Introducción: El eje neuroinmune en la enfermedad inflamatoria

Enfermedades inflamatorias como artritis reumatoide (RA), esclerosis múltiple (MS), psoriasis y enfermedad inflamatoria intestinal (IBD) han sido estudiados durante mucho tiempo a través de la lente de inmunología, centrándose en las citocinas, células T y autoanticuerpos. Sin embargo, un creciente cuerpo de evidencia revela que el sistema nervioso no es un espectador pasivo, sino un regulador activo de la inflamación.

El modelado matemático y computacional ha surgido como una poderosa herramienta para desenredar las interacciones dinámicas y multiescala entre los nervios y las células inmunes. Estos modelos integran datos de señalización molecular, cine celular y fisiología a nivel de órgano para simular cómo las perturbaciones, como una infección bacteriana, una fulguración autoinmune o un nuevo fármaco, propulsan a través de la red neuroinmune.

El papel del sistema nervioso en el reglamento de la inmune

El sistema nervioso puede influir en la función inmune a través de múltiples vías receptoras. El eje hipotálmico-pituitario-adrenal (HPA) libera cortisol, una potente hormona antiinflamatoria. Más directamente, el sistema nervioso simpático (SNS) libera la nerepinefrina a los extremos nerviosos en los órganos linfoides y los tejidos inflados, activando o suprimiendo diferentes subconjuntos de células inmunitarias dependiendo de la expresión y el contexto inflamatorio del receptor.

Reflexión y inflamación neuronales

El reflejo inflamatorio es un ejemplo clásico de integración neuroinmune. Las fibras sensoriales detectan mediadores inflamatorios (por ejemplo, IL-1β) en tejidos periféricos y señal al tronco cerebral. El tronco cerebral activa entonces fibras vagas eferentes que suprimen la liberación de citoquinas de macrofágenes esplénicos a través de la acetilcolina hormonal α7

Neuroplicidad en Inflamación Crónica

En condiciones inflamatorias crónicas, el sistema nervioso sufre cambios estructurales y funcionales. Los terminales nerviosos periféricos se hacen sensibilizados (sensibilización experimental) y las vías centrales del dolor amplifican las señales (sensibilización central), contribuyendo al dolor crónico. Además, la microglia, las células inmunitarias residentes del sistema nervioso central, se vuelven neurotóxicos y liberan síntomas de la enfermedad neurodegeneracional.

La respuesta inmunitaria: de la defensa local a la inflamación sistémica

La respuesta inmunitaria a la lesión o infección es un proceso altamente coordinado que implica brazos innatos y adaptables. Las células inmunes inmunes inmunes (macrofages, neutrófilos, células dendritas) reconocen patrones moleculares asociados a patógenos (PAMP) y patrones moleculares asociados al peligro (DAMPs), desencadenando la liberación rápida de citocinas y quimioquinas que reclutan células adicionales.

En las enfermedades inflamatorias, esta respuesta se vuelve disregulado. Los autoantigenos son atacados por error (autoinmunidad), o la cascada inflamatoria no resuelve. Los jugadores clave incluyen TNF-α, IL-6, IL-17, y interferon-gamma. Cada citocina tiene una fuente celular distinta, objetivo y curso de tiempo.

Modelización de la Interacción Neuroinmune: Enfoques y desafíos

La modelación de la interacción neuroinmune requiere la integración de procesos que abarcan escalas moleculares (receptor-ligand binding), celular (migración, proliferación, apoptosis), tejido (difusión de citocinas, conducción neuronal) y organismos (comportamiento, ritmos circadianos). Se han empleado tres paradigmas principales de modelado.

Modelos determinados basados en ecuaciones diferenciales

Las ecuaciones diferenciales ordinarias (ODEs) y las ecuaciones diferenciales parciales (PDEs) son el enfoque determinístico más común. Los modelos ODE representan poblaciones de células o concentraciones de mediadores en compartimentos bien mezclados (por ejemplo, sangre, fluido sinovial, parenquima cerebral). Los modelos PDE añaden difusión espacial, relevante para procesos como gradientes de citocina o propagación potencial de acción neuronal.

