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

In de menselijke long vindt voortdurend een stille oorlog plaats. Wanneer de bacteriën die tuberculose veroorzaken het lichaam binnendringen, vermenigvuldigen ze zich niet simpelweg in een uniforme soep van vloeistof. In plaats daarvan stuiten ze op een complex, druk landschap van immuuncellen. Deze cellen, die fungeren als de defensiemacht van het lichaam, verzamelen zich rond de indringers om dichte, gestructureerde clusters te vormen die bekend staan als granulomen. De uitkomst van deze strijd — of het lichaam de infectie opruimt of de bacteriën jarenlang blijven voortbestaan — hangt sterk af van hoe deze cellen bewegen, interageren en reageren op hun directe omgeving. Omdat het longweefsel een fysieke ruimte is waar positie ertoe doet, proberen wetenschappers al lang computermodellen te bouwen om deze dynamiek te begrijpen. Er zijn echter twee zeer verschillende manieren om zo'nd een model te bouwen. Eén benadering behandelt het immuunsysteem als een gladde, continue stroom, zoals water dat door een pijp stroomt, waarbij individuele cellen worden gemiddeld tot grote groepen. De andere benadering, bekend als een individueel gebaseerd model, behandelt elke afzonderlijke cel als een eigen entiteit met een eigen locatie, een eigen geschiedenis en een eigen willekeurige keuzes over wanneer te bewegen of aan te vallen.

Een team van onderzoekers zette zich schouder aan schouder af om deze twee zeer verschillende manieren te vergelijken om een tuberculose-infectie binnen een enkele gastheer te simuleren. Ze wilden zien of de gladde, gemiddelde modellen werkelijk de rommelige, chaotische realiteit van individuele cellen die vechten in een drukke ruimte konden vangen. Om dit te doen, bouwden ze een nieuwe, vereenvoudigde versie van een computermodel dat elke afzonderlijke bacterie en immuuncel als een apart wezen volgt. Vervolgens leidden ze wiskundig een tweede model af uit dezelfde set regels, maar ditmaal dwongen ze het model om de cellen als continue dichtheden te behandelen, waarbij alle individuele details werden gladgestreken. Door beide modellen zij aan zij te draaien met exact dezelfde begincondities — het plaatsen van hetzelfde aantal bacteriën en immuuncellen op dezelfde plekken — konden ze zien hoe de infectie in elk model verliep en waar de verhalen overeenkwamen en waar ze uiteenliepen.

De onderzoekers draaiden hun simulaties over een periode van 96 uur, wat enkele dagen van infectie in de long vertegenwoordigt. Ze testten tien verschillende startscenario's, en voor elk scenario draaiden ze het individueel gebaseerde model vier keer om rekening te houden met de natuurlijke willekeur van het leven, terwijl het gladde model één keer draaide als een enkel, deterministisch pad. De resultaten lieten zien dat de twee modellen het vaak eens waren over het eindoordeel: of de infectie werd opgeruimd of of deze zou voortbestaan. Als het gladde model voorspelde dat de bacteriën zouden worden uitgeroeid, stemde het individueel gebaseerde model daar vaak mee eens, en als het gladde model een aanhoudende infectie voorspelde, stemde het individueel gebaseerde model daar meestal ook mee eens. Dit suggereóot dat de algemene lijnen van de immuunrespons redelijk goed worden gevangen door de eenvoudigere, gladde modellen.

