Математическое моделирование в изучении патогенеза вирусного гепатита у детей

Цель работы — сформировать математическую модель вирусных гепатитов на основании структурного моделирования, дискриминантного и факторного анализов лабораторных параметров пациентов.

Материалы и методы. В массив данных были включены данные комплексного лабораторного обследования 109 детей с вирусными гепатитами В и С (33 параметра).

Результаты. Выявлены 7 основных факторов патогенеза вирусного гепатита у детей, преимущественно отражающих выраженность эндогенной интоксикации и нарушений белкового обмена, а также определена модификация режима функционирования ферментов и надмолекулярных мультиэнзимных комплексов в условиях прогрессирования первых двух компонентов.

Заключение. Выделенные факторы патогенеза вирусного гепатита у детей способны отражать развивающуюся в процессе формирования патологии эндогенную интоксикацию, состояние ферментных систем детоксикации и формирующиеся в дальнейшем фибротические изменения в печени.

Участие авторов:
Мартусевич А.К., Галова Е.А., Поповичева А.Н. — концепция и дизайн исследования, сбор и обработка материала, написание текста.
Все соавторы — утверждение окончательного варианта статьи, ответственность за целостность всех её частей.

Финансирование: авторы статьи подтверждают отсутствие финансовой поддержки.

Конфликт интересов: авторы заявили об отсутствии конфликта интересов.

Поступила 14.01.2022
Принята к печати 17.02.2022
Опубликована 15.03.2022

1. Aston P.J. A new model for the dynamics of hepatitis C infection: derivation, analysis and implications. Viruses. 2018; 10(4): 195. https://doi.org/10.3390/v10040195

2. Scheel T.K.H., Rice C.M. Understanding the hepatitis C virus life cycle paves the way for highly effective therapies. Nat Med. 2013; 19: 837-49. https://doi.org/10.1038/nm.3248

3. Shin E.C., Han J.W., Kang W., Kato T., Kim S.J., Zhong J., et al. The beginning of ending hepatitis C virus: A summary of the 26th international symposium on hepatitis C virus and related viruses. Viruses. 2020; 12(3): 302. https://doi.org/10.3390/v12030302

4. Stanaway J.D., Flaxman A.D., Naghavi M., Fitzmaurice C., Vos T., Abubakar I., et al. The global burden of viral hepatitis from 1990 to 2013: findings from the Global Burden of Disease Study 2013. Lancet. 2016; 388: 1081-8. https://doi.org/10.1016/S0140-6736(16)30579-7

5. Klasse P.J. Molecular determinants of the ratio of inert to infectious virus particles. Prog Mol Biol Transl Sci. 2015; 129: 285-326. https://doi.org/10.1016/bs.pmbts.2014.10.012

6. Pradeep K.S., Medhi S., Asim M., Das B.C., Gondal R., Kar P. Evaluation of adefovir & lamivudine in chronic hepatitis B: correlation with HBV viral kinetic, hepatic-necro inflammation & fibrosis. Indian J Med Res. 2011; 133(1): 50-6.

7. Hao W., Komar H.M., Hart P.A., Conwell D.L., Lesinski G.B., Friedman A. Mathematical model of chronic pancreatitis. PNAS. 2017; 114(19): 5011-6. https://doi.org/10.1073/pnas.1620264114

8. Kim Y., Lawler S., Nowicki M.O., Chiocca E.A., Friedman A. A mathematical model for pattern formation of glioma cells outside the tumor spheroid core. J Theor Biol. 2009; 260(3): 359-71. https://doi.org/10.1016/j.jtbi.2009.06.025

9. Siewe N., Yakubu A.A., Satoskar A.R., Friedman A. Immune response to infection by leishmania: A mathematical model. Mathematical Biosciences. 2016; 276: 28-43. https://doi.org/10.1016/j.mbs.2016.02

10. Siewe N., Yakubu A.A., Satoskar A.R., Friedman A. Granuloma formation in leishmaniasis: A Mathematical model. J Theor Biol. 2017; 412: 48-60. https://doi.org/10.1016/j.jtbi.2016.10.004

11. Friedman A., Hao W. Mathematical Modeling of Liver Fibrosis. Mat Biosc Eng. 2017; 14(1): 143-64. https://doi.org/10.3934/mbe.2017010

12. Friedman A., Siewe N. Chronic hepatitis B virus and liver fibrosis: A mathematical model. PLoS One. 2018; 13(4): e0195037. https://doi.org/10.1371/journal.pone.0195037

13. Graw F., Perelson A.S. Modeling Viral Spread. Annu Rev Virol. 2016; 3: 555-72. https://doi.org/10.1146/annurev-virology-110615-042249

14. Hao W., Rovin B.H., Friedman A. Mathematical model of renal interstitial fibrosis. Proc Natl Acad Sci. 2014; 111(39): 14193-8. https://doi.org/10.1073/pnas.1413970111

15. Zhao S., Su Z., Lu Y. A mathematical model of hepatitis B virus transmission and its application for vaccination strategy in China. Int J Epidemiol. 2000; 29(4): 744-52. https://doi.org/10.1093/ije/29.4.744

16. Kalemera M., Mincheva D., Grove J., Illingworth C.J.R. Building a mechanistic mathematical model of hepatitis C virus entry. PLoS Comput Biol. 2019; 15(3): e1006905. https://doi.org/10.1371/journal.pcbi.1006905

17. Kamyad A.V., Akbari R., Heydari A.A., Heydari A. Mathematical modeling of transmission dynamics and optimal control of vaccination and treatment for hepatitis B virus. Comp Math Methods Med. 2014. 475451; 2014: 1-15. https://doi.org/10.1155/2014/475451

18. Ciupe S.M., Ribiero R.M., Nelson P.W., Perelson A.S. Modeling the mechanisms of acute hepatitis B virus infection. J Theor Biol. 2007; 247: 23-35. https://doi.org/10.1016/j.jtbi.2007.02.017

19. Padmanabhan P., Dixit N.M. Mathematical model of viral kinetics in vitro estimates the number of E2-CD81 complexes necessary for hepatitis C virus entry. PLoS Comput Biol. 2011; 7: e1002307. https://doi.org/10.1371/journal.pcbi.1002307

20. Aunins T.R., Marsh K.A., Subramanya G., Uprichard S.L., Perelson A.S., Chatterjee A. Intracellular hepatitis C virus modeling predicts infection dynamics and viral protein mechanisms. J Virol. 2018; 92(11): e02098-17. https://doi.org/10.1128/JVI.02098-17

21. Dixit N.M., Layden-Almer J.E., Layden T.J., Perelson A.S. Modelling how ribavirin improves interferon response rates in hepatitis C virus infection. Nature. 2004; 432: 922-4. https://doi.org/10.1038/nature03153