Trapianti e modello animale

Il principale problema, nei trapianti, è di tipo immunologico, riguarda principalmente le reazioni immunitarie individuali e il meccanismo del rigetto. 
In questo campo il modello animale si è rivelato più volte un fallimento.
Ad esempio, Mark Davis, un immunologo della Stanford University, in un articolo su Science afferma:
“Centinaia di test clinici sono stati basati sulla cura del topo, ma quasi nessuno ha portato a delle cure per la specie umana”.
Prendiamo il caso della proteina basica della mielina (MBP).
Iniettare tale proteina nel topo causa una condizione simile alla sclerosi multipla, che può essere prevenuta con dosi di proteine che sopprimono la reazione immunitaria alla MBP. Tuttavia, i test clinici su volontari umani per verificare l’azione di queste proteine protettive furono interrotti perché peggioravano la condizione di alcuni pazienti affetti da sclerosi multipla.
Tali fallimenti hanno spronato Davis a richiedere che in studi di immunologia umana si usi un approccio che si basi sull’essere umano, specie dove gli studi richiedono grandi investimenti di capitali. [1]

Per quanto riguarda invece più specificatamente i trapianti, in una ricerca del 2009 [2], si cerca di trovare una risposta ai fallimenti dei trapianti di vena tramite l’utilizzo di equazioni differenziali ordinarie (ODE) e di modelli basati su agenti (ABM). Riportiamo qui sotto alcune parti del testo: 

“Work in our laboratory has sought to provide insight into the complexity of these interconnected processes through transcriptional profiling. Using a rabbit vein graft model and a novel rabbit-specific Agilent microarray platform (Santa Clara, CA), we examined the temporal variation in gene expression within the vein graft wall at 2 hours and 1, 7, and 28 days following implantation. At a false discovery rate of 0.10, 16% of genes were differentially expressed across all time points, with between 6 and 8% of the genes statistically different compared with normal vein at any single time point. Gene ontology analysis of these 497 differentially expressed genes demonstrates early downregulation of intracellular maintenance activities, which recover to near baseline levels in the 1- to 7-day time frame. Coincident with this recovery is an increase in cell metabolism and matrix synthesis, which is initially noted at 1 day, with further expansion through 28 days.“

Inoltre, come specificato in seguito nello stesso articolo, il problema é che “despite intensive investigation over the last two decades using standard reductionist approaches, no clinically effective therapies have emerged to reduce vein graft stenosis and improve long-term outcomes, quindi nessuna terapia efficace è emersa [da questo studio] per ridurre la stenosi del trapianto di vena e migliorare i risultati a lungo termine, oltretutto “[…] one of the primary flaws for limited progress in this field is not insufficient knowledge of the individual components of the system but the lack of a functional understanding of the interdependence and interaction of these components.”

Queste ultime parole sono di fondamentale importanza: “i difetti principali che causano il limitato progresso di quest’area di ricerca non sono le conoscenze insufficienti dei componenti individuali del sistema, ma la mancanza di comprensione sulla interdipendenza funzionale e le interazione tra questi componenti”. Questo significa che non basta sapere quello che si trova nei tessuti di una certa specie (geni e proteine) ma come questi interagiscono e come si organizzano influenzandosi tra loro i diversi componenti dei tessuti, i quali sono diversi da specie a specie, cosi’ come lo sono i geni, che producono proteine dei vari tessuti e che sono diverse, e interagiscono diversamente, da specie a specie.

Al fine di creare un modello di “supporto“ alle fasi precliniche(quindi prima di arrivare a testare qualcosa nell’essere umano), il team di ricercatori ha studiato e pubblicato due modelli matematici, le ODE che “establishing a series of mathematical relationships that describe the sequential change in the components of the system over time“ e i modelli ABM, “a mathematical approach for analysis of dynamic systems in which elements evolve through a number of discrete time steps governed by a set of rules based on the states of the neighboring cells. Rather than attempting to define the behavior of a complex system at the level of the continuum, via a system of coupled differential equations, ABM breaks the complex system into discrete components (or elements) that are governed by a set of simple rules. The complex behavior of the system emerges then from the local interaction of the elements“.

