Introduction: L'axe neuro-immunien dans les maladies inflammatoires

Les maladies inflammatoires comme la polyarthrite rhumatoïde (RA), la sclérose en plaques (MS), le psoriasis et la maladie inflammatoire de l'intestin (IBD) ont été étudiées depuis longtemps à travers le cristallin de l'immunologie, en se concentrant sur les cytokines, les cellules T et les auto-anticorps. Pourtant, un nombre croissant de preuves révèlent que le système nerveux n'est pas un témoin passif mais un régulateur actif de l'inflammation. Le système nerveux autonome (SNA), en particulier le nerf vagus, peut sentir une inflammation périphérique et moduler de façon réflexive les réponses immunitaires par la voie cholinergique anti-inflammatoire. Inversement, l'inflammation chronique peut modifier la fonction neuronale, entraînant une douleur neuropathique, une fatigue et une déficience cognitive.

La modélisation mathématique et computationnelle est apparue comme un outil puissant pour démêler les interactions dynamiques à plusieurs échelles entre les nerfs et les cellules immunitaires.Ces modèles intègrent des données issues de la signalisation moléculaire, de la cinétique cellulaire et de la physiologie au niveau des organes pour simuler comment les perturbations – comme une infection bactérienne, une éruption auto-immune ou un nouveau médicament – se propagent par le réseau neuro-immun.

Le rôle du système nerveux dans la réglementation des tumeurs

Le système nerveux peut influencer la fonction immunitaire par de multiples voies. L'axe hypothalamique-pituitaire-adrénaline (HPA) libère le cortisol, une hormone anti-inflammatoire puissante. Plus directement, le système nerveux sympathique (SNS) libère la norépinéphrine aux extrémités nerveuses dans les organes lymphoïdes et les tissus enflammés, activant ou supprimant différents sous-ensembles de cellules immunitaires selon l'expression et le contexte des récepteurs.

Réflexes neuraux et inflammation

Le réflexe inflammatoire est un exemple classique d'intégration neuro-immune. Les fibres efferentes détectent les médiateurs inflammatoires (par exemple, IL-1β) dans les tissus périphériques et le signal au tronc cérébral. Le tronc cérébral active ensuite des fibres vagales efferentes qui suppriment la libération de cytokine par le récepteur α7 nicotinique acétylcholine (α7nAChR). Ce réflexe fonctionne en quelques minutes, offrant une boucle de rétroaction beaucoup plus rapide que les voies hormonales.

Neuroplastique en inflammation chronique

Dans des conditions inflammatoires chroniques, le système nerveux subit des changements structurels et fonctionnels. Les terminaisons nerveuses périphériques deviennent sensibilisées (sensibilise périphérique) et les voies de douleur centrale amplifient les signaux (sensibilise centrale), contribuant à la douleur chronique. De plus, les microglies – les cellules immunitaires résidentes du système nerveux central – deviennent des médiateurs neurotoxiques qui contribuent à la neurodégénérescence dans des maladies comme la sclérose en plaques.

La réponse immunitaire : de la défense locale à l'inflammation systémique

Les cellules immunitaires innées (macrophages, neutrophiles, cellules dendritiques) reconnaissent les pathopathogènes et les pathopathes (PAMP), ce qui déclenche la libération rapide des cytokines et des chimiokines qui recrutent des cellules supplémentaires. Si la réponse initiale ne permet pas de dissiper la menace, l'immunité adaptative (Lymphocytes T et B) est activée, fournissant spécificité et mémoire.

Dans les maladies inflammatoires, cette réponse devient dysréglementée. Les auto-antigènes sont attaqués par erreur (auto-immunité), ou la cascade inflammatoire ne parvient pas à se résoudre. Les principaux acteurs sont le TNF-α, IL-6, IL-17 et l'interféron-gamma. Chaque cytokine a une source cellulaire distincte, une cible et un parcours temporel.

Modéliser l'interaction neuro-immunique : approches et défis

La modélisation de l'interaction neuro-immune nécessite l'intégration de processus couvrant les échelles moléculaires (recepteur-liigand), cellulaires (migration, prolifération, apoptose), tissulaires (diffusion de cytokines, conduction neuronale) et organo-spatiales (comportement, rythmes circadiens).

Modèles déterministes basés sur les équations différentielles

Les équations différentielles ordinaires (ECO) et les équations différentielles partielles (EPO) sont les approches déterministes les plus courantes. Les modèles ECO représentent les populations de cellules ou les concentrations de médiateurs dans des compartiments bien mélangés (p. ex. sang, liquide synovial, parenchyme cérébral).

