applied

sciences
Articulo

Inflamación crónica en la epidermis:

Un modelo matemático
Shinji Nakaoka 1, Sota Kuwahara 2, Chang Hyeong Lee 3, Hyejin Jeon 4,5, Junho Lee 5,
Yasuhiro Takeuchi 2 and Yangjin Kim 5,6,∗
1 Institute of Industrial Science, University of Tokyo, Tokyo 153-8505, Japan; snakaoka@m.u-tokyo.ac.jp
2 College of Science and Engineering, Aoyama Gakuin University, Kanagawa 252-5258, Japan;
shinzy.nakaoka@gmail.com (S.K.); takeuchi@gem.aoyama.ac.jp (Y.T.)
3 Department of Mathematical Sciences, Ulsan National Institute of Science and Technology,
Ulsan 44919, Korea; leechanghyeong@gmail.com
4 Department of Radiology, Seoul National University Hospital, Seoul 03080, Korea; jhjisthebest@gmail.com
5 Department of Mathematics, Konkuk University, Seoul 05029, Korea; juneho2222@gmail.com
6 Department of Mathematics, Ohio State University, Columbus, OH 43210, USA
* Correspondence: ahyouhappy@konkuk.ac.kr; Tel.: +82-02-450-0450; Fax: +82-02-458-1952

Academic Editor: Yang Kuang

Received: 11 June 2016; Accepted: 31 August 2016; Published: 9 September 2016

Resumen: El tejido epidérmico es el componente más externo de la piel que desempeña un importante papel
como primer sistema de barrera para evitar la invasión de diversos agentes ambientales, como las bacterias.
Estudios recientes han identificado la importancia de la competencia microbiana entre bacterias dañinas y
benéficas y la diversidad de la superficie de la piel en nuestra salud. Desarrollamos modelos matemáticos
(modelos M1 y M2) para el proceso de inflamación utilizando ecuaciones diferenciales ordinarias y
ecuaciones diferenciales de retardo. En este trabajo, estudiamos la dinámica de la comunidad microbiana a
través de factores de transcripción, proteasas y citoquinas extracelulares. Investigamos los posibles
mecanismos para inducir un cambio en la composición de la comunidad y analizamos la dinámica de
competencia vigorosa entre las bacterias dañinas y las benéficas a través de las actividades inmunitarias.
Encontramos que la activación de las proteasas del factor de transcripción dentro de una célula juega un papel
significativo en la regulación de la persistencia bacteriana en el modelo M1. El modelo de competencia (M2)
predice que diferentes niveles de eliminación de citoquinas pueden conducir a un sistema de persistencia de
bacterias dañinas, a un estado libre de bacterias malas y a la coexistencia de poblaciones de bacterias dañinas y
buenas en la dinámica de tipo I, mientras que en la dinámica de tipo II se ilustra un sistema biestable sin
coexistencia. Esto ilustra un posible cambio fenotípico entre las poblaciones bacterianas dañinas y buenas en
un microambiente. También encontramos que los grandes retrasos en la activación de las respuestas
inmunitarias sobre la dinámica de esas poblaciones bacterianas conducen a la aparición de oscilaciones en las
bacterias dañinas y en las actividades inmunitarias. El modelo matemático sugiere una posible aniquilación de
las oscilaciones impulsadas por el retraso temporal mediante fármacos terapéuticos.

Palabras clave: epidermis; modelo matemático; inflamación bacteriana; competencia bacteriana

1. Introducción
La piel es el tejido más extenso, que se compone de varias capas diferentes. La epidermis está situada en la
parte más externa del tejido cutáneo, que actúa como primera barrera para la invasión de agentes físicos (agua),
químicos (proteínas) y biológicos (virus y bacterias). Una población de queratinocitos es el principal tipo de
célula de la epidermis, que constituye el estrato basal, el estrato espinoso, el estrato granuloso y el estrato córneo.
Los queratinocitos liberan péptidos antimicrobianos o citoquinas proinflamatorias para prevenir la infección
bacteriana o vírica [1]. La segunda capa más externa, la dermis, está situada entre la epidermis y los tejidos
subcutáneos, que están compuestos por fibroblastos, macrófagos y adipocitos [2].

