Введение: Нейро-иммунная ось при воспалительных заболеваниях

Воспалительные заболевания, такие как ревматоидный артрит (РА), рассеянный склероз (МС), псориаз и воспалительные заболевания кишечника (ВЗК), давно изучаются через линзу иммунологии, фокусируясь на цитокинах, Т-клетках и аутоантителах. Тем не менее, растущее количество доказательств показывает, что нервная система не пассивный наблюдатель, а активный регулятор воспаления. Вегетативная нервная система (АНС), особенно блуждающий нерв, может ощущать периферическое воспаление и рефлекторно модулировать иммунные реакции через холинергический противовоспалительный путь. И наоборот, хроническое воспаление может изменять нейронную функцию, приводя к нейропатической боли, усталости и когнитивным нарушениям. Понимание этого двунаправленного нейроиммунного перекрестного скрещивания необходимо для разработки терапии следующего поколения, которая нацелена на корень воспаления, а не только на посредники вниз по течению.

Математические и вычислительные модели стали мощным инструментом для распутывания динамических, многомасштабных взаимодействий между нервами и иммунными клетками. Эти модели объединяют данные молекулярной сигнализации, клеточной кинетики и физиологии на уровне органов, чтобы симулировать, как возмущения — такие как бактериальная инфекция, аутоиммунная вспышка или новый препарат — распространяются через нейроиммунную сеть. Эта статья предоставляет всеобъемлющий обзор текущего состояния моделирования взаимодействия нервной системы с иммунным ответом при воспалительных заболеваниях, выделяя ключевые типы моделей, приложения, тематические исследования и будущие направления.

Роль нервной системы в иммунном регулировании

Нервная система может влиять на иммунную функцию через несколько путей. Ось гипоталамо-гипофизарно-надпочечников (ГПА) высвобождает кортизол, мощный противовоспалительный гормон. Более непосредственно симпатическая нервная система (СНС) высвобождает норадреналин в нервных окончаниях в лимфоидных органах и воспаленных тканях, активируя или подавляя различные подмножества иммунных клеток в зависимости от экспрессии рецепторов и контекста. Парасимпатическая нервная система (ПНС), через блуждающий нерв, высвобождает ацетилхолин, который связывается с никотиновыми рецепторами на макрофагах, уменьшая фактор некроза опухоли-альфа (ТНФ-α) и другие провоспалительные цитокины.

Нейронные рефлексы и воспаление

Воспалительный рефлекс является классическим примером нейроиммунной интеграции. Сенсорные афферентные волокна обнаруживают медиаторы воспаления (например, IL-1β) в периферических тканях и сигнализируют к стволу мозга. Затем ствол мозга активирует эфферентные вагусные волокна, которые подавляют высвобождение цитокинов из селезеночных макрофагов через никотиновый ацетилхолиновый рецептор α7 (α7nAChR). Этот рефлекс работает в течение нескольких минут, предлагая гораздо более быструю петлю обратной связи, чем гормональные пути. Нарушение этого рефлекса — из-за травмы блуждающего нерва, вегетативной нейропатии или генетических дефектов — может усугубить воспаление в экспериментальных моделях сепсиса, артрита и колита.

Нейропластичность при хроническом воспалении

При хронических воспалительных состояниях нервная система претерпевает структурные и функциональные изменения. Периферические нервные окончания становятся сенсибилизированными (периферическая сенсибилизация), а центральные болевые пути усиливают сигналы (центральная сенсибилизация), способствуя хронической боли. Кроме того, микроглия — резидентные иммунные клетки центральной нервной системы — становятся хронически активированными, высвобождая нейротоксические медиаторы, которые способствуют нейродегенерации при таких заболеваниях, как РС. Эти нейропластические изменения не только ухудшают симптомы, но и питаются иммунной системой, создавая порочный круг воспаления и нервной дисфункции.

Иммунный ответ: от локальной защиты до системного воспаления

Иммунный ответ на травму или инфекцию представляет собой высоко скоординированный процесс, включающий врожденные и адаптивные руки. Врожденные иммунные клетки (макрофаги, нейтрофилы, дендритные клетки) распознают связанные с патогеном молекулярные паттерны (ПАМП) и связанные с опасностью молекулярные паттерны (DAMP), вызывая быстрое высвобождение цитокинов и хемокинов, которые рекрутируют дополнительные клетки. Если первоначальный ответ не устраняет угрозу, активируется адаптивный иммунитет (Т и В-лимфоциты), обеспечивая специфичность и память.