I modelli matematici sono estremamente sensibili, perché devono essere calibrati esattamente con i parametri della specie utilizzata. Eppure questi modelli vengono tarati sugli animali e non sugli esseri umani, anche se questi modelli dovrebbero servire per essere usati per ottenere informazioni sugli esseri umani e non sugli animali. Invece si può leggere che “based on animal experimentation by our group and others, the standard paradigm of vein graft remodeling has been established“. Anche se proprio nello stesso articolo gli stessi autori avevano dichiarato: “Il comportamento complesso del sistema emerge quindi dalle interazioni locali degli elementi”, dove quindi è chiaro che non si possono neanche estrapolare informazioni corrette quando si confrontano diversi organismi complessi, come il coniglio, il topo o l’uomo, che hanno al loro interno delle specifiche “interazioni locali di elementi”. La realtà dei fatti però è che addirittura gli stessi modelli ODE sono costruiti “on experimental data obtained from the rabbit vein graft construct“.

Inoltre nelle conclusioni dell’articolo i ricercatori riportano che “despite evolving evidence in animal models, the application of these concepts to the understanding of human vein graft failure remains poorly defined“, quindi anche i ricercatori stessi concludono che “nonostante risultati in evoluzione su modelli animali, l’applicazione di questi concetti alla comprensione del fallimento nel trapianto di vena negli esseri umani rimane poco chiara”, quindi l’uso di animali per creare sempre più modelli per l’uomo, non ha portato ad un aumento di conoscenze applicabili all’uomo, e i modelli animali, e quindi gli esperimenti sugli animali per creare tali modelli, anche in questo caso, non sono stati utili.

Metodi Alternativi

Possiamo distinguere tra i metodi alternativi che ci permettono di studiare la risposta dell’organismo in modelli: in vitro, matematici e microarrays.

Tra i metodi in vitro, utili in campo immunologico e di conseguenza anche per i trapianti, vi sono i saggi di diluizione limite, l’ELISpot e la citometria a flusso [3].

A questi si aggiungono metodologie in vitro che usano le cellule T per prevedere il rigetto o la tolleranza ai trapianti [4, 5, 6].

I microarray, utili anch’essi nell’ambito sia immunologico che proprio dei trapianti, “can provide nonbiased, simultaneous global expression patterns for more than 40,000 human genes across different experiments. High throughput microarray technology offers a means to study disease-specific transcriptional changes in tissue biopsy, peripheral blood, and biofluids.” [7].

Per quanto riguarda invece i modelli matematici, il modello iniziale viene sviluppato sulla base del virus HCMV (herpes virus), al fine di semplificarlo e facilitarne la dimostrazione della fattibilità. Solitamente latente nei pazienti con sistema immunitario non co
mpromesso, il virus si può riattivare e causare gravi problemi di salute dopo un trapianto, tra i quali rigetto acuto e cronico. La sua distribuzione in vari tessuti e organi, come midollo osseo, fegato, polmoni, e tratto gastrointestinale, infatti, ne permette facilmente la trasmissione dal donatore al ricevente.

In assenza di una terapia preventiva, l’HCMV si presenta nel circa 30-75% dei casi, a seconda del trapianto, dello stato dell’immunosoppressione e dello stato sierologico HCMV del ricevente.

Il modello si basa su una serie di equazioni differenziali ordinarie (ODE) in grado di denotare, tramite delle variabili, l’efficacia dei farmaci antivirali e immunosoppressori.

Un’equazione differenziale é un’equazione tra la funzione cercata, alcune sue specifiche derivate e i suoi argomenti (variabili indipendenti).
Un’equazione differenziale viene chiamata “ordinaria” quando la funzione cercata possiede solo argomenti reali [8].