Appl. Sci. 2016, 6, 252; doi:10.3390/app6090252 42 www.mdpi.com/journal/applsci

Appl. Sci. 2016, 6, 252

La dermis contiene componentes de la matriz extracelular, como colágeno y elastina, así como linfa, vasos sanguíneos
y muchos tipos de células inmunitarias residentes en la piel. La homeostasis del tejido cutáneo se mantiene mediante
la eliminación adecuada de los agentes invasores y la regulación estricta de las actividades celulares. Por otro lado, la
ruptura de la homeostasis del tejido cutáneo induce numerosas enfermedades, como el cáncer, las complicaciones
tras una lesión y los síntomas inflamatorios. La dermatitis atópica (DA) es una de las principales enfermedades
inflamatorias de la piel, que se caracteriza por el elevado nivel de IgE sérica y las respuestas inmunitarias alérgicas
crónicas [3]. La incidencia de la EA ha aumentado en los países desarrollados. En particular, estudios genéticos
recientes han revelado que la disfunción de la barrera de la epidermis debida a la mutación de la filagrina es un
importante factor desencadenante de la progresión de la enfermedad [4,5]. La filagrina se sintetiza en los
queratinocitos del estrato granuloso, que se degrada para convertirse en un componente principal del factor natural
de hidratación (NMF). La falta de NMF se asocia con la pérdida de agua y la sequedad de la piel, lo que conduce a la
progresión de la EA y la ictiosis vulgar [4]. No sólo la sequedad, sino también las actividades proteolíticas excesivas de
la epidermis están implicadas como factores causales de la EA. Los pacientes con síndrome de Netherton que
presentan una inflamación crónica similar a la de la dermatitis atópica indican un defecto genético que provoca un
exceso de serina proteasas [6].
La inferencia de las bacterias como factor ambiental se ha implicado como posible factor de progresión de
las enfermedades inflamatorias de la piel. Dos de las principales especies de bacterias patógenas para las
enfermedades de la piel son Staphylococcus aureus (S. aureus) y Streptococcus pyogenes (S. pyogenes). Es
importante destacar que S. aureus es una de las principales especies virulentas, que se asocia a la progresión de
la dermatitis atópica [7]. S. aureus también induce el impétigo y otros síntomas graves. El S. aureus resistente a
la meticilina (SARM) es una cepa de S. aureus resistente a los antibióticos, cuya incidencia se registra a menudo
como infección nosocomial [8]. Por otra parte, algunas bacterias comensales pueden mostrar comportamientos
mutualistas mediante la supresión de especies bacterianas potencialmente patógenas a través de interacciones
directas e indirectas, conocidas como efectos probióticos. Por ejemplo, Staphylococcus epidermititis (S.
epidermititis), una de las principales especies bacterianas comensales de la piel, puede apoyar la defensa del
huésped liberando péptidos antimicrobianos [9,10]. Las otras especies microbianas beneficiales incluyen
especies pertenecientes al género Lactobacillus. El Lactobacillus reuteri contribuye a la supervivencia de los
queratinocitos frente a la muerte celular inducida por el S. aureus al superar a este último [11].
El sistema inmunitario desempeña un papel fundamental en la prevención de la invasión de numerosos
agentes, como bacterias, hongos, virus y proteínas extrañas [12]. No sólo los antígenos extraños, sino también
los antígenos presentados por las bacterias comensales pueden ser un estímulo antigénico para el sistema
inmunitario del huésped [13]. De hecho, el número de bacterias en abundancia está controlado por el sistema
inmunitario del huésped en condiciones normales [14]. La patogenicidad de S. aureus puede ser conferida por
numerosas estrategias de evasión inmunitaria. De hecho, en [15-17] se ha informado de varios factores
virulentos de S. aureus. Por el contrario, se ha informado de varias funciones beneficiales de S. epidermititis,
aunque éste puede ser virulento como patógeno nosocomial para pacientes inmunodeprimidos [18]. S.
epidermititis desencadena respuestas inmunitarias innatas a través de los receptores tipo Toll (TLR)-2, que
median la eliminación de bacterias patógenas, como S. aureus [19]. Lactobacillus plantarum puede utilizar el
sistema inmunitario innato del huésped mediado por las células epiteliales modulando las expresiones de IL-17,
IL 23 y TLR-2/4 [20].
A pesar de que se han identificado muchos factores causales y preventivos de la progresión de la EA y
otras enfermedades inflamatorias de la piel, cada investigación experimental y clínica se centra únicamente en
un aspecto específico de la biología de la piel. La integración de los conocimientos en cada subdominio es
necesaria para lograr una comprensión global de la progresión de la EA. Como se ha descrito anteriormente, la
detección de la manifestación de la dermatitis atópica requiere la integración de la función de barrera debilitada
debido a un defecto genético o a una actividad proteolítica excesiva, la res puesta inflamatoria desencadenada
por algunas de las bacterias comensales y el reclutamiento anormal de células inmunitarias a través de una
comunicación celular irregular con respecto a la señalización de citoquinas. La modelización matemática y el
estudio de simulación permiten la integración y proporcionan algunas ideas básicas sobre el mecanismo de
mantenimiento subyacente a la homeostasis de la piel y el desarrollo de la enfermedad como un defecto de la
condición homeostática.
Nos centramos en las interacciones bacterianas competitivas entre S. epidermatitis, como bacteria buena, y S.
aureus, como bacteria mala, que se producen en el tejido cutáneo para reflectar específicamente las
observaciones experimentales y empíricas, como [19].