Por ejemplo, un modelo determinista del reflejo inflamatorio puede incluir variables estatales para la concentración sérica TNF-α, nivel de activación de macrofragamiento esplenico, tasa de disparo variable y α7nAChR ocupación. El modelo incluye las ecuaciones de frecuencia para la producción de TNF-α (ops de retroalimentación positiva), degradación y supresión experimental por la lipolina.

Modelos estocásticos

Las ecuaciones diferenciales estocásticas (SDEs) y los modelos de cadena Markov incorporan aleatoria para tener en cuenta el ruido intrínseco en la expresión génica, división celular y eventos raros como la unión de receptores T. En el modelado neuroinmune, la estecástica es importante cuando simulan pequeños números de células clave, por ejemplo, células T de memoria residente en las meninges o foci de activación microglial en el cerebro.

Un marco estocástico también puede capturar la naturaleza probabilística de disparos neuronales. La tasa de disparo de efferents vagos no es constante; varía con ciclos respiratorios, frecuencia cardíaca y patrones de explosión. Al tratar el fuego como un proceso Poisson, los modelos pueden revelar cómo el tiempo de entrada neural afecta la eficiencia de la supresión de citoquinas. Estos modelos son computacionalmente más exigentes pero proporcionan distribuciones más realistas de resultados (por ejemplo, probabilidad).

Modelos basados en agentes

Modelos basados en agentes (ABMs) simulan entidades individuales (células, neuronas, moléculas) que siguen reglas basadas en su entorno estatal y local. Cada agente puede representar una célula inmune (por ejemplo, una macrofágen) con variables internas (nivel de activación, producción de citocinas, expresión de receptores de superficie).El entorno puede ser una red de tejido 2D o 3D con mediadores difusos.

Los ABM son especialmente adecuados para examinar fenómenos espaciales como la formación de granuloma, el desarrollo de la estructura terciaria de linfoides o la propagación de la neuroinflamación en lesiones MS. Pueden incorporar la migración celular a lo largo de gradientes de quimiocina, contactos de células celulares (por ejemplo, interacciones de células T-macrofago), e influencias neuronales de las fibras cercanas.

Aplicaciones de la modelación en enfermedades inflamatorias

El modelado neuroinmune se ha aplicado a varias condiciones inflamatorias, proporcionando información sobre los mecanismos de enfermedad y optimización del tratamiento.

Artritis reumatoide

La artritis reumatoide es una enfermedad autoinmune crónica caracterizada por inflamación articular sinovial, formación de pannus y erosión ósea. La implicación neural es evidente: las fibras nerviosas simpáticas son abundantes en el síovio, y las vías antiinflamatorias colinerológicas pueden reducir la inflamación articular en los modelos animales.

  • Se ha demostrado que la estimulación nerviosa vaga (VNS) puede suprimir la producción de TNF-α en el bazo y reducir la severidad de la artritis en un modelo de rata (ver Tracey, 2012). Un modelo de ECM determinista del reflejo reveló que el momento de VNS en relación con la aparición de enfermedades determina críticamente la eficacia.
  • Utiliza un modelo basado en agentes del sinovio reumatoide para simular el efecto de liberación local de la norepinefrina de los nervios simpáticos. El modelo predijo que la activación de los receptores β2-adrenergicos en los macrófagos sinoviales cambia el equilibrio de citocinas de los resultados pro-inflamatorios (TNF-α, IL-1β) a los antiinflamatorios (IL-10).
  • Combinado con el modelado farmacocinético/farmaciano (PK/PD) para optimizar la dosificación de inhibidores de TNF en pacientes con disfunción autonómica concomitante. El modelo sugirió que los pacientes con tono vago bajo pueden requerir dosis de fármacos más altas para lograr la misma supresión de TNF.

