0 valutazioniIl 0% ha trovato utile questo documento (0 voti)
9 visualizzazioni13 pagine
Autor: Roxana Lopez Cruz
Notas del instituto de investigación en ciencias matemáticas
Modelos matemáticos sobre el comportamiento del virus HIV
No soy autor intelectual de este documento.
Autor: Roxana Lopez Cruz
Notas del instituto de investigación en ciencias matemáticas
Modelos matemáticos sobre el comportamiento del virus HIV
No soy autor intelectual de este documento.
Autor: Roxana Lopez Cruz
Notas del instituto de investigación en ciencias matemáticas
Modelos matemáticos sobre el comportamiento del virus HIV
No soy autor intelectual de este documento.
NOTAS DEL INSTITUTO DE INVESTIGACION EN CIENCIAS MATEMATICAS
MODELOS MATEMATICOS SOBRE
EL COMPORTAMIENTO DEL VIRUS
AUTORES:
ROXANA LOPEZ CRUZ
DICIEMBRE - 2000
148NOTAS DEL INSTITUTO DE INVESTIGACION EN CIENCIAS MATEMATICAS
INTRODUCCION
La epidemia del SiINDROME DE INMUNODEFICIENCIA
ADQUIRIDA (SIDA) se desarrollé iniciaimente con la diseminacion
silenciosa del Virus de Inmunodeficiencla Humana {HIV-1) en la década
de los 70.
Los primeros casos de SIDA fueron reconocidos en hombres
homosexuales de Los Angeles en 1981, sin embargo no fué hasta 1985
en que los origenes de este virus empezaron a ser cientificamente
investigados.
Cabe anotar «ltimas estadisticas proporcionadas por la
Organizacion Mundial de la Salud (OMS) en la que nos estima que para
este afio, 40 millones se habran infectado por el HIV, 80% de los cuales
viven en paises en desarrollo y 10 millones habran desarrollado SIDA 0
habran muerto. Es asi como esta epidemia del HIV/SIDA se convierte en
la peor de nuestra época debido a su impacto individual, social y
econémico.
EI Virus de la Inmunodeficiencia Humana (HIV) es un retrovirus
denominado asi por fa particularidad de reproducir su material genético y
multiplicarse a partir de una cadena de ARN usando la enzima
transcriptasa reversa.
El mayor conductor de fa infeccién HIV es una clase de linfocilos 6
células blancas conocidas como CD4"T células cuando el conteo de estas
CD4‘T células alcanza los 200 mm 6 menos en una paciente que esta
infectado con HIV se convierte en una persona con SIDA.
149NOTAS DEL INSTITUTO DE INVESTIGACION EN CIENCIAS MATEMATICAS
La infeccién con HIV resulta en un espectra de desordenes que van
desde un sindrome retroviral agudo, como manifestaci6n de la infeccién
primaria (en la que el paciente puede ser asintomatico 6 presentarse con
sintomas y signos que sugieren mas bien una mononucleosis aguda}, un
periodo asintomatico en el que el virus se replica en los ganglies linfaticos,
hasta un periodo sintomatico en el que a raiz de la destruccién de los
linfocitos CD4, la funcién del sistema inmune llega a un punto critico en el
que comienzan a aparecer sintomas.
Bajo la premisa de que e} desarrollo de los paises esta basado en
la Investigacion Cientifica y considerando un problema tan grave como el
SIDA es que todo tipo de cientifico se ha encaminado a desarrollar su
mayor esfuerzo en btsqueda de una solucién, asi también los
matematicos ponen su granito de ayuda en el desarrollo de modelos
matematicos que faciliten la comprensién de la dinamica de la infeccién
en vivo del virus HIV-I el cual es motivo de este estudio.
Los modelos matematicos presentados en este trabajo de
investigaci6n, permitiran establecer comparaciones entre poblaciones bajo
las mismas caracteristicas, observando asi un mejor tratamiento para el
paciente HIV-infectado.
