Zespół z University of Iowa opracował wyrafinowany model Bayesa, aby lepiej zrozumieć postęp infekcji Leishmania. Model ten integruje dane podłużne i dane do wydarzenia, zapewniając kompleksowe podejście do badania choroby. Badanie zostało opublikowane w PLOS One.
Dr Felix Pabon-Rodriguez i jego koledzy, w tym dr Grant Brown, dr Breanna Scorza i dr Christine Petersen, wykorzystali bayesowskie ramy statystyczne do zbadania interakcji między obciążeniem patogenowym, odpowiedzi immunologicznymi, w tym poziomami przeciwciał i progresją choroby.
Model Bayesowski opracowany przez naukowców zawiera dane z kohorty psów naturalnie narażonych na Leishmania Infantum. Model ten rozważa wiele czynników, w tym zapalne i regulacyjne odpowiedzi immunologiczne, zapewniając dynamiczny i kompleksowy pogląd na postęp choroby. Uwzględniając pomiary, takie jak proliferacja komórek T CD4+ i CD8+, wraz z wyrażeniami cytokin, takimi jak interleukina 10 (IL-10) i interferon-gamma (IFN-γ), model wychwytuje złożoność odpowiedzi immunologicznej podczas infekcji.
Dr Pabon-Rodriguez, który jest obecnie adiunktem biostatystyki i danych zdrowotnych w Indiana University School of Medicine, podkreślił znaczenie ich ustaleń: „Nasz model nie tylko pomaga zrozumieć postęp infekcji Leishmania, ale także przewiduje poszczególne trajektorie choroby. Może to mieć kluczową rolę w opracowywaniu ukierunkowanego leczenia u psów leiszmaniozy. ” Podkreślił ponadto: „Integrując wiele zmiennych odpowiedzi immunologicznej, możemy dokładniej prognozować wyniki choroby, co jest kluczowe dla terminowej i skutecznej interwencji”.
Co istotne, odkrycia naukowców ujawniły, że wysoki poziom przeciwciał specyficznych dla leishmanii obserwuje się u osób z ciężkimi postaciami choroby, i istnieją dowody na to, że komórki B i przeciwciała korelują z patologią choroby. „Uwzględniając zarówno zmienne komórek T CD4+, jak i CD8+, takie jak proliferacja i wyrażenia cytokin, jesteśmy w stanie ściśle modelować postęp choroby rzeczywistej”, powiedział dr Pabon-Rodriguez. To szczegółowe podejście do modelowania podkreśla znaczenie elementów odpowiedzi immunologicznej w postępie choroby i potencjalnych wyników leczenia.
Model wykorzystuje również podłużne podejście autoregresji średniej ruchomej (ARMA) do uwzględnienia zmienności wewnątrz zmiennej i dynamiki patogenów w czasie. Pozwala to na bardziej szczegółowe zrozumienie, w jaki sposób różne czynniki oddziałują na postęp choroby i wyniki przeżycia. Uwzględniając zarówno zapalne, jak i regulacyjne odpowiedzi immunologiczne, model zapewnia wgląd w delikatną równowagę układu odpornościowego w zarządzaniu przewlekłymi infekcjami, takimi jak Leishmania.
Dr Pabon-Rodriguez podkreślił szersze implikacje ich pracy: „Nasze podejście można dostosować do badania innych przewlekłych chorób zakaźnych, zapewniając cenne narzędzie dla badaczy w dziedzinie modelowania chorób zakaźnych”. Badanie pokazuje, w jaki sposób zaawansowane modelowanie statystyczne może zwiększyć zrozumienie złożonych procesów chorobowych, ostatecznie przyczyniając się do rozwoju lepszych strategii terapeutycznych.
Podsumowując, badania te oznaczają znaczący postęp w dziedzinie modelowania chorób zakaźnych, szczególnie w przypadku chorób o złożonych odpowiedzi immunologicznych, takich jak Leiszmania. Model wspólnego Bayesa opracowany przez zespół University of Iowa oferuje potężne ramy dla zrozumienia postępu choroby i poprawy prognoz poszczególnych wyników choroby.
Referencje dziennika
Pabon-Rodriguez, FM, Brown, GD, Scorza, BM, Petersen, CA, „Wewnątrz hosta bayesowskiego modelowania stawów podłużnych i czasowych infekcji Leishmania”. PLOS ONE (2024).
Doi: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0297175
O autorze
Kongregacja jest adiunktem na Wydziale Biostatystyki i Dane Zdrowia w Indiana University School of Medicine (IUSM). Ukończył doktorat. dyplom z biostatystyki na University of Iowa w maju 2023 r. I dołączył do IUSM w lipcu 2023 r. Zdobył stopnie stwardnienia rozsianego i BS na University of Puerto Rico Mayaguez. Dr Pabon-Rodriguez wybrał Indiana University ze względu na wyjątkowe możliwości badawcze między School of Medicine a Fairbanks School of Public Health.
Badania biomedyczne Felixa przyczyniają się do rozwoju zrozumienia chorób zakaźnych i odpowiedzi immunologicznych poprzez zastosowanie bayesowskich metodologii statystycznych. Niektóre z jego prac badawczych obejmują oszacowanie parametrów epidemiologicznych dla wirusa Zika, badania dynamiki układu odpornościowego dotyczącego leiszmaniozy i boreliozy oraz wpływu koinfekcji poprzez bayesowskie modelu stawowego danych podłużnych i przeżycia. Ponadto jest zainteresowany rozwiązywaniem różnic zdrowotnych, ze szczególnym naciskiem na choroby zakaźne, jak i niezakaźne.
Inne interesy obracają się wokół promowania różnorodności, równości i włączenia do edukacji STEM. Jest poświęcony rozwiązaniu problemu niedostatecznego reprezentacji studentów mniejszościowych w dyscyplinach STEM oraz poprawie edukacji statystycznej i nauki danych.