При воспалительных заболеваниях этот ответ становится дисрегулятивным. Самоантигены ошибочно атакуются (аутоиммунитет), или воспалительный каскад не удается разрешить. Ключевыми игроками являются TNF-α, IL-6, IL-17 и интерферон-гамма. Каждый цитокин имеет свой клеточный источник, мишень и временной курс. Кроме того, иммунные клетки экспрессируют рецепторы нейротрансмиттеров (например, β-адренорецепторы, мускариновые рецепторы), делая их отзывчивыми к нервным сигналам. Связь между иммунной активацией и нервной системой двунаправленная: цитокины иммунного происхождения могут воздействовать на мозг, чтобы вызвать поведение болезни, лихорадку и измененное познание.

Моделирование нейроиммунного взаимодействия: подходы и проблемы

Моделирование нейроиммунного взаимодействия требует интеграции процессов, охватывающих молекулярные (связывание рецептора-лиганда), клеточные (миграция, пролиферация, апоптоз), тканевые (диффузия цитокинов, нейронная проводимость) и организменные (поведение, циркадные ритмы) шкалы. Используются три основные моделирующие парадигмы.

Детерминистические модели, основанные на дифференциальных уравнениях

Обычные дифференциальные уравнения (ODE) и дифференциальные уравнения с частичной дифференциацией (PDE) являются наиболее распространенным детерминированным подходом. Модели ODE представляют собой популяции клеток или концентрации медиаторов в хорошо смешанных отсеках (например, кровь, синовиальная жидкость, паренхима мозга). Модели PDE добавляют пространственную диффузию, актуальную для таких процессов, как цитокиновые градиенты или потенциальное распространение нейронного действия.

Например, детерминированная модель воспалительного рефлекса может включать в себя переменные состояния для концентрации TNF-α в сыворотке, уровень активации селезеночного макрофага, скорость вагусного эфферентного обжига и заполняемость α7nAChR. Модель включает в себя уравнения скорости для производства TNF-α (петли положительной обратной связи), деградацию и подавление ацетилхолином. Параметры оцениваются по экспериментальным данным (например, временные ряды после инъекции липополисахарида). Эти модели поддаются анализу бифуркации, позволяя исследователям идентифицировать условия, при которых система переходит из здорового устойчивого состояния в хроническое воспалительное состояние. Однако они часто предполагают однородность и игнорируют стохастические флуктуации, которые могут иметь решающее значение в небольших популяциях клеток.

Стохастические модели

Стохастические дифференциальные уравнения (SDE) и модели цепей Маркова включают случайность для учета внутреннего шума в экспрессии генов, делении клеток и редких событиях, таких как связывание рецепторов Т-клеток. В нейроиммунном моделировании стохастичность важна при моделировании небольшого числа ключевых клеток — например, резидентных Т-клеток памяти в мозговых оболочках или очагах активации микроглии в мозге.

Стохастическая структура также может фиксировать вероятностную природу нейронного обжига. Скорость обжига вагусных эфферентов не является постоянной; она варьируется в зависимости от дыхательных циклов, частоты сердечных сокращений и лопнувших паттернов. Рассматривая обжига как процесс Пуассона, модели могут показать, как время нейронного ввода влияет на эффективность подавления цитокинов. Эти модели вычислительно более требовательны, но обеспечивают более реалистичное распределение результатов (например, вероятность вспышки против ремиссии).

Агент-ориентированные модели

Модели на основе агентов (АММ) имитируют отдельные сущности (клетки, нейроны, молекулы), которые следуют правилам, основанным на их состоянии и локальной среде. Каждый агент может представлять иммунную клетку (например, макрофаг) с внутренними переменными (уровень активации, производство цитокинов, экспрессия поверхностных рецепторов). Среда может представлять собой 2D или 3D тканевую сетку с диффузными медиаторами. Нейронная активность может быть представлена в виде отдельного слоя агентов (нейронов), которые высвобождают нейротрансмиттеры при определенных синапсах или варикозностях в иммунной ткани.