Esclerosis múltiple

La esclerosis múltiple es una enfermedad inflamatoria de demyelinación del sistema nervioso central. Las células inmunitarias (células T, células B, macrófagos) cruzan la barrera de la sangre-cerebro y atacan las vainas de mielina, provocando la pérdida axonal y los déficits neurológicos. El sistema nervioso sufre y contribuye a la inflamación.

  • Simular la invasión de células T autoreactivas en el parenquima cerebral. Un modelo PDE de la migración de células T a través de la barrera de cerebros sanguíneos incorporó el gradiente de quimioquinas y el efecto de la modulación vaga en la permeabilidad endotelial. El modelo mostró que el aumento de la tiro vaga reduce el número de células T invasoras al endurecer la barrera a través de receptores de acetilcolina en células endoteliales.
  • Modelado basado en agentes de activación microglial en respuesta a los escombros de mielina. El modelo capturó cómo la activación microglial local se disemina a regiones vecinas a través de ATP y la difusión de citoquinas, creando una ola de neuroinflamación. La inclusión de entrada noradrenergica del locus coeruleus mostró que la norepinefrina suprime la activación microglial, consistente con el papel protector del cerebro conocido.
  • Usando modelos estocásticos para predecir la probabilidad de recaída basada en las medidas diarias de función autonómica (variabilidad de la frecuencia cardíaca). Un estudio de caso (]Thoma et al., 2020) demostró que la disminución de tono vago precede a la recaída clínica de 2 a 3 semanas, sugiriendo que los modelos podrían servir como sistemas de alerta temprana.

Enfermedad inflamatoria del intestino

La enfermedad inflamatoria intestinal (IBD), incluyendo la enfermedad de Crohn y la colitis ulcerativa, implica inflamación crónica del tracto gastrointestinal. El intestino está ricamente inervado por el sistema nervioso intrínseco y afferents/efferents. El trabajo de modelado tiene:

Integrando datos multiómicos y de pacientes Específicos

Los avances recientes en tecnologías de alto rendimiento (transcriptomics, proteomics, metabolomics) y sensores utilizables (variabilidad de la frecuencia cardíaca, actividad electrodérmica) proporcionan datos ricos para calibrar y validar modelos neuroinmunes. Sin embargo, integrar los tipos de datos heterogéneos sigue siendo un reto.

El modelado específico del paciente es un objetivo de frontera. Mediante la medición del perfil de citoquinas, actividad autonómica (vía usable), y polimorfismos genéticos (por ejemplo, en α7nAChR o receptores adrenérgicos β2), un modelo podría ser personalizado para predecir el tratamiento óptimo del régimen de tratamiento, ya sea una intervención biológica, VNS o estilo de vida.

Future Directions and Challenges

A pesar del progreso, varios desafíos limitan la traducción clínica de los modelos neuroinmunes. En primer lugar, la complejidad del sistema significa que los modelos a menudo tienen muchos parámetros mal limitados. El análisis de sensibilidad puede identificar los parámetros más influyentes, pero los datos experimentales para esos parámetros pueden ser escasos (por ejemplo, concentraciones locales de acetilcolina en el bazo).

Las direcciones futuras incluyen: acoplamiento de modelos neuroinmunes con tecnología digital gemela, donde el modelo de un paciente se actualiza continuamente con datos utilizables; diseño de dispositivos bioelectrónicos de cierre cerrado que ajustan los parámetros VNS en tiempo real basados en predicciones de modelos; y ampliación de modelos para incluir factores psicosociales (streza, depresión) que influyen tanto en la función neuronural como inmune a través del eje HPA y el nervio vago.

Conclusión

La interacción entre el sistema nervioso y la respuesta inmune es un pilar fundamental de patogenesis inflamatoria de la enfermedad. La modelación matemática y computacional proporciona un marco riguroso para diseccionar esta interplay, generando hipótesis testables, orientando el diseño experimental y informando finalmente estrategias terapéuticas personalizadas. Desde enfoques deterministas a basados en agentes, cada tipo de modelo ofrece una visión única de la dinámica spatiotemporal de la regulación de la bioinmune cada vez más.