🧬 biology

Mathematical Modeling of HDV RNA, HBV DNA, and HBsAg Dynamics during Lonafarnib-Based Therapy: Insights from the LOWR HDV-1 Study

本研究利用数学模型表征了接受洛那法尼布治疗的共感染患者中 HDV RNA、HBV DNA 和 HBsAg 截然不同的动力学模式，揭示了 1.26 天的 HDV 半衰期、94% 的初始治疗有效性，以及一种由 HDV 抑制触发 HBV DNA 产量补偿性增加的机制。

原作者： Adquate Mhlanga, Louis Shekhtman, Rami Zakh, Sarah Duehren, Ashish Goyal, Alexander Churkin, Vladimir Reinharz, Danny Barash, Jeffrey Glenn, Ohad Etzion, Scott J. Cotler, Cihan Yurdaydin, Harel Dahari

发布于 2026-06-12

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Adquate Mhlanga, Louis Shekhtman, Rami Zakh, Sarah Duehren, Ashish Goyal, Alexander Churkin, Vladimir Reinharz, Danny Barash, Jeffrey Glenn, Ohad Etzion, Scott J. Cotler, Cihan Yurdaydin, Harel Dahari

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

大局观：两种病毒，一个工厂

想象一下，肝细胞是一个繁忙的工厂。在这项研究中，这个工厂被两种不同的病毒感染了：乙型肝炎病毒 (HBV) 和 丁型肝炎病毒 (HDV)。

HBV 就像是原始的工厂主。它制造自己的产品（HBV DNA），还制造用于向外发送病毒的“运输集装箱”（一种叫做 HBsAg 的蛋白质）。
HDV 是一个“劫持者”。它无法制造自己的运输集装箱。它偷取由 HBV 制造的集装箱，以此将自己的产品（HDV RNA）送入血液中。

研究人员想要了解，当给同时感染这两种病毒的患者使用一种特定的药物——洛伐奈酯 (Lonafarnib, LNF) 时，会发生什么。这种药物就像扔进 HDV 装配线的扳手——它阻止了 HDHD 进行自我包装。至关重要的是，该药物并不会直接触及 HBV 这个工厂主。

实验过程：实时观察工厂

团队观察了 15 名服用该药物（单独使用或与其他辅助药物如利托那韦或干扰素混合使用）的患者的数据。他们追踪了三个指标随时间的变化：

HDV RNA：劫持者的产品。
HBV DNA：所有者的产品。
HBsAg：运输集装箱。

他们使用了一个数学模型（计算机模拟）来精确计算该药物是如何运作的，以及为什么病毒会做出那样的反应。

用类比解释关键发现

1. “劫持者”减速了 (HDV 动力学)

当引入药物时，HDV 的水平并没有立即下降。出现了一个短暂的停顿（0–2 天），就像一辆货车在开始移动前在门口等待一样。

一旦药物起效，HDV 水平迅速下降。研究人员发现，该药物在立即阻止 HDV 生产方面的有效率约为 94%。

“平坦” vs. “两步走” 下降：
- 单药疗法（仅使用药物）： 在许多患者中，HDV 水平快速下降，然后达到了一个“地板”（平台期）。它停止了下降。这被称为“平坦的部分反应”。
- 联合疗法（药物 + 辅助药物）： 当药物与辅助药物（利托那韦或干扰素）混合使用时，HDV 水平不仅停止了下降，还在第二阶段缓慢持续下降。这就像药物随着时间的推移变得更强了，最终达到了接近 99% 的有效率。

2. “所有者”获得了助力 (HBV 动力学)

这是最令人惊讶的部分。当药物成功抑制了 HDV 劫持者时，HBV 所有者突然开始生产更多的自身产品（HBV DNA）。

类比： 想象一下，HDV 劫持者一直在霸凌 HBV 所有者，命令他“闭嘴并少干活”。当药物把劫持者踢出去（或使其虚弱）时，HBV 所有者感到解脱了，开始加班加点地工作。
结果： 在大约三分之二的患者中，HBV DNA 水平上升了。模型显示，一旦 HDV 降至某个“安全阈值”以下，HBV 的生产速率就会跃升，中位增幅为 4 倍。
例外情况： 使用药物配合干扰素的患者没有看到这种激增。干扰素就像一名保安，即使在劫持者消失后，也能让 HBV 所有者保持克制。

3. “运输集装箱”保持不变 (HBsAg)

虽然病毒水平（HDV 和 HBV DNA）发生了剧烈变化，但 HBsAg（运输集装箱）的水平保持完全不变。

类比： 这表明工厂工人（受感染的肝细胞）的数量并没有发生太大变化。药物阻止了新病毒的生产，但并没有杀死那些已经存在的工人。由于工人数量保持不变，他们制造的集装箱数量也保持稳定。

数学告诉了我们什么

研究人员建立了一个能完美匹配患者观察结果的计算机模型。该模型帮助他们计算出了具体数值：

半衰期： 血液中的 HDV 病毒寿命很短；如果不持续补充，它会在大约 1.26 天 内消失。
“阈值”： 血液中存在一个特定的 HDV 水平。只要 HDV 高于这个水平，它就会持续抑制 HBV。一旦药物将 HDV 推至此水平以下，HBV 就会苏醒并开始重新大量繁殖。

总结

论文得出结论，洛伐奈酯是阻止 HDV 劫持者的非常有效的工具。然而，由于 HDV 自然地抑制 HBV，因此停止 HDV 可能会意外地唤醒 HBV，导致其产生更多病毒。

单药疗法 能停止 HDV，但往往会遇到瓶颈，且 HBV 可能会苏醒。
联合疗法（添加辅助药物）能持续施压于 HDV，防止其进入平台期，并且在某些情况下（配合干扰素），可以防止 HBV 苏醒。