АБМ особенно подходят для изучения пространственных явлений, таких как образование гранулемы, развитие третичной лимфоидной структуры или распространение нейровоспаления при поражениях РС. Они могут включать миграцию клеток вдоль градиентов хемокина, контакты клеток-клеток (например, взаимодействия Т-клеток-макрофагов) и нейронные влияния из близлежащих волокон. Гибкость АБМ достигается за счет высокой сложности модели и многих неизвестных параметров. Калибровка часто требует передовых методов, таких как байесовский вывод или машинное обучение, чтобы соответствовать выходу модели для визуализации или данных проточной цитометрии.

Применение моделирования при воспалительных заболеваниях

Нейроиммунное моделирование было применено к нескольким воспалительным состояниям, обеспечивая понимание механизмов заболевания и оптимизацию лечения.

Ревматоидный артрит

Ревматоидный артрит — хроническое аутоиммунное заболевание, характеризующееся воспалением синовиальных суставов, образованием паннуса и эрозией костей. Нейронное поражение очевидно: в синовии обильно присутствуют симпатические нервные волокна, а холинергические противовоспалительные пути могут уменьшить отек суставов у животных моделей. Моделирующие исследования имеют:

  • Показано, что стимуляция блуждающего нерва (VNS) может подавлять выработку TNF-α в селезенке и уменьшать тяжесть артрита в модели крысы (см. ]Трейси, 2012 ]. Детерминированная модель ODE рефлекса показала, что время VNS относительно начала заболевания критически определяет эффективность.
  • Использовали агентную модель ревматоидного синовия для имитации эффекта локального высвобождения норадреналина из симпатических нервов. Модель предсказала, что активация β2-адренергических рецепторов на синовиальных макрофагах сдвигает цитокиновый баланс от провоспалительного (TNF-α, IL-1β) к противовоспалительному (IL-10). Этот вывод был подтвержден клиническими данными, показывающими, что использование бета-блокаторов коррелирует с худшими результатами РА.
  • В сочетании с фармакокинетическим/фармакодинамическим (ПК/ПД) моделированием для оптимизации дозирования ингибиторов ФНО у пациентов с сопутствующей вегетативной дисфункцией. Модель предположила, что пациентам с низким вагусным тоном могут потребоваться более высокие дозы препарата для достижения того же подавления ФНО.

Множественный склероз

Множественный склероз — воспалительное демиелинизирующее заболевание центральной нервной системы. Иммунные клетки (Т-клетки, В-клетки, макрофаги) пересекают гематоэнцефалический барьер и атакуют миелиновые оболочки, приводя к потере аксональной массы и неврологическому дефициту. Нервная система как страдает, так и способствует воспалению. Моделирование усилий было сосредоточено на:

  • Моделирование инвазии аутореактивных Т-клеток в паренхиму мозга. Модель ФДЭ миграции Т-клеток через гематоэнцефалический барьер включала градиент хемокина и влияние вагусной модуляции на эндотелиальную проницаемость. Модель показала, что увеличение вагусного обжига уменьшает количество вторгающихся Т-клеток за счет ужесточения барьера через ацетилхолиновые рецепторы на эндотелиальных клетках.
  • Агентное моделирование активации микроглии в ответ на миелиновый мусор. Модель фиксировала, как локальная активация микроглии распространяется в соседние области через АТФ и диффузию цитокинов, создавая волну нейровоспаления. Включение норадренергического входа из локуса coeruleus показало, что норадренеррин подавляет активацию микроглии, что согласуется с известной защитной ролью этого ядра ствола мозга в РС.
  • Использование стохастических моделей для прогнозирования вероятности рецидива на основе ежедневных показателей вегетативной функции (вариабельность сердечного ритма). В одном из тематических исследований (]Thoma et al., 2020 ) было показано, что снижение блуждающего тонуса предшествует клиническому рецидиву на 2-3 недели, что предполагает, что модели могут служить системами раннего предупреждения.