43
Appl. Sci. 2016, 6, 252

Aunque nuestro objetivo principal es investigar los efectos de la competencia bacteriana en la dinámica de
las respuestas inflamatorias en la epidermis, los modelos matemáticos presentados aquí pueden ser útiles como
esquema general para describir las interacciones entre las especies bacterianas como factor ambiental con las
respuestas inmunitarias del huésped en la superficie del cuerpo, como la epidermis y el tracto gastrointestinal
(GI). Véase [21,22] para las diversas funciones de las proteasas en el tracto GI en el mantenimiento de la
homeostasis intestinal. Por lo tanto, nos centramos en la construcción de modelos matemáticos para
representar un menos detallado, pero la forma general de las interacciones entre inflammation relacionados con
las moléculas, como la proteasa, factores de transcripción y citoquinas extracelulares con bacterianas especies
en la epidermis.
En el presente trabajo se investiga cómo puede producirse una inflamación crónica en el tejido cutáneo. Se
emplean modelos matemáticos sencillos para describir la invasión de bacterias, la actividad proteolítica de los
queratinocitos, la activación de la respuesta inmunitaria innata y la liberación de péptidos antimicrobianos y
citoquinas. La organización del presente trabajo es la siguiente. En la sección 2, se formulan dos modelos
matemáticos (M1 y M2). El modelo M1 se formula para modelar la dinámica de la inflamación en respuesta a la
infección bacteriana a través de un factor de transcripción y de citoquinas extracelulares, así como de proteasas
activas. Los retrasos temporales pueden desempeñar un papel central en la regulación del sistema inmune
bacteriano en este estudio debido a los posibles retrasos en la regulación de los factores de transcripción
intracelulares, la inducción de proteasas y la secreción de citoquinas extracelulares de la comunicación
bidireccional entre una célula del tejido y el microambiente. La manipulación artificial (inhibición o
potenciación de los actores moleculares) de las vías de señalización mediante fármacos terapéuticos suele
inducir retrasos [23,24] en la generación de la producción final de respuestas inmunitarias, es decir, de
citoquinas extracelulares, como la IL-4, la IL-12, el TNF-α y el IFN-γ [25,26]. Para describir explícitamente la
competencia entre las bacterias dañinas y las buenas, en el modelo M2 se emplea una formulación mediante
una ecuación diferencial ordinaria (EDO) y una ecuación diferencial de retardo (EDD). En la sección 3 se
discuten los análisis matemáticos de estos modelos, incluyendo la existencia y estabilidad de los equilibrios. En
la sección 3.1 se realizan simulaciones numéricas para investigar cómo se establece y mantiene el estado
inflamatorio crónico. Además, investigamos cómo la competencia bacteriana puede llevar a un estado de
inflamación crónica elevada como estado de desequilibrio (disbiosis). En la sección 3.2, analizamos la dinámica
de competencia de las bacterias dañinas y las buenas en ausencia y presencia de retrasos temporales y de
fármacos potenciadores de la inmunidad. También realizamos varios experimentos in silico, que incluyen la
investigación de: (i) el efecto de la velocidad de eliminación de las citocinas en la generación de tres regímenes
(persistencia de bacterias dañinas, persistencia de bacterias buenas y coexistencia) en la dinámica de tipo I y un
sistema de biestabilidad como posible cambio fenotípico en la dinámica de tipo II; (ii) el efecto de los retrasos
temporales en la generación de los comportamientos oscilatorios de las poblaciones bacterianas; (iii) el impacto
de diferentes regímenes de inyección de fármacos en las poblaciones bacterianas. En la sección 4, ofrecemos una
discusión sobre el mecanismo fundamental de los ataques bacterianos y la respuesta inmunitaria, así como los
esquemas de supervivencia de las bacterias dañinas en competencia con las buenas y el trabajo futuro en detalle.
En el apéndice se presenta la subdimensión y el análisis de sensibilidad del modelo.
2. Materiales y métodos
En este documento, presentamos dos tipos de modelos matemáticos, el modelo básico M1 en la sección
2.1 y el modelo de competencia M2 en la sección 2.2.