Par exemple, un modèle déterministe du réflexe inflammatoire pourrait inclure des variables d'état pour la concentration sérique de TNF-α, le niveau d'activation de macrophages spléniques, le taux de cuisson efférent vagal et l'occupation de α7nAChR. Le modèle comprend des équations de taux pour la production de TNF-α (boucles de rétroaction positive), la dégradation et la suppression par l'acétylcholine. Les paramètres sont estimés à partir de données expérimentales (p. ex., séries chronologiques après injection de lipopolysaccharide). Ces modèles sont traitables pour l'analyse de la bifurcation, permettant aux chercheurs de déterminer les conditions dans lesquelles le système passe d'un état stable sain à un état inflammatoire chronique.

Modèles stochastiques

Les équations différentielles stochastiques (EPS) et les modèles en chaîne Markov intègrent le hasard pour tenir compte du bruit intrinsèque dans l'expression des gènes, la division cellulaire et les événements rares tels que la liaison des récepteurs des cellules T. Dans la modélisation neuro-immune, la stochasticité est importante pour simuler de petits nombres de cellules clés – par exemple, les cellules T de mémoire résidente dans les méninges ou les foyers d'activation microgliale dans le cerveau.

Un cadre stochastique peut aussi saisir la nature probabiliste du tir neuronal. Le rythme de tir des efferents vagales n'est pas constant; il varie selon les cycles respiratoires, la fréquence cardiaque et les modes d'éclatement. En traitant le tir comme un processus de Poisson, les modèles peuvent révéler comment le moment de l'entrée neuronale affecte l'efficacité de suppression cytokine.

Modèles basés sur les agents

Les modèles basés sur les agents (ABM) simulent des entités individuelles (cellules, neurones, molécules) qui suivent des règles basées sur leur état et leur environnement local. Chaque agent peut représenter une cellule immunitaire (p. ex. un macrophage) avec des variables internes (niveau d'activation, production de cytokine, expression des récepteurs de surface). L'environnement peut être une grille tissulaire 2D ou 3D avec médiateurs diffusibles. L'activité neuronale peut être représentée comme une couche distincte d'agents (neurons) qui libèrent des neurotransmetteurs à des synapses ou des varicosités définies dans le tissu immunitaire.

Les ABM sont particulièrement adaptés pour examiner des phénomènes spatiaux tels que la formation de granulomes, le développement de structures lymphoïdes tertiaires ou la propagation de neuroinflammations dans les lésions de la SP. Ils peuvent intégrer la migration cellulaire le long des gradients chimiokines, les contacts cellules-cellules (p. ex. interactions cellules-macrophages T) et les influences neurales des fibres voisines. La flexibilité des ABMs est au prix d'une complexité de modèle élevée et de nombreux paramètres inconnus.

Applications de la modélisation dans les maladies inflammatoires

La modélisation neuro-immune a été appliquée à plusieurs affections inflammatoires, fournissant des informations sur les mécanismes de la maladie et l'optimisation du traitement.

Arthrite rhumatoïde

La polyarthrite rhumatoïde est une maladie auto-immune chronique caractérisée par une inflammation articulaire synoviale, la formation du pannus et l'érosion osseuse. L'implication neurale est évidente : les fibres nerveuses sympathiques sont abondantes dans le synovium, et les voies cholinergiques anti-inflammatoires peuvent réduire l'enflure articulaire dans les modèles animaux.

  • Il a montré que la stimulation nerveuse vagale (SPN) peut supprimer la production de TNF-α dans la rate et réduire la sévérité de l'arthrite dans un modèle de rat (voir Tracey, 2012. Un modèle déterministe de l'ODE du réflexe a révélé que le moment de l'apparition de la maladie détermine de façon critique l'efficacité du SPN.
  • Le modèle a prédit que l'activation du récepteur β2-adrénergique sur les macrophages synoviaux déplace l'équilibre cytokine de la pro-inflammatoire (TNF-α, IL-1β) à l'anti-inflammatoire (IL-10). Cette constatation a été corroborée par des données cliniques montrant que l'utilisation de bêta-bloquants est en corrélation avec des résultats de RA plus mauvais.
  • Combiné à la modélisation pharmacocinétique/pharmacodynamique (PK/PD) pour optimiser l'administration des inhibiteurs du TNF chez les patients présentant un dysfonctionnement autonome concomitant. Le modèle suggère que les patients ayant un faible ton vagal peuvent avoir besoin de doses plus élevées pour obtenir la même suppression du TNF.

Sclérose en plaques

La sclérose en plaques est une maladie démyélinante inflammatoire du système nerveux central. Les cellules immunitaires (cellules T, cellules B, macrophages) traversent la barrière hémato-encéphalique et attaquent les gaines de myéline, entraînant une perte axonale et des déficits neurologiques. Le système nerveux souffre et contribue à l'inflammation.

