercatori dell'Università di Alessandria a esplorare un approccio diverso: un modello che si muove in passi discreti, rispecchiando il modo in cui osserviamo effettivamente la malattia.

I ricercatori, Sarah Ramadan, Sanaa Salman e Ahmed El-Sayed, si sono posti l'obiettivo di costruire una simulazione informatica semplificata ma potente dell'infezione da HIV. Sono partiti da un noto modello continuo che descrive l'interazione tra le cellule immunitarie non infette e il virus, per poi tradurlo in un sistema a tappe discrete. In questo nuovo quadro, lo stato dell'infezione viene aggiornato in salti distinti piuttosto che con una scivolata fluida. Il team si è concentrato su due popolazioni principali: le cellule immunitarie sane che il virus prende di mira e le cellule infette che producono attivamente nuove particelle virali. Regolando la velocità con cui il virus infetta le cellule sane, hanno osservato come il sistema risponde nel tempo. Il loro obiettivo non era solo vedere se il virus sarebbe scomparso o persistito, ma scoprire i modelli nascosti che emergono quando il tasso di infezione cambia, cercando segni di comportamenti complessi e imprevedibili che modelli più semplici potrebbero perdere.

Ciò che hanno scoperto è un mondo di sorprendente complessità nascosto all'interno delle semplici regole dell'infezione. Quando il tasso di infezione è basso, il sistema si comporta in modo prevedibile, stabilizzandosi in uno stato stazionario in cui il virus viene eliminato o mantenuto a un livello costante e gestibile. Tuttavia, aumentando il tasso di infezione nelle loro simulazioni, i ricercatori hanno visto il sistema cambiare in modi drammatici. Invece di stabilizzarsi, i numeri che rappresentano il virus e le cellule immunitarie hanno iniziato a oscillare. Non fluttuavano solo casualmente; sono entrati in cicli ritmici, salendo e scendendo secondo un modello regolare. In alcuni scenari, questi cicli raddoppiavano la loro lunghezza, creando un modello in cui il virus raggiunge il picco due volte più spesso prima che il ciclo si ripeta. In altri casi, il comportamento è diventato ancora più intricato, con il sistema che traccia un loop fluido e chiuso che non ripete mai esattamente lo stesso percorso, uno stato noto come moto quasiperiodico.

Forse in modo più sorprendente, il team ha scoperto che, in determinate condizioni, il sistema poteva scivolare nel caos. In questo stato, il carico virale e i conteggi delle cellule immunitarie fluttuano in un modo che appare casuale ed è impossibile da prevedere a lungo termine, anche se le regole che governano il sistema sono fisse e deterministiche. Ciò significa che le oscillazioni erratiche nei livelli virali talvolta osservate nei pazienti potrebbero non essere causate da rumore esterno o dal caso, ma potrebbero essere una caratteristica intrinseca dell'interazione biologica stessa. I ricercatori hanno utilizzato uno strumento chiamato esponente di Lyapunov per misurare questo comportamento, un metodo che agisce come un termometro per il caos. Quando la lettura era negativa, il sistema era stabile o ritmico; quando diventava positiva, il sistema era entrato in un regime caotico. Le loro simulazioni hanno mostrato che la transizione dall'ordine al caos avveniva attraverso una rotta specifica, dove il sistema prima iniziava a oscillare, poi le oscillazioni raddoppiavano e infine il modello si rompeva nel caos.

Lo studio ha anche identificato soglie specifiche in cui si verificano questi cambiamenti drammatici. Variando il parametro del tasso di infezione, il team ha individuato i momenti esatti in cui il sistema perde la sua stabilità. Hanno scoperto che il modello subisce due tipi distinti di transizioni. La prima è una biforcazione a salto (flip bifurcation), in cui il sistema passa da uno stato stazionario a un ciclo che si ripete ogni due passi, e poi a cicli di quattro, otto, e così via, fino a diventare caotico. La seconda è una biforcazione di Neimark-Sacker, in cui il sistema si muove da uno stato stazionario direttamente in un'oscillazione fluida e ciclica che non si ripete mai esattamente. Queste scoperte suggeriscono che il comportamento complesso, talvolta erratico, dell'HIV nel corpo non è necessariamente il segno di un fallimento del trattamento o di un ambiente imprevedibile, ma piuttosto una conseguenza naturale della retroazione non lineare tra il virus e il sistema immunitario.

Le implicazioni di questo lavoro si estendono oltre la matematica. I ricercatori suggeriscono che i "picchi virali" (viral blips) — aumenti improvvisi e temporanei del carico virale che si verificano anche in pazienti che sono altrimenti stabili sotto terapia — potrebbero essere un risultato deterministico di queste dinamiche interne piuttosto che errori casuali. Se il sistema è naturalmente propenso a queste oscillazioni e stati caotici, allora la tempistica delle ondate virali potrebbe essere una proprietà intrinseca dell'infezione stessa. Questa prospettiva sposta l'attenzione dal tentativo di eliminare tutte le fluttuazioni alla comprensione dei ritmi sottostanti della malattia. Lo studio non sostiene di aver risolto il problema dell'HIV o di offrire una nuova cura, ma fornisce un solido quadro teorico per comprendere perché il virus si comporti in quel modo. Dimostrando che i modelli a tempo discreto possono catturare comportamenti ricchi e complessi come la periodicità e il caos, il lavoro offre una nuova lente attraverso la quale guardare la persistenza del virus e le potenziali strategie per controllarlo. I risultati, confermati da estese simulazioni informatiche, evidenziano che la battaglia tra il virus e il sistema immunitario è una danza dinamica e in continuo mutamento di numeri che può scivolare nell'imprevedibilità con il minimo cambiamento delle condizioni.