2.1. Modelo M1
En esta sección, desarrollamos un modelo matemático basado en el diagrama esquemático de la Figura 1.
Como se indica en la sección 1, los principales actores de la red de infección bacteriana en ausencia de
competencia con otras bacterias son las siguientes variables:

44
 Appl. Sci. 2016, 6, 252

B = densidad de bacterias nocivas,

P = concentración de proteasa,
AI = concentración del factor de transcripción intracelular,
A E = concentración de citoquinas extracelulares,

La figura 1A ilustra la regulación dinámica de las actividades inmunitarias en respuesta a la infección

bacteriana. Las bacterias crecen en el sistema con una capacidad de carga e inducen la secreción de proteasas
para mejorar la invasión bacteriana. Estas actividades proteolíticas son suprimidas por los inhibidores de la
proteasa en condiciones normales, pero los equilibrios perturbados entre una proteasa y sus inhibidores
inducen la activación de factores transcripcionales, causando problemas en la piel, como la atopia. Los factores
transcripcionales regulados inducen actividades inmunitarias (citoquinas extracelulares), que a su vez tratan de
eliminar las bacterias. Para incorporar las interacciones biológicas mostradas en la figura 1A a nuestro modelo
de dinámica bacteria-inmune, empezamos por simplificar esta red. La figura 1B muestra una representación de
la figura 1A. La interpretación cinética de las flechas y cabezas de martillo en la red dada representa la
inducción (flecha) y la inhibición (cabeza de martillo). Fusionamos todas las redes complejas entre las
proteasas y sus inhibidores en un solo componente (cuadro azul punteado en la Figura 1A), mientras que
mantuvimos los componentes de las bacterias, el factor transcripcional y las respuestas inmunes alérgicas
externas (citoquinas) en un módulo (cuadros rojos punteados en la Figura 1A), respectivamente. El esquema
incluye el crecimiento bacteriano, la secreción de proteasas a partir de la invasión bacteriana y los factores
transcripcionales estimulados, la activación del factor de transcripción intracelular a partir de las proteasas
reguladas y las citocinas secretadas, la activación de las citocinas extracelulares a partir del factor de
transcripción, la degradación proteica de esas moléculas clave y la erradicación de esas bacterias por las
citocinas.

(A) Activation (B)

ctiv
Bacteria 
decay

B
Atopy Protease  BP
Epidermal
cell P
Protease
Protease  P
Inhibitor
nhib to
 PI
decay IP
I  BI
Immune
cell immun
mm
nal all er gic
Interna
e resppo nse
 AI
( TSLP)
 IE
Decay/
EI 
E

clearanc e
External
Exter nal allergic immune
re sponse
ponse (cyt
immune
(cytokines) AE

Figura 1. Esquema del modelo M1. (A) Un esquema de las respuestas inmunes a la infección bacteriana; (B) el
modelo de red final que abstrae la estructura clave de la red de interacción en (A). Al fusionar un compartimento
multiespecífico (cuadro azul discontinuo en (A) que incluye las proteasas y sus inhibidores) en un
compartimento ('P' en (B)), obtenemos un modelo más simple en (B). Las densidades de las bacterias, las
proteasas, el factor de transcripción intracelular y las citoquinas extracelulares están representadas por 'B', 'P', 'AI
' y 'AE', respectivamente.