  • Simulant l'invasion des cellules T autoréactives dans le parenchyme cérébral. Un modèle PDE de migration des cellules T à travers la barrière hémato-encéphalique a incorporé le gradient de la chimiokine et l'effet de la modulation vagale sur la perméabilité endothéliale. Le modèle a montré que l'augmentation de la cuisson vagale réduit le nombre de cellules T envahissantes en resserrant la barrière par l'intermédiaire des récepteurs acétylcholine sur les cellules endothéliales.
  • La modélisation par agent de l'activation microgliale en réponse aux débris de myéline. Le modèle a capté la façon dont l'activation microgliale locale se propage aux régions voisines par l'ATP et la diffusion de cytokine, créant une vague de neuroinflammation. L'inclusion de l'entrée noradrénergique du locus coeruleus a montré que la norépinéphrine supprime l'activation microgliale, ce qui est conforme au rôle protecteur connu de ce noyau du tronc cérébral dans la SEP.
  • Une étude de cas (Thoma et al., 2020) a démontré que les diminutions du tonus vagal précédaient les rechutes cliniques de 2 à 3 semaines, ce qui suggère que les modèles pourraient servir de systèmes d'alerte précoce.

Maladie inflammatoire du Bowel

La maladie inflammatoire de l'intestin (DCI), y compris la maladie de Crohns et la colite ulcéreuse, implique une inflammation chronique du tractus gastro-intestinal. L'intestin est richement innervé par le système nerveux entérique et les afférents vagales/efférents.

  • Le modèle prédit que le VNS réduit le TNF-α dérivé des macrophages et augmente l'IL-10, ce qui entraîne une cicatrisation plus rapide des muqueuses. Les essais cliniques du VNS pour la maladie de Crohns (p. ex., NCT02311677) sont en cours, en partie éclairés par ces modèles.
  • Utilise un modèle déterministe de l'axe HPA et de l'inflammation intestinale pour expliquer comment le stress psychologique exacerbe IBD. Le modèle incorpore cortisol , la rétroaction négative sur les cellules immunitaires ; le stress chronique réduit la sensibilité des récepteurs, conduisant à une incapacité du cortisol à supprimer l'inflammation.

Intégration de données multi-omiques et spécifiques aux patients

Les progrès récents dans les technologies à haut débit (transcriptomique, protéomique, métabolomique) et les capteurs portables (variabilité de la fréquence cardiaque, activité électrodermique) fournissent de riches données pour l'étalonnage et la validation des modèles neuro-immuns. Cependant, l'intégration de types de données hétérogènes demeure un défi. Les méthodes d'apprentissage automatique, comme les ODE neurales ou les auto-encodeurs variationnels, peuvent apprendre la dynamique latente à partir des données de séries chronologiques.

En mesurant le profil de cytokine individuel, l'activité autonome (par le biais de la portabilité) et les polymorphismes génétiques (p. ex., dans les récepteurs adrénergiques α7nAChR ou β2), un modèle pourrait être personnalisé pour prédire le régime thérapeutique optimal, qu'il s'agisse d'une intervention biologique, VNS ou mode de vie.

Orientations et défis futurs

Malgré les progrès accomplis, plusieurs défis limitent la traduction clinique des modèles neuro-immuns. Premièrement, la complexité du système signifie que les modèles ont souvent de nombreux paramètres mal limités. L'analyse de sensibilité peut identifier les paramètres les plus influents, mais les données expérimentales pour ces paramètres peuvent être rares (p. ex., les concentrations locales d'acétylcholine dans la rate). Deuxièmement, les modèles doivent être validés entre les espèces et les conditions – ce qui est vrai dans un modèle de souris d'inflammation aiguë ne peut pas s'étendre à un humain atteint de maladie chronique.

Les orientations futures comprennent : le couplage des modèles neuro-immunes avec la technologie numérique jumelée, où un modèle patient est continuellement mis à jour avec des données portables; la conception de dispositifs bioélectroniques en boucle fermée qui ajustent les paramètres VNS en temps réel en fonction des prédictions du modèle; et l'extension des modèles pour inclure des facteurs psychosociaux (stress, dépression) qui influencent à la fois la fonction neuronale et immunitaire par l'axe HPA et le nerf vagus.

Conclusion

L'interaction entre le système nerveux et la réponse immunitaire est un pilier fondamental de la pathogenèse inflammatoire. La modélisation mathématique et computationnelle fournit un cadre rigoureux pour dissecter cette interaction, générant des hypothèses testables, guidant la conception expérimentale et en fin de compte informant des stratégies thérapeutiques personnalisées. De la démarche déterministe à l'approche par agent, chaque type de modèle offre des perspectives uniques sur la dynamique spatiotemporelle de la régulation neuro-immune.