Host-pathogen kinetics during influenza infection and coinfection: insights from predictive modeling.
Host-pathogen kinetics during influenza infection and coinfection: insights from predictive modeling.
复制标题
DOI：
10.1111/imr.12692
复制
发表时间：
2018-09
影响因子：
8.7
通讯作者：
Smith AM
中科院分区：
文献类型：
--
作者：
Smith AM
流感病毒感染是全世界发病和死亡的主要原因。这部分是由于新病毒变种的不断出现以及与其他病毒和细菌的协同相互作用。人们对宿主反应如何控制感染以及其他病原体如何利用改变的免疫状态缺乏了解。多病原体感染的复杂性使得剖析其贡献机制具有挑战性，这些机制可能是非线性的并且发生在不同的时间尺度上。幸运的是，数学模型已经能够揭示感染控制机制，建立调节反馈，跨时间尺度连接机制，并确定决定不同疾病结果的过程。这些模型测试了现有的假设并产生了新的假设，其中一些假设随后在实验室进行了测试和验证。它们在研究流感细菌合并感染方面尤其关键，并且无疑将有助于研究流感病毒与其他病毒之间的相互作用。在这里，我回顾了流感相关感染建模的最新进展、通过建模获得的新颖的生物学见解、模型驱动的实验设计的重要性以及该领域的未来方向。
Influenza virus infections are a leading cause of morbidity and mortality worldwide. This is due in part to the continual emergence of new viral variants and to synergistic interactions with other viruses and bacteria. There is a lack of understanding about how host responses work to control the infection and how other pathogens capitalize on the altered immune state. The complexity of multi‐pathogen infections makes dissecting contributing mechanisms, which may be non‐linear and occur on different time scales, challenging. Fortunately, mathematical models have been able to uncover infection control mechanisms, establish regulatory feedbacks, connect mechanisms across time scales, and determine the processes that dictate different disease outcomes. These models have tested existing hypotheses and generated new hypotheses, some of which have been subsequently tested and validated in the laboratory. They have been particularly a key in studying influenza‐bacteria coinfections and will be undoubtedly be useful in examining the interplay between influenza virus and other viruses. Here, I review recent advances in modeling influenza‐related infections, the novel biological insight that has been gained through modeling, the importance of model‐driven experimental design, and future directions of the field.
登录
查看更多内容
DOI：
10.1016/s1473-3099(06)70466-2
发表时间：
2006-05
期刊：
The Lancet. Infectious diseases
影响因子：
--
作者：
Brundage JF
通讯作者：
Brundage JF
影响因子：
7.3
作者：
Cao P;Wang Z;Yan AW;McVernon J;Xu J;Heffernan JM;Kedzierska K;McCaw JM
通讯作者：
McCaw JM
影响因子：
7.6
作者：
Billiau A
通讯作者：
Billiau A
DOI：
10.3390/v7102875
发表时间：
2015-10-12
期刊：
Viruses
影响因子：
--
作者：
Boianelli A;Nguyen VK;Ebensen T;Schulze K;Wilk E;Sharma N;Stegemann-Koniszewski S;Bruder D;Toapanta FR;Guzmán CA;Meyer-Hermann M;Hernandez-Vargas EA
通讯作者：
Hernandez-Vargas EA
影响因子：
2
作者：
Dobrovolny, Hana M.;Gieschke, Ronald;Beauchemin, Catherine A. A.
通讯作者：
Beauchemin, Catherine A. A.