PLANTEAMIENTO DEL ESTUDIO
Este estudio planteaba en esta primera etapa ei desarrollo de
algunos modelos matematicos ya establecidos en experiencias anteriores
considerando las variables correspondientes a la zona en la cual fueron
desanoliados y en una segunda etapa pretende en base a ellos llevar a
150NOTAS DEL INSTITUTO DE INVESTIGACION EN CIENCIAS. MATEMATICAS
caboiun estudio local con Io cual se pueda concluir modelos matematicos
sobre Ja dinamica de infeccién en vivo de! virus HIV en nuestra localidad.
Para la informacion de los diferentes modelos se han tenido en
cuenta las siguientes consideraciones:
(a) La concentracion del virus HIV-1 V(Q) tiene un valor inicial V(Q)=M%
que indica la concentracién de HIV-1 al momento de iniciar la terapia.
(b) La funci6n desconocida P(t) representa la razén de produccién de
virus.
(c} El mejor conductor de la infeccion HIV es la célula CD4°T, luego de ser
infectadas pueden producir nuevas virones HIV.
Asi la poblacién T(t) de células conductoras no: infectadas y la
poblacién 7*(:) de céldlas infectadas, seran también materia de
estudio en la dinamica del HIV-1, modelada mateméaticamente.
OBSERVACIONES.- Cominmente llamaremos a T(() la poblacién de
células victimas no infectadas y T*(t) la poblacién de células victimas
infectadas.
DESCRIPCION DEL TEMA
1. MODELO SIMPLE
A partir de clertos datos sobre pacientes con periodo corto de
tratamiento con drogas retrovirales, se ha establecido que V(t) cae
exponenciaimente; asi podemos considerar el siguiente modelo
dv
OP 1
at P-cV q)
151NOTAS DEL INSTITUTO DE INVESTIGACION EN CIENCIAS MATEMATICAS.
donde c¢ es una tasa constante de ellminacion del virus y launidad de
tiempo considerado es muy pequefta par ejemplo 1 mes. Debido a sus
restricciones es considerado el mas simple de los modelos. La
solurion viene dada por ¥(¢)= ye donde ¥(0)=¥.
, MODELOS CON INCORPORAGION DE LA PRODUCCION VIRAL.
a) Este modelo de infeccién HIV, considera la poblacién de células
victimas no infectadas y viene dado asi:
aT. T
qaeter(ingh) apr (2)
max
donde:
4: Es la tasa de creacién de células 7, debido a las propias
fuerzas de! cuerpo humano y algunas veces a fa
proliferacion de célutas 7 ya existentes.
P : Es la tasa de maxima proliferacidn de células 7.
Trax: Esla densidad de poblacién de células 7 ata cual la
funcién de proliferaci6n tiende.
dy : Es la tasa de mortalidad de las células T.
Si la poblacién 7 alcanza Tg, puede decrecer, luego se deberd
imponer la restricci6n
dp Tyig > 8
La ecuaci6n (2) tiene un solo estado estable dado por
1 Tate pa Vom an? + S|
mix
2p
162\NOTAS DEL INSTITUTO DE INVESTIGAGION EN CIENCIAS MATEMA TICAS
b) En este modelo, vamos a considerar que ante la presencia del HIV,
'\ 1B @élulas 7 se infectan. El mas simple y comin modelaje de !a
infeccién esta dado por (2) mas la asignacién de un término de
masa-reaccién en la que consideramos a kVT la tasa de infeccion
donde & es la tasa constante de infeccién.
A estas alturas podemos entonces considerar un modelo
compartido para la infetcién en vivo del HIV-1 ef cual viene dado
por el siguiente sistema de ecuaciones:
aT T
oT og 4 pT|t- —~|-dpT -kVT
a? ( ) Toke
aT*
aT” _yyr-sr* 3
di (8)
av
a¥ J NOT*-eV
dt .
donde:
dy : Tasa de mortalidad de las células 7 no infectadas.
6 :Tasa de mortalidad de jas células 7* infectadas
({productivas).
orf - Z}: Término logistico de proliferacion de células 7.
i
N : Numero de particulas de virus (viriones) producidas
por una célula infectada (en promedio).
N 6: Tasa promedio de produccién de viriones.
