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

技術的要約：潜在的リザーバーの再活性化に伴うHIVウイルス再出現に関する確率論的第一通過理論

問題提起
現在の治療中断（ATI）研究は、抗レトロウイルス療法（ART）の中止に伴うHIVウイルス再出現（リバウンド）のタイミングを予測することを目的としている。しかし、既存の確率モデルの多くは、潜在細胞の最初の成功的な再活性化という「隠れた時間」と、臨床的に観察される「再出現時間」を混同している。臨床的なエンドポイントは、潜在細胞が再活性化した瞬間ではなく、個人の血漿ウイルス量（$V(t)$）が特定の検体定義上の検出閾値（$V_{det}$）を最初に超える時刻である。この区別は極めて重要であり、観察される再出現時間は、再活性化後のウイルス系統の確率的な成長に依存する区間検閲されたものである。これまでのフレームワークは、活性化生存率やアンサンブル平均ウイルス量を特徴づけてきたが、これらは特に、希少な再活性化レジームにおいて（アンサンブル平均が早期かつ急速に成長するマイノリティの軌跡によって支配され得るため）、単一の確率的軌跡の第一通過時間とは一致しない。

手法
著者らは、治療後のHIV再出現を確率的な第一通過問題として再定式化している。本モデルは、成功した、確立された再活性化イベントを、時間依存的な強度 $\lambda(t)$ を持つ非一様ポアソン過程として扱う。各イベントは、エクリプス期（$\tau_e$）を経て、純増速度 $r$ で指数関数的に成長するウイルス系統を播種する。総血漿ウイルス量は、ポアソン・ショットノイズ過程としてモデル化される：
$$V(t) = v_0 \sum_{T_i \le t} e^{r(t-T_i)}$$
ここで、$T_i$ は成功した再活性化の時刻、$v_0$ は初期ファウンダー寄与分である。

再出現時間 $T_{reb}$ は、$T_{reb} = \inf\{t \ge t_w : V(t) \ge V_{det}\}$ と定義される。ここで $t_w$ はART洗浄（ウォッシュアウト）時間である。著者らは、ウイルス量分布のラプラス変換を用いて $T_{reb}$ の正確な分布を導出している。解析的な扱いやすさを提供するため、著者らは単一ファウンダー近似を導入している。これは、検出可能な再出現は、最も早期に成功した拡大ウイルス系統によって支配されるという仮定である。この近似の下では、再出現時間は、最初の成功的な再活性化に対する確率的な待ち時間（$T_1$）と、決定論的な成長遅延（$\tau_{det}$）に分解される：
$$T_{reb} \approx T_1 + \tau_{det}, \quad \text{ただし } \tau_{det} = \tau_e + \frac{1}{r} \log\left(\frac{V_{det}}{v_0}\right)$$

著者らは、以下の様々な活性化プロファイルに対して、閉形式の再出現時間生存則を導出した：

1. 定常的な活性化： シフトした指数分布をもたらす。
2. ART洗浄依存的な活性化： 残存する薬物抑制の減衰をモデル化し、レイリー分布のような早期待ち時間をもたらす。
3. 周期的な免疫活性化： 再活性化率の正弦波的な変調を組み込む。
4. コックス過程による活性化： 再活性化率の確率的な変動を考慮する。
5. 不均一なリザーバー： 異なる活性化率と成長パラメータを持つ競合するリザーバークラスをモデル化する。

さらに、著者らは、ATI試験に典型的な区間検閲されたサンプリング構造に適した尤度関数を構築しており、正確に観察されたデータ、区間検閲されたデータ、および右検閲されたデータを区別している。

主な結果

• 再出現時間の分解： 本研究は、観察される再出現タイミングが、リザーバーの再活性化に対する確率的な待ち時間と、ウイルスが検出可能になるまでに必要な決定論的な遅延の和であることを確立した。この分離により、再出現時間が検出閾値によって系統的にシフトすることが説明される。
• 対数的な閾値依存性： 中心的な予測は、中央値となる再出現時間が検出閾値（$V_{det}$）に対して対数的に依存することである。具体的には、$Q_{0.5}(V_{det}) \approx C + \frac{1}{r} \log(V_{det})$ となる。
• メタ解析による検証： 本理論を24のATI研究（Gunstら）のメタ解析に適用し、閾値が50、400、10,000 copies/mLの場合の報告された中央値を適合させた。データは予測された対数依存性と一致しており（$R^2 \approx 0.99$）、有効な純増速度として $r \approx 0.33 \text{ day}^{-1}$ が得られた。
• 最大成長率との乖離： フィットされた成長速度（$0.33 \text{ day}^{-1}$）は、名目上の初期感染時の最大成長速度（$0.69 \text{ day}^{-1}$）よりも著しく低い。論文では、これは残存する薬物活動、標的細胞の制限、および再出現初期における免疫圧といった実効的な制約によるものと考えている。
• 平均場モデルのバイアス： 著者らは、平均場閾値通過（$E[V(t)] = V_{det}$ を解くこと）が、希少な再活性化レジームにおいて、典型的な再出現時間を系統的に過小評価することを実証した。アンサンブル平均は、典型的な個人の軌跡を代表しない、稀で早期に拡大するウイルス系統によって歪められる。
• 不均一性の影響： 競合するリザーバークラスを持つモデルでは、高いファウンダー出力または急速な成長を持つ希少なクラスが、最初の検出可能な再出現イベントを支配し、より大規模だが成長の遅いリザーバーの寄与を覆い隠す可能性がある。

意義および主張
本論文は、ATI試験で測定される量、すなわちウイルス量の検出閾値への最初の通過を直接扱う、解析的に透明な理論を提供すると主張している。第一通過時間に焦点を当てることで、本フレームワークは以下のことを実現している：

1. 生物学的メカニズムの明確化： 介入の効果を、再活性化率（$\lambda$）の低減、確立確率の低下、または再活性化後の成長速度（$r$）の鈍化という、明確に異なる構成要素へと分離する。
2. パラメータ推定の補正： なぜ最大成長パラメータを使用すると再出現時間が過小予測されるのかを説明し、閾値分解されたデータから有効な成長速度を較正する方法を提供する。
3. 統計的推論の実現： 再活性化の確率的な性質と検出可能性への遅延を考慮した、区間検閲されたATIデータを分析するための厳密な尤度フレームワークを提供する。

著者らは、この理論はメカニズム的なウイルス・細胞モデルに取って代わるものではなく、隠れたリザーバーのダイナミクスと観察可能な臨床エンドポイントとの間の確率的なリンクを提供することで、それらを補完するものであると強調している。本研究は、観察される再出現時間は単にリザーバーのサイズによる関数ではなく、検出閾値と、介入後の生理学的環境によって制約された有効な成長速度に強く影響されることを示唆している。