这项研究提供了一个数学“蓝图”，展示了这两种病毒是如何相互作用的，以及不同的药物组合是如何改变人体内的游戏规则的。

技术摘要：基于 Lonafarnib 治疗期间 HDV RNA、HBV DNA 和 HBsAg 动态变化的数学建模

问题陈述
乙型肝炎病毒（HBV）的包膜是乙型肝炎 D 型病毒（HDV）复制所必需的，这创造了一种复杂的共感染动态，其中 HDV 通常会抑制 HBV 的复制。虽然之前的数学模型探索了 HBV/HDV 共感染，但许多模型要么过于简单，无法捕捉特定的治疗反应，要么过于复杂（纳入了细胞内动态），导致难以拟合临床患者数据。因此，需要一种稳健的半机制模型，能够同时表征在抗 HDV 治疗过程中血清 HDV RNA、HBV DNA 和乙型肝炎表面抗原（HBsAg）的动力学，特别是为了理解抑制 HDV 如何影响 HBV 的动态变化。

方法论
作者分析了 LOWR HDV-1 研究的数据，该研究是一项涉及 15 名慢性 HBV/HDV 共感染患者接受 lonafarnib (LNF) 治疗的 II 期试点试验。LNF 是一种异戊烯化酶抑制剂，可破坏 HDV 的组装，但并不直接抑制 HBV。研究包括 LNF 单药疗法以及与 ritonavir (RTV) 或聚乙二醇干扰素-α (PEG-IFNα) 的联合疗法。

作者开发了一个新的数学模型，该模型由三个常微分方程（ODE）组成，描述了血清 HDV RNA ( $D$ )、HBV DNA ( $B$ ) 和 HBsAg ( $H$ ) 的动态变化。该模型的核心特征包括：

恒定的受感染细胞群： 模型假设在治疗期间共感染肝细胞的数量 ( $I_0$ ) 是恒定的，这得到了 HBsAg 水平稳定性的支持。
HDV 依赖性 HBV 产生： HBV DNA 的产生速率被建模为依赖于 HDV RNA 水平。具体而言，它遵循这样一个函数：当 HDV RNA 高时，HBV 产生受到抑制；而当 HDV RNA 下降到特定阈值 ( $\kappa$ ) 以下时，HBV 产生则会增加。
时间依赖性疗效： 用于阻断 HDV RNA 产生的治疗有效性 ( $\epsilon$ ) 被建模为随时间 ( $g$ ) 增加，这反映了体外实验中发现的 LNF 会逐渐增加非感染性 HDV 基因组的现象。
药理学延迟： 延迟参数 ( $\tau$ ) 解释了从给药到产生可测量的抗病毒活性之间的时间差。

参数估计采用基于 Monolix 软件的非线性混合效应（NLME）群体方法，利用了来自 5 个治疗组的 15 名患者的数据。模型拟合了截至 HDV 突破或治疗结束时的病毒动力学数据。

关键结果

HDV 动力学： 模型成功重现了患者中观察到的三种截然不同的动力学模式：
- 平坦部分反应 (FPR)： 初始下降后进入平台期，主要见于单药治疗患者。
- 双相下降： 快速的第一阶段随后是较慢的第二阶段，主要见于联合治疗患者。
- 单相下降： 随后出现病毒突破。
  模型估算的 HDV RNA 半衰期为 1.26 天 [95% CI: 1.05–1.47]，以及阻断 HDV RNA 产生的第一阶段治疗有效性为 94% [95% CI: 89%–97%]。双相响应者中下降的第二阶段归因于随时间增加的有效性，其最大值达到约 99%。
HBV 动态： 模型将 15 名患者中有 9 名观察到的血清 HBV DNA 增加解释为 HDV 受到抑制的结果。当 HDV RNA 水平降至患者特异性阈值 ( $\kappa$ ，中位数为 2.78 $\log_{10}$ IU/mL) 以下时，对 HBV 的抑制压力被解除，导致 HBV DNA 产生率中位数增加了 4 倍。
HBsAg 稳定性： 模型证实 HBsAg 水平在治疗期间保持稳定，支持了 HBsAg 产生细胞数量恒定的假设。
治疗比较： 与单药治疗相比，联合治疗（LNF + RTV 或 PEG-IFNα）与双相 HDV 下降模式显著相关。参数 $g$ （时间依赖性有效性）在联合治疗组中显著更高。
模型扩展： 作者测试了一个区分感染性与非感染性 HDV 颗粒的扩展模型。作者发现，改变假设的感染性与非感染性颗粒比例对参数估计的影响极小，这表明目前的建模框架使用总 HDV RNA 测量值已足够。

意义与主张
本文声称，本研究提供了第一个能够同时表征在抗 HDV 治疗期间血清 HDV RNA、HBV DNA 和 HBsAg 动力学的数学模型。作者指出，该模型提供了一个定量框架来：

解释 HDV 抑制与随后 HBV DNA 反弹之间的相互作用。
区分单药治疗与联合治疗的动力学结果。
为理解为什么不同的方案会产生不同的病毒动力学模式提供依据。

作者总结道，该模型是一个“良好的起点”，有助于加深对 HDV 抑制及相关 HBV 动态变化的理解。作者明确指出了局限性，包括假设感染细胞群恒定、当前模型结构无法捕捉病毒突破现象，以及时间依赖性有效性参数 ( $g$ ) 的半机制性质（即它并未模拟底层的细胞内机制）。作者强调，仍需进一步研究以阐明 HDV 与 HBV 之间的分子相互作用。