153NOTAS DEL INSTITUTO DE INVESTIGAGION EN CIENCIAS MATEMATICAS
donde ¢ es una tasa constante-de eliminacién del virus y la.unidad de.
tiempo considerado es muy pequefia por ejemplo 1 mes. Debido:a sus
restricciones es considerado el més simple de los modelos. La
solucién viene dada por ¥(t)=%y e"* donde ¥(0}= %.
ll, MODELOS CON INCORPORACION DE LA PRODUCCION VIRAL
a) Este modelo de infeccién HIV, considera la poblacién de células
victimas no infectadas y viene dado asi:
Gave or(ins2)-apr, 2)
donde:
5: Es la tasa de creacién de células 7, debido a las propias
fuerzas del cuerpo humano y algunas veces a la
proliferacién de células T ya existentes.
P : Esa tasa de maxima proliferacién de células 7.
Trax: Esta densidad de poblacién de células 7 ala cual ia
funcion de proliferacion tiende.
d, : Es la tasa de mortalidad de las células 7.
Si la poblacién 7 alcanza 7,,;, puede decrecer, luego se debera
imponer la restricci6n
dy Tain > 5
La ecuacién (2) tiene un solo estado estable dado por
i [>-er= ora 2]
T = fmt
2p End
152NOTAS DEL INSTITUTO DE INVESTIGAGION EN CIENCIAS MATEMATICAS:
lo cual se interpreta como que en la practica clertos pacientes
con estado cuasiniciales de 7 diferentes, tendran también
diferentes en algunas de les parametros: N,k dc.
{v)Los cambios en la poblacién de céluias 7 en pacientes
intectados puede variar anualmente.
Suponiendo que en una escala semanai, ia poblacién de células
no infectadas T, la variacién de concentracién viria Voy ta
poblacion de células infectadas 7* no verian, entonces
tendriamos:
c
Tea
On Nk
ry = cho
NO
sN . p-dr ee
Wyse a
k NRE Tinde
ill. MODELOS DE TERAPIA CON DROGAS
Durante una Conferencia sobre Fetrovirus e — Infecciones
Oportunisticas, en Washington DC, los investigadores presentaron ‘os:
inhibidores de proteasa, drogas poderosas que “iatienen el avance dei
HIV, asi como nuevas técnicas para predecir el impacto del SIDA en
los pacientes. Este desarrollo requirié una serie de otros
descubrimientos basicos. Et primero de ellos 98 la nueva tecnologia
genética para medir la cantidad de virus que tiene ei paciente por
mitimetro de sangre.
Los estudios demuestran que una baja carga viral retrasa ei desarrolio
de la enfermedad, Entre fas dragas que reducen la carga y que estan
156NOTAS DEL INSTITUTO DE INVESTIGACION EN CIENCIAS MATEMATICAS
siendo sometidas a prueba se cuentan la AZT (zidovudina), didanosina
{ddi) y ta delavirdina; todos elias atacan ia transcriptasa invertida (RT),
enzima usada por el virus para integrar su material genético en jas
célufas de la victima.
Los inhibidores de proteasa atacan ja Proteasa dei virus, versatil
enzima viral que permite desarrollar la proteina necesaria para la
replicacién del virus.
Los pacientes que se encuentran en un estado de cuasi-eduilibrio
pueden ser tratados mediante las grogas inhibidoras de RT, las
inhibidoras de las enzimas que actuan sobre jas proteinas (protease) 6
una combinacién de tas dos para la reduccién de 's cantidad de virus
@n su cuerpo,
Aqui mostramos dos modelos que se ajustan a os tratamiertos con
drogas antes descritos.
BLOQUEADORES DE RT
Un bloqueador 6 inhibidor RT detiene Ja infeccion por tanto reduce a
k; en el mejor de los casos t=0 y nuestro modeio basico (3)
quedaria asi:
aT*
Sp scere )
av
—-=N6T*=-c¥
di :
156NOTAS DEI, INSTITUTO DE INVESTIGACION EN CIENCIAS MATEMATICAS
Analizando este modelo, vemos que a diferencia del sistema (3)
podemos observar que ahora tas ecuaciones de ta dinamica de ta
poblacién 7 no se acompaiia con la de la dinamica viral, as! el modelo
puede predecir que si la infeccién viral no cambia ninguno de fos
parémetros que caracterizan la dinamica de Ja poblacién 7, entonces
la poblacién de células 7 se recuperara y se volver al nivel del
estado de pre-infeccién. Asimismo en la segunda ecuaci6n apreciamos
que la poblacion 7* decaera exponencialmente y en la tercera se
aprecia que la concentracién de virus también decae pero con un
comportamiento mas complejo.
