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

Dentro do pulmão humano, uma guerra silenciosa é travada constantemente. Quando as bactérias que causam a tuberculose entram no corpo, elas não simplesmente se multiplicam em uma sopa uniforme de fluido. Em vez disso, elas encontram uma paisagem complexa e lotada de células imunológicas. Essas células, que atuam como a força de defesa do corpo, reúnem-se em torno dos invasores para formar aglomerados estruturados e apertados conhecidos como granulomas. O resultado dessa batalha — se o corpo elimina a infecção ou se as bactérias persistem por anos — depende fortemente de como essas células se movem, interagem e reagem ao seu entorno imediato. Como o tecido pulmonar é um espaço físico onde a posição importa, cientistas há muito tentam construir modelos computacionais para entender essas dinâmicas. No entanto, existem duas maneiras muito diferentes de construir tal modelo. Uma abordagem trata o sistema imunológico como um fluxo contínuo e suave, como água movendo-se através de um tubo, onde células individuais são transformadas em médias de grandes grupos. A outra abordagem, conhecida como modelo baseado em indivíduos, trata cada célula individual como um ator distinto com sua própria localização, sua própria história e suas próprias escolhas aleatórias sobre quando se mover ou atacar.

Uma equipe de pesquisadores partiu para comparar essas duas formas muito diferentes de simular uma infecção por tuberculose dentro de um único hospedeiro. Eles queriam ver se os modelos suaves e generalizados poderiam realmente capturar a realidade desordenada e caótica das células individuais lutando em um espaço lotado. Para fazer isso, construíram uma nova versão simplificada de um modelo computacional que rastreia cada bactéria e célula imunológica como uma entidade separada. Em seguida, derivaram matematicamente um segundo modelo a partir do mesmo conjunto de regras, mas desta vez forçaram-no a tratar as células como densidades contínuas, suavizando todos os detalhes individuais. Ao rodar ambos os modelos lado a lado com as mesmas condições iniciais — colocando o mesmo número de bactérias e células imunológicas nos mesmos lugares — eles puderam observar como a infecção se desenrolava em cada versão e ver onde as histórias coincidiam e onde divergiam.

Os pesquisadores executaram suas simulações ao longo de um período de 96 horas, o que representa alguns dias de infecção no pulmão. Eles testaram dez cenários iniciais diferentes e, para cada um, rodaram o modelo baseado em indivíduos quatro vezes para contabilizar a aleatoriedade natural da vida, enquanto o modelo suave rodou uma única vez como um caminho determinístico. Os resultados mostraram que os dois modelos frequentemente concordavam com o veredito final: se a infecção seria eliminada ou se ela persistiria. Se o modelo suave previsse que as bactérias seriam erradicadas, o modelo baseado em indivíduos frequentemente concordava, e se o modelo suave previsse uma infecção persistente, o modelo baseado em indivíduos geralmente também concordava. Isso sugere que os traços gerais da resposta imune são capturados razoavelmente bem pelos modelos suaves e mais simples.

No entanto, o acordo parava aí. Quando os pesquisadores observaram os detalhes de como a infecção se desenrolava ao longo do tempo, os dois modelos contavam histórias muito diferentes. O modelo suave mostrava números de bactérias subindo e descendo em ciclos repetidos e oscilações frequentes. Em contraste, o modelo baseado em indivíduos mostrava um padrão irregular, em forma de degraus. Na versão baseada em indivíduos, a população de bactérias saltava conforme elas se reproduziam, e depois caía bruscamente quando uma célula imune próxima por acaso as encontrava e as consumia. Esses eventos súbitos e discretos criavam um ritmo de crescimento e declínio que o modelo suave simplesmente não conseguia ver. Além disso, o tempo de eventos importantes diferia significativamente. Nas simulações baseadas em indivíduos, o sistema imunológico muitas vezes levava mais tempo para responder, e as bactérias às vezes eram eliminadas muito mais rápido ou muito mais devagar do que o modelo suave previa.

Um dos achados mais impressionantes foi o papel da aleatoriedade. Como o modelo baseado em indivíduos rastreia cada célula individualmente, ele revelou que o desfecho de uma infecção pode depender fortemente da sorte do sorteio. Em um cenário inicial específico, o modelo suave previu que a infecção persistiria, com as bactérias sobrecarregando o sistema imunológico apesar das tentativas repetidas de combate. No entanto, em todas as execuções do modelo baseado em indivíduos para esse mesmo ponto de partida, as bactérias foram completamente eliminadas pelo sistema imunológico, e isso aconteceu sem a necessidade de as células imunológicas mais avançadas sequer entrarem na luta. As células individuais, simplesmente por estarem no lugar certo na hora certa, conseguiram vencer a batalha onde o modelo de média previa uma derrota. Isso destaca que o arranjo específico de células no início de uma infecção pode inclinar a balança de maneiras que os modelos suaves não percebem.

O estudo também descobriu que os dois modelos lidam com o movimento das células imunológicas de forma diferente. No modelo suave, as células migram em um fluxo constante e contínuo em direção à infecção. No modelo baseado em indivíduos, as células movem-se de uma forma mais errática e aleatória, ocasionalmente ficando presas ou desviando-se do caminho antes de encontrar seu alvo. Essas pequenas diferenças de movimento acumularam-se ao longo do tempo, levando a padrões diferentes de onde as bactérias estavam localizadas e quantos elementos imunocelulares estavam presentes em áreas específicas. Os pesquisadores observaram que, embora o modelo suave seja excelente para entender o comportamento geral de grandes populações e seja muito mais fácil de analisar matematicamente, ele perde os detalhes de pequena escala que impulsionam a infecção no mundo real. O modelo baseado em indivíduos, embora computacionalmente caro e mais difícil de analisar, retém os detalhes cruciais das interações individuais e do congestionamento espacial.

Em última análise, o artigo conclui que nenhum dos modelos é perfeito por si só, mas eles oferecem visões complementares da mesma realidade biológica. O modelo suave fornece uma visão clara e de alto nível das tendências populacionais, enquanto o modelo baseado em indivíduos revela a natureza caótica e estocástica das interações celulares que impulsionam essas tendências. Os pesquisadores descobriram que o modelo suave é geralmente melhor para prever se uma infecção será eliminada ou não, mas frequentemente falha em prever exatamente quando isso acontecerá ou como as bactérias se comportarão nesse ínterim. O modelo baseado em indivíduos, com sua capacidade de capturar a aleatoriedade dos movimentos e encontros das células individuais, mostrou que o desfecho de uma infecção não é apenas uma questão de números, mas também de chance e de arranjo espacial preciso. Este trabalho sugere que, para compreender totalmente a tuberculose, os cientistas podem precisar usar ambas as abordagens, contando com os modelos suaves para previsões amplas e com os modelos baseados em indivíduos para entender os momentos específicos e imprevisíveis que determinam o destino de uma infecção.