Purtroppo, per convalidare il modello si necessita di sufficienti dati longitudinali, non in possesso dei ricercatori, che tuttavia procedono con una descrizione qualitativa, approssimando il rapporto tra alcuni parametri e i parametri stessi. Tramite studi di simulazione vi é poi la possibilità di verificare che il modello produce risultati simili a quelli osservati nei rapporti clinici. 

L’effettiva fattibilità del controllo dell’immunodepressione post trapianto viene basata sull’MPC (model predictive control), un algoritmo che rappresenta i comportamenti di sistemi dinamici complessi. Il passo successivo sarà quello di riassumere i risultati della simulazione e dell’algoritmo e quindi la creazione di un modello, che usa dati umani, per gli esseri umani [9]. 

Riferimenti Bibliografici:

[1] Leslie M. Biomedical research. Immunology uncaged. Science. 2010 Mar 26;327(5973):1573. doi: 10.1126/science.327.5973.1573.

[2] Berceli SA, Tran-Son-Tay R, Garbey M, Jiang Z. Hemodynamically driven vein graft remodeling: a systems biology approach. Vascular. 2009 May-Jun;17 Suppl 1:S2-9.

[3] “Because immune responses to transplant allografts are the main drivers of rejection, the ability to accurately quantitate antidonor immunity is an important goal in clinical transplantation. These allow for the prediction of presensitization to the transplanted tissue and the identification of rejection without needing more invasive tests.

In this chapter, we will review three methods currently used in transplantation research. Limiting dilution assays are a traditional tool. The evolution of these assays has brought about the ELISpot. Developments in flow cytometry are also contributing to the understanding of the composition of the cells involved in these immune responses.

We can therefore obtain a deeper understanding of the process of rejection and tolerance and their evolution with time. This chapter reviews in vitro assays in the context of transplantation, but the scientific applications of sensitive, accurate, and specific immunemonitoring reach well beyond this field of research.”

[Hernandez-Fuentes MP, Salama A. In vitro assays for immune monitoring in transplantation. Methods Mol Biol. 2006;333:269-90.]

[4] Benítez F, Najafian N. Novel noninvasive assays to predict transplantation rejection and tolerance: enumeration of cytokine-producing alloreactive T cells. Clin Lab Med. 2008 Sep;28(3):365-73, v. doi: 10.1016/j.cll.2008.07.002.

[5] Canivet C, Böhler T, Galvani S, Péron JM, Muscari F, Alric L, Barange K, Salvayre R, Negre-Salvayre A, Durand D, Suc B, Izopet J, Thomsen M, Rostaing L, Kamar N. In vitro mitogen-stimulated T-cell from hepatitis C virus-positive liver transplantation candidates, increases T-cell activation markers and T-cell proliferation. Transpl Immunol. 2008 May;19(2):112-9. doi: 10.1016/j.trim.2008.03.001. Epub 2008 Apr 3.

[6] Ekong UD, Miller SD, O’Gorman MR. In vitro assays of allosensitization. Pediatr Transplant. 2009 Feb;13(1):25-34. doi: 10.1111/j.1399-3046.2008.01042.x. Epub 2008 Nov 12.

[7] Zarkhin V, Sarwal MM. Microarrays: monitoring for transplant tolerance and mechanistic insights. Clin Lab Med. 2008 Sep;28(3):385-410, vi. doi: 10.1016/j.cll.2008.08.003.

[8] “Mathematik I/II für Wirtschaftswissenschaftler”, Dr. J.-F. Emmenegger, Departement für Quantitative Wirtschaftsforschung Universität Fribourg, 2009-2010.

[9] Banks HT, Hu S, Jang T, Kwon HD. Modelling and optimal control of immune response of renal transplant recipients. J Biol Dyn. 2012;6(2):539-67. doi: 10.1080/17513758.2012.655328. Epub 2012 Feb 1.

( http://www.ncsu.edu/crsc/reports/ftp/pdf/crsc-tr11-07.pdf )

[S.P.] [A.C.] [C.N.]

Annunci

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...