Debemos ‘considerar que al igual que otras drogas, los inhibidores de
RT no son perfectas, luego podemos considerar un modelo mas
ajustado a la accién de esta, la cual quedaria dada asi:
aT T
gx pr(i- gE) dy hn YT
max.
GP = (\ = ngr) VT ~ 8T* 6)
w _NST*-e¥
dt
donde ny es la efactividad del bloqueador RT y ademas:
si npr =1 : el bloqueo es un éxito
RT.
Si npr = 0 : no ekiste bloqueo.
157NOTAS DEL INSTITUTO DE INVESTIGACION EN CIENCIAS MATEMATICAS
CONCLUSIONES
1. Con respecto al modelo (1), podemes manifestar que las experiencias
demuestran que ninguna droga puede bloquear instanténeamente la
Producci6n viral, luego este modelo tiene en si muchas rasiriccinnes
técnicas.
2. El modelo (2) siendo el mas simple y comtn pudo ser modificado por
un término de masa-reaccién lo cual nos lievé al madelo (3), en el cual
debido a la tasa de infeccién (k) estamos considerando el hecho de
que el virus debe preocuparse en encontrar células 7 en vez de
infectarlas y asi la probabilidad de que el virus encuentre una célula T
@ bajas concentraciones se puede asumir que sea proporcional al
Promedio de sus concentraciones.
3. En el modelo (4) podemos apreciar que ante el uso de drogas
inhibidoras de RT, la poblacién de células inféctadas 7* decae
exponencialmente:
Pe(jan ee
asimismo la concentracién de virus
“
NOT
wo St -«)
e
VO=Mmew
decae pero de una manera mas compleja.
4. En cuanto al modelo (5) podemos linealizar las ecuaciones de T*(t) y
V(t), si asumimos que para un periodo corto de tiempo tuego de
158NOTAS DEL INSTITUTO DE INVESTIGAGION.EN.GIENGIAS MATEMATIGAS
6,
iniciadas \a terapia se tiene T = constante, y as! de inmediato’resolver
las mismas.
. Por lo expuesto en este estudio, podemos diagramar el
comportamiento de fa dindmica en vivo del virus HIV-l, asi:
No sé tiene. conocimiento sobre estudios del comportamiento de la
dinémica en vivo det virus, HIV-I en hospitales de nuestro pais,
esperamos este inicial paso de estudio de estos modelos matemiaticos,
sirva de estimulo para que profesionales del area de salud interactue
con profesionales de nuestro medio que buscamos mayor
conocimiento sobre el tema en términos de practicidad en el uso de
diferentes terapias a personas infectadas con el virus HIV, lo cual no
Nevaré a un estudio mas real de estos modelos aplicados a nuestra
realidad.
159NOTAS DEL INSTITUTO DE INVESTIGACION EN CIENCIAS MATEMATICAS
BIBLIOGRAFIA
1. Mathematical Anélysis of HIV-| Dynamics in Vivo-A. Perelson- P
Nelson.
SIAM REVIEW
2. Transcriptase N° 24 Marzo — Abril 1994.
Assaciation Promotion de L'Information Scientique
Therapeutique sur le Sida (P.I.S.T.E.S.)
3. PROGRAMA DE CONTROL DE ENFERMEDADES DE
TRANSMISION SEXUAL Y SIDA (PROCETSS)
Ministerio de Salud del Pert.
Guia Nacional de Atencién Integral del Paciente con Infecci6n
HIVISIDA (1998).
4. Virus de Inmunodeficiencia Humana
Marian Jones (Fox News).
5. Terapia en HIV Fuente: Diario Médico.
6. Ecuaciones Diferenclales Ordinarias
PICCININI - STAMPACCHIA ~ VIDOSSICH.
Springer Verlag, New York 1984.
7. Ligoes de equagoes Diferenciais Ordinarias
JORGE SOTOMAYOR — IMPA Projeto Euclides Brasil 1979.
160