Воспалительная болезнь кишечника

Воспалительная болезнь кишечника (ВЗК), в том числе болезнь Крона и язвенный колит, включает хроническое воспаление желудочно-кишечного тракта. Кишечник богато иннервируется кишечной нервной системой и вагусными афферентами/эфферентами. Моделирование работы имеет:

  • Разработан гибридный ОДЭ/АБМ для изучения влияния стимуляции блуждающего нерва на воспаление толстой кишки. Модель предсказала, что ВНС уменьшает TNF-α, полученный из макрофагов, и увеличивает IL-10, что приводит к более быстрому заживлению слизистой оболочки. Клинические испытания ВНС при болезни Крона (например, ]NCT02311677) продолжаются, частично о чем сообщают эти модели.
  • Использовалась детерминированная модель оси HPA и воспаления кишечника, чтобы объяснить, как психологический стресс усугубляет ВЗК. В модель была включена отрицательная обратная связь кортизола на иммунные клетки; хронический стресс снижает чувствительность рецепторов, что приводит к отказу кортизола подавлять воспаление. Это соответствует клиническим наблюдениям стресса как триггера для вспышек.

Интеграция мультиомикальных и пациентоспецифических данных

Последние достижения в области высокопроизводительных технологий (транккритомика, протеомика, метаболомика) и носимых датчиков (вариабельность сердечного ритма, электродермальная активность) предоставляют богатые данные для калибровки и проверки нейроиммунных моделей. Однако интеграция гетерогенных типов данных остается проблемой. Методы машинного обучения, такие как нейронные ОДЭ или вариационные автокодировщики, могут изучать скрытую динамику из данных временных рядов. Например, недавнее исследование использовало рекуррентную нейронную сеть для прогнозирования уровней С-реактивного белка из показателей вегетативной нервной системы у пациентов с РА, достигая высокой точности. Следующим шагом является объединение таких моделей, управляемых данными, с механистической моделью ОДЭ для достижения как предиктивной мощности, так и интерпретируемости.

Моделирование пациента является пограничной целью. Измеряя индивидуальный цитокиновый профиль, вегетативную активность (через носимые) и генетические полиморфизмы (например, в α7nAChR или β2-адренорецепторах), модель может быть персонализирована для прогнозирования оптимальной схемы лечения - будь то биологическое, VNS или вмешательство в образ жизни. Ранние примеры включают использование виртуальных когорт пациентов, генерируемых латинским гиперкубом, для тестирования VNS-доза-ответ в RA, идентифицируя, что подмножество «низких ответчиков» ухудшило экспрессию α7nAChR.

Будущие направления и вызовы

Несмотря на прогресс, несколько проблем ограничивают клинический перевод нейроиммунных моделей. Во-первых, сложность системы означает, что модели часто имеют много плохо ограниченных параметров. Анализ чувствительности может идентифицировать наиболее влиятельные параметры, но экспериментальные данные для этих параметров могут быть скудными (например, местные концентрации ацетилхолина в селезенке). Во-вторых, модели должны быть проверены по видам и условиям - то, что справедливо в мышиной модели острого воспаления, может не масштабироваться до человека с хроническим заболеванием. В-третьих, включение нейронной пластичности в течение длительных временных масштабов (месяцы до лет) требует многомасштабных структур моделирования, которые являются вычислительно тяжелыми.

Будущие направления включают: связь нейроиммунных моделей с цифровой технологией двойника, где модель пациента постоянно обновляется носимыми данными; проектирование биоэлектронных устройств с замкнутым контуром, которые корректируют параметры VNS в режиме реального времени на основе прогнозов моделей; и расширение моделей, чтобы включать психосоциальные факторы (стресс, депрессия), которые влияют как на нейронную, так и на иммунную функцию через ось HPA и блуждающий нерв.

Заключение

Взаимодействие нервной системы и иммунного ответа является фундаментальной основой патогенеза воспалительных заболеваний. Математические и вычислительные модели обеспечивают строгую основу для расчленения этого взаимодействия, генерируя проверяемые гипотезы, направляя экспериментальный дизайн и в конечном итоге информируя персонализированные терапевтические стратегии. От детерминированных до агентных подходов каждый тип модели предлагает уникальное понимание пространственно-временной динамики нейроиммунной регуляции. По мере улучшения качества данных и продвижения вычислительных методов эти модели будут становиться все более центральными для развития биоэлектронной медицины и точной иммунологии.