شاید کمی عجیب به نظر برسد اما حتی در درمان کرونا نیز از ریاضیات استفاده می شود. وقتی نوبت به طراحی واکسن جدید علیه عفونت ویروسی می رسد، توسعه دهندگان واکسن باید چندین تصمیم بزرگ بگیرند. یکی از آنها انتخاب نوع پاسخ ایمنی است که می خواهند به جمعیت القا کنند.
در مقاله اخیر انجمن در Trends in Immunology، گروهی از محققان در UPF و موسسه ریاضیات عددی Marchuk در مسکو ، به رهبری آندریاس میرهانس و گنادی بوچاروف ، مقاله نظری ارائه می‌دهند که ممکن است به موضوع واکسیناسیون و درمان کرونا کمک کند. محققان از یک مدل ریاضی برای درک بهتر پاسخ ایمنی به واکسن ها استفاده کرده اند. این مدل می تواند به بهبود طراحی واکسن و ساده سازی چالش های فنی مرتبط با آن بسیار کمک کند.
نقش ریاضیات در درمان کرونا
ویروس ها در واقع انگل های داخل سلولی هستند که برای تکثیر به سلول های میزبان نیاز دارند. بنابراین، برای اینکه ویروس انسان را آلوده کند، باید به برخی از سلول های بدن دسترسی پیدا کند که ویروس ها را قادر به تکثیر می کنند. ویروس ها در سلول‌های آلوده جمع می شوند و پس از آزاد شدن، سایر سلول‌های هدف را در اطراف خود آلوده می کنند. اگر هیچ پاسخ ایمنی برای مقابله با این ویروس وجود نداشته باشد، ویروس به گسترش خود ادامه می دهد و ممکن است باعث آسیب دائمی اندام شود.
در یک تحقیق جالب و جامع، محققان از یک مدل ریاضی برای درک بهتر پاسخ ایمنی به واکسن ها استفاده کرده اند. واکسن ها مقرون به صرفه ترین راه برای ایجاد مصونیت میزبان نسبت به ویروس است که به او کمک می کند تا ویروس عفونی را زیر سطح بیماری زا نگه دارد. برای انجام این کار، واکسن‌ها ممکن است آنتی بادی هایی را القا کنند که به خنثی کردن ویروس های آزاد مونتاژ شده و سلول‌های T سیتوتوکسیک خاص ویروس کمک می کنند که سلول‌های آلوده را بکشند و در نتیجه تعداد سلول های تولید کننده ویروس را به این طریق کاهش می دهند.
در حالی که هر دو بازوی پاسخ ایمنی برای اثربخشی واکسن اهمیت زیادی دارند، این سوال مطرح است که این فاکتورها در مبارزه با واکسن چگونه وارد عمل می شوند؟ آیا اعمال آنها صرفا افزایشی است یا از الگوی دیگری استفاده می کنند؟ محققان اکنون با بررسی سهم آنتی بادی ها و سلول های T سیتوتوکسیک با استفاده از مدلی بر اساس پویایی عفونت ویروسی به این سؤالات اساسی پرداخته اند. مدل های ریاضی استفاده شده در این تحقیق نشان می دهند که این دو عامل اصلی کنترل عفونت ویروسی به جای الگوی افزایشی، به صورت ضربدری با هم همکاری می کنند. در حالی که این رابطه ممکن است نسبتا انتزاعی به نظر برسد، پیامدهای بسیار عملی برای توسعه واکسن به همراه دارد.
به عنوان مثال، برای اینکه یک واکسن ویروسی کارآمد باشد، باید پاسخ ایمنی اولیه را تا ضریب ۱۰۰۰۰ افزایش دهد، این نتیجه ممکن است از دو روش تأمین شود یا آنتی‌بادی‌ها یا سلول‌های T سیتوتوکسیک با ضریب ۱۰۰۰۰ افزایش می‌یابند یا هر یک از این پاسخ ها تنها با ضریب ۱۰۰ افزایش می یابند. دستیابی به الگوی دوم از نظر عملی آسان تر است و بنابراین گزینه های مختلفی را برای توسعه دهندگان واکسن برای طراحی خود فراهم می کند.
اگرچه این نتایج فقط مبتنی بر مبانی نظری هستند و نیاز به اعتبار تجربی دارند، اولین داده ها در این جهت در حال ظهور هستند. بوچاروف می گوید: “ما امیدواریم که کار مفهومی ما به طور مثبت به طراحی واکسن های کارآمدتر کمک کند. به این ترتیب باید گفت ریاضی که دانشمندان از آن با عنوان مادر علوم یاد می کنند، می تواند راه حل های موثری برای کشنده ترین بیماری قرن نیز ارائه کند. شاید زمان آن رسیده است که با ریاضیات آشتی کنید و آن را از زاویه دیگری نگاه کنید.