45
Appl. Sci. 2016, 6, 252

La activación de los factores de transcripción asociados a las respuestas inmunitarias, como un miembro
de la familia del factor regulador del interferón (IRF), suele estar mediada por retroalimentaciones positivas
entre estos factores de transcripción [27]. También se sabe que la activación de la proteasa está mediada por
interacciones moleculares entre los miembros de la familia de la calicreína [28]. La producción de las citoquinas
también se ve facilitada por una retroalimentación positiva, que suele denominarse tormenta de citoquinas
[29]. Estas activaciones con retroalimentación positiva pueden modelarse mediante funciones de Hill.
En este trabajo, consideramos el siguiente tipo específico de respuesta funcional conocido como función
Hill:
σ◦ (X) := n m ◦ X n , (1)
a n
◦
◦ + (s X)
donde ◦ ∈ {IP, BP, PI, BI, EI, IE . Supongamos
} que la activación de la proteasa está mediada por el factor de
transcripción AI y la bacteria B. Sobre la base de estas observaciones, escribimos las ecuaciones
fenomenológicas para el cambio de velocidad de esos actores clave (B, P, A I , A E) como sigue:

dB B
=λ + rB B 1− − γA E B,
dt K
dP
=σIP(AI ) + σBP (B) − δP P,
dt (2)
dA I
=σ PI ( P) + σ BI (B) + σ EI (AE ) − δI AI ,
dt
dA E
=σ IE(AI ) − δE A E.
dt
donde λ es el origen de las poblaciones bacterianas en el tejido desde el aire, r B es la tasa de crecimiento de las
bacterias, K es la capacidad de carga de la población bacteriana, γ es la tasa de eliminación de las bacterias por
parte de las citoquinas inmunitarias y, finalmente, δ P, δI , δE son las tasas de decaimiento/aclaración de las
proteasas, los factores transcripcionales y las citoquinas, respectivamente.
En el cuadro 1 se resume una lista de parámetros.

Tabla 1. Valores de los parámetros adimensionales en el modelo M1. TF = factor de transcripción.

Parámetro Descripción Valor

m IP Tasa máxima de activación de proteasas por TFs 8–100
a IP Constante de media saturación de las proteasas por los TFs 3.0
sIP Fuerza inhibitoria de la activación de las proteasas por los TFs 1
n Coeficiente de cooperatividad de Hill 2
mBP Tasa máxima de activación de las proteasas por las bacterias 8
aBP Constante de media saturación de las proteasas por las bacterias 3.0
sBP Fuerza inhibitoria de la activación de las proteasas por las bacterias 1
mPI Tasa máxima de activación de TFs por proteasas 8
aPI Constante de media saturación de los TF por las proteasas 3.0
sPI Fuerza inhibitoria de la activación de TFs por proteasas por 1
mBI Tasa de activación máxima de los TF por parte de las bacterias 8
aBI Constante de media saturación de los TF por parte de las bacterias 3.0
sBI Fuerza inhibitoria de los TF por parte de las bacterias 1
m EI Tasa máxima de activación de los TF por las citoquinas 8
aEI Constante de media saturación de los TF por las citoquinas 3.0
sEI Fuerza inhibitoria de los TF por las citoquinas 1
m IE Tasa máxima de activación de citoquinas por TFs 8
a IE Constante de media saturación de citoquinas por TFs 3.0
sIE Inhibición de las citocinas por los TF 1

46
Appl. Sci. 2016, 6, 252

Tabla 1. Cont.

Parámetro Descripción Valor

δP Tasa de degradación de la proteasa 3.0
δI Tasa de degradación del factor de transcripción 3.0
δE Tasa de degradación de citoquinas extracelulares 3.0
λ Tasa de migración de las bacterias 0.1
rB Tasa de crecimiento de la población de bacterias 0.1
K Capacidad de carga de las bacterias 10.0
γ Tasa de eliminación per cápita de las bacterias 1.0