Echter, de overeenstemming stopte daar. Wanneer de onderzoekers naar de details keken van hoe de infectie zich in de loop van de tijd ontvouwde, vertelden de twee modellen zeer verschillende verhalen. Het gladde model toonde bacteriële aantallen die in herhaalde cycli en frequente oscillaties stegen en daalden. In contrast hiermee toonde het individueel gebaseerde model een grillig, trappenvormig patroon. In de individueel gebaseerde versie zou de bacteriepopulatie omhoog springen terwijl ze zich voortplantten, om vervolgens scherp te dalen wanneer een nabijgelegen immuuncel ze toevallig vond en opat. Deze plotselinge, discrete gebeurtenissen creëerden een ritme van groei en krimp dat het gladde model simpelweg niet kon zien. Bovendien verschilde de timing van belangrijke gebeurtenissen aanzienlijk. In de individueel gebaseerde simulaties nam het immuunsysteem vaak langer de tijd om te reageren, en de bacteriën werden soms veel sneller of veel langzamer geëlimineerd dan het gladde model voorspelde.

Een van de meest opmerkelijke bevindingen was de rol van willekeur. Omdat het individueel gebaseerde model elke afzonderlijke cel volgt, onthulde het dat de uitkomst van een infectie sterk kan afhangen van de gunst van het lot. In één specifiek startscenario voorspelde het gladde model dat de infectie zou voortbestaan, waarbij de bacteriën het immuunsysteem zouden overweldigen ondanks herhaalde pogingen om terug te vechten. Toch werden de bacteriën in elke uitvoering van het individueel gebaseerde model voor datzelfde startpunt volledig geëlimineerd door het immuunsysteem, en dit gebeurde zonder dat de meer geavanceerde immuuncellen zelfs aan de strijd hoefden deel te nemen. De individuele cellen, simpelweg door op de juiste plek op het juiste moment te zijn, slaagden erin de strijd te winnen waar het gemiddelde model een nederlaag voorspelde. Dit onderstreept dat de specifieke rangschikking van cellen aan het begin van een infectie de schalen kan doen doorslaan op manieren die gladde modellen missen.

De studie stelde ook vast dat de twee modellen de beweging van immuuncellen verschillend aanpakten. In het gladde model migreren cellen in een gestage, stromende beweging naar de infectie toe. In het individueel gebaseerde model bewegen cellen op een meer erratische, willekeurige manier, waarbij ze af en toe vastlopen of van koers afwijken voordat ze hun doel vinden. Deze kleine verschillen in beweging cumuleerden in de tijd, wat leidde tot verschillende patronen van waar de bacteriën zich bevonden en hoeveel immuuncellen er in specifieke gebieden aanwezig waren. De onderzoekers merkten op dat hoewel het gladde model uitstekend is voor het begrijpen van het algemene gedrag van grote populaties en veel gemakkelijker wiskundig te analyseren is, het de fijne details verliest die de infectie in de echte wereld aansturen. Het individueel gebaseerde model, hoewel computationeel duur en moeilijker te analyseren, behoudt de cruciale details van individuele interacties en ruimtelijke verdringing.

Uiteindelijk concludeert het artikel dat geen van beide modellen op zichzelf perfect is, maar dat ze complementaire inzichten bieden in dezelfde biologische realiteit. Het gladde model biedt een duidelijk, hoog niveau van inzicht in de populatietrends, terwijl het individueel gebaseerde model de chaotische, stochastische aard van de cellulaire interacties onthult die die trends aansturen. De onderzoekers vonden dat het gladde model over het algemeen beter is in het voorspellen of een infectie zal worden geklaard of niet, maar dat het vaak faalt in het voorspellen van precies wanneer dat zal gebeuren of hoe de bacteriën zich in de tussentijd zullen gedragen. Het individueel gebaseerde model, met zijn vermogen om de willekeur van individuele celbewegingen en ontmoetingen vast te leggen, toonde aan dat de uitkomst van een infectie niet alleen een kwestie is van aantallen, maar ook van toeval en precieze ruimtelijke ordening. Dit werk suggereert dat om tuberculose volledig te begrijpen, wetenschappers mogelijk beide benaderingen moeten gebruiken, waarbij ze vertrouwen op de gladde modellen voor brede voorspellingen en op de individueel gebaseerde modellen om de specifieke, onvoorspelbare momenten te begrijpen die het lot van een infectie bepalen.