Comparing and Contrasting Individual-Based and Continuum Models of Within-Host Tuberculosis

All'interno del polmone umano, una guerra silenziosa viene combattuta costantemente. Quando i batteri che causano la tubercolosi entrano nel corpo, non si moltiplicano semplicemente in una zuppa uniforme di fluido. Al contrario, essi incontrano un paesaggio complesso e affollato di cellule immunitarie. Queste cellule, che agiscono come forza di difesa del corpo, si radunano attorno agli invasori per formare cluster stretti e strutturati noti come granulomi. L'esito di questa battaglia — se il corpo elimina l'infezione o se i batteri persistono per anni — dipende pesantemente da come queste cellule si muovono, interagiscono e reagiscono al loro ambiente immediato. Poiché il tessuto polmonare è uno spazio fisico dove la posizione conta, gli scienziati hanno cercato a lungo di costruire modelli informatici per comprenderne le dinamiche. Tuttavia, esistono due modi molto diversi di costruire un tale modello. Un approccio tratta il sistema immunitario come un flusso liscio e continuo, simile all'acqua che scorre in un tubo, dove le singole cellule vengono mediate in grandi gruppi. L'altro approccio, noto come modello basato sull'individuo, tratta ogni singola cellula come un attore distinto con la propria posizione, la propria storia e le proprie scelte casuali su quando muoversi o attaccare.

Un team di ricercatori si è posto l'obiettivo di confrontare questi due modi molto diversi di simulare un'infezione da tubercolosi all'interno di un singolo ospite. Volevano vedere se i modelli fluidi e mediati potessero davvero catturare la realtà disordinata e caotica delle singole cellule che combattono in uno spazio affollato. Per farlo, hanno costruito una nuova versione semplificata di un modello informatico che traccia ogni singolo batterio e cellula immunitaria come un'entità separata. Hanno poi derivato matematicamente un secondo modello dallo stesso insieme di regole, ma questa volta lo hanno costretto a trattare le cellule come densità continue, smussando tutti i dettagli individuali. Eseguendo entrambi i modelli fianco a fianco con le stesse identiche condizioni iniziali — posizionando lo stesso numero di batteri e cellule immunitarie negli stessi punti — potevano osservare come l'infezione si evolvesse in ciascuna versione e vedere dove le storie coincidevano e dove divergevano.

I ricercatori hanno eseguito le loro simulazioni per un periodo di 96 ore, che rappresenta alcuni giorni di infezione nel polmone. Hanno testato dieci diversi scenari iniziali e, per ciascuno di essi, hanno eseguito il modello basato sull'individuo quattro volte per tenere conto della naturale casualità della vita, mentre il modello liscio è stato eseguito una sola volta come un percorso deterministico singolo. I risultati hanno mostrato che i due modelli spesso concordavano sul verdetto finale: se l'infezione venisse eliminata o se persistesse. Se il modello liscio prevedeva che i batteri sarebbero stati sterminati, il modello basato sull'individuo spesso concordava, e se il modello liscio prevedeva un'infezione persistente, il modello basato sull'individuo solitamente concordava anch'esso. Ciò suggerisce che le linee generali della risposta immunitaria sono catturate ragionevolmente bene dai modelli più semplici e fluidi.

Tuttavia, l'accordo si fermava lì. Quando i ricercatori hanno esaminato i dettagli di come l'infezione si sia sviluppata nel tempo, i due modelli raccontavano storie molto diverse. Il modello liscio mostrava numeri di batteri che salivano e scendevano in cicli ripetuti e oscillazioni frequenti. Al contrario, il modello basato sull'individuo mostrava un pattern a gradini, frastagliato. Nella versione basata sull'individuo, la popolazione batterica aumentava bruscamente mentre si riproduceva, per poi calare drasticamente quando una cellula immunitaria vicina riusciva a trovarla e mangiarla. Questi eventi improvvisi e discreti creavano un ritmo di crescita e declino che il modello liscio semplicemente non poteva vedere. Inoltre, la tempistica degli eventi chiave differiva significativamente. Nelle simulazioni basate sull'individuo, il sistema immunitario impiegava spesso più tempo per rispondere, e i batteri talvolta venivano eliminati molto più velocemente o molto più lentamente di quanto previsto dal modello liscio.

Uno dei risultati più sorprendenti fu il ruolo della casualità. Poiché il modello basato sull'individuo traccia ogni singola cellula, ha rivelato che l'esito di un'infezione può dipendere pesantemente dal colpo di fortuna. In uno scenario iniziale specifico, il modello liscio prevedeva che l'infezione sarebbe persistita, con i batteri che sovrastavano il sistema immunitario nonostante i ripetuti tentativi di combattere. Eppure, in ogni singola esecuzione del modello basato sull'individuo per quello stesso punto di partenza, i batteri erano stati completamente eliminati dal sistema immunitario, e questo accadeva senza la necessità che nemmeno le cellule immunitarie più avanzate si unissero alla lotta. Le singole cellule, semplicemente essendo nel posto giusto al momento giusto, sono riuscite a vincere la battaglia dove il modello mediato aveva previsto una sconfitta. Ciò evidenzia che la disposizione specifica delle cellule all'inizio di un'infezione può spostare l'equilibrio in modi che i modelli fluidi non colgono.

Lo studio ha anche scoperto che i due modelli gestiscono il movimento delle cellule immunitarie in modo diverso. Nel modello liscio, le cellule migrano in un flusso costante verso l'infezione. Nel modello basato sull'individuo, le cellule si muovono in modo più erratico e casuale, occasionalmente rimanendo bloccate o andando fuori rotta prima di trovare il loro bersaglio. Queste piccole differenze nel movimento si sono accumulate nel tempo, portando a diversi pattern di localizzazione dei batteri e di presenza di cellule immunitarie in aree specifiche. I ricercatori hanno osservato che, sebbene il modello liscio sia eccellente per comprendere il comportamento generale delle grandi popolazioni ed sia molto più facile da analizzare matematicamente, esso perde i dettagli su scala fine che guidano l'infezione nel mondo reale. Il modello basato sull'individuo, pur essendo computazionalmente costoso e più difficile da analizzare, conserva i dettagli cruciali delle interazioni individuali e dell'affollamento spaziale.

In definitiva, l'articolo conclude che nessuno dei due modelli è perfetto da solo, ma essi offrono visioni complementari della stessa realtà biologica. Il modello liscio fornisce una visione chiara e di alto livello delle tendenze della popolazione, mentre il modello basato sull'individuo rivela la natura caotica e stocastica delle interazioni cellulari che guidano tali tendenze. I ricercatori hanno scoperto che il modello liscio è generalmente migliore nel prevedere se un'infezione sarà eliminata o meno, ma spesso fallisce nel prevedere esattamente quando ciò accadrà o come si comporteranno i batteri nel frattempo. Il modello basato sull'individuo, con la sua capacità di catturare la casualità dei movimenti e degli incontri delle singole cellule, ha dimostrato che l'esito di un'infezione non è solo una questione di numeri, ma anche di fortuna e precisa disposizione spaziale. Questo lavoro suggerisce che per comprendere appieno la tubercolosi, gli scienziati potrebbero dover utilizzare entrambi gli approcci, facendo affidamento sui modelli fluidi per le previsioni ampie e sui modelli basati sull'individuo per comprendere i momenti specifici e imprevedibili che determinano il destino di un'infezione.