2.2. Modelo M2

En esta sección, consideramos dos cepas bacterianas diferentes. La figura 2A ilustra la regulación dinámica
de la infección bacteriana y las respuestas inmunitarias. Existe una competencia entre las bacterias dañinas y las
buenas para el crecimiento bacteriano. La infección bacteriana induce la regulación al alza del factor
transcripcional dentro de la célula para la actividad inmunitaria y la secreción de proteasas para mejorar la
invasión bacteriana. A continuación, las citoquinas extracelulares inducidas por el factor de transcripción
suprimen ambas bacterias. Para incorporar la red de interacción que se muestra en la figura 2B a nuestro
modelo de competencia e inflamación bacteriana, empezamos por simplificar esta red. Como se indicó en la
sección 1, los five principales actores de la red de infección bacteriana son las bacterias dañinas, las bacterias
buenas, la proteasa, los factores de transcripción intracelulares y las citoquinas extracelulares. Sean las variables
B1, B2, P, AI y AE las densidades o concentraciones de las bacterias dañinas, las bacterias buenas, la proteasa, el
factor de transcripción y las citoquinas, respectivamente. La figura 2B muestra una representación de la figura
2A. La interpretación cinética de las flechas y cabezas de martillo en la red dada representa la inducción (flecha)
y la inhibición (cabeza de martillo). El esquema incluye el crecimiento bacteriano tanto de las bacterias dañinas
como de las buenas, la inhibición mutua entre las bacterias dañinas y las buenas, la secreción de proteasas a
partir de esas invasiones bacterianas, la activación del factor de transcripción intracelular a partir de esas
infecciones bacterianas, la activación de citoquinas extracelulares a través del factor de transcripción, la
degradación proteica de esas moléculas clave y la erradicación de esas bacterias por medio de citoquinas.
Se sabe que: (i) la vida media de las proteasas (P) es corta, lo que indica la gran tasa de decaimiento de P y
que las reacciones de las proteasas ocurren rápidamente; y (ii) las reacciones químicas típicas entre las proteínas
y los genes en una escala de tiempo rápida conducen a la dinámica interna rápida. Esto nos permite utilizar la
aproximación del estado cuasi estable (QSSA) para simplificar los modelos complejos (o redes de interacción en
la Figura 2B). Basándonos en la estructura topológica y en los flujos de activación unidireccionales en el módulo
de reacción inmune (actividades de factores de transcripción (AI ), actividades proteolíticas (P), niveles
citotóxicos (AE); recuadro gris en la Figura 2B) y el correspondiente QSSA, fusionamos todas las redes
complejas entre factores transcripcionales (AI ), proteasas (P) y citoquinas extracelulares (AE) en un solo
componente (recuadro gris en la Figura 2B,C), mientras que mantuvimos los componentes bacterianos nocivos
(B1) y malos (B2) en un solo módulo (recuadros punteados amarillos en la Figura 2B), respectivamente.
Basándonos en estas observaciones, escribimos las ecuaciones fenomenológicas para el cambio de velocidad de
esos componentes clave (B1, B2, AE) como sigue:
dB 1
dt = r1 B1 (1 − α11B1 − α 12 B2) − γAE B1, (3)
dB 2
dt = r2 B2 (1 − α21 B1 − α 22 B2) − γAE B2, (4)
dAE
= β1B 1 + β2 B2 − δA E. (5)
dt
donde r1 y r2 son la tasa de crecimiento de las bacterias dañinas y buenas, respectivamente, αii (i = 1, 2) y αij
(i /= j, i, j = 1, 2) representan los coeficientes de competencia intraespecífica e interespecífica entre las bacterias
dañinas y buenas, respectivamente, γ es la tasa de eliminación de esas bacterias por las citocinas extracelulares,
β1 y β2 son la activación de las respuestas inmunitarias (nivel de citocinas) de las bacterias dañinas y buenas,

47
 Appl. Sci. 2016, 6, 252

respectivamente, y δ es la tasa de eliminación de las citocinas inmunitarias. En muchos casos, los valores
medidos de estos parámetros (r1, r2, αii, γ, β1, β2, δ) no están disponibles por razones técnicas. Con el fin de
determinar los rangos adecuados de los valores de los parámetros para un correcto comportamiento dinámico
reflexionando un sistema biológico real y para investigar la sensibilidad de las poblaciones bacterianas y las
respuestas inmunes a estos parámetros, hemos realizado un análisis de sensibilidad para un modelo
matemático (3)-(5)en el Apéndice B. Algunos de los valores de los parámetros (α11, r2, γ, β1) son muy
sensibles, pero otros (α22) no son sensibles a estos cambios. Véase el Apéndice para más detalles.
Para fines computacionales, en el Apéndice A se desnaturalizan las variables y los parámetros de los
modelos M1 (ecuación (2)) y M2 (ecuaciones (3)-(5)).

(A) Ecological system in the presence of competition

between harmful and good bacteria

B B B B air B
B
B
B Cell j B B
B
Cell i
B
B T C
Skin Inflammation

B Harmful bacteria ( B 1 ) T Transcript factor (A I )

Induction
Cytokine/anti−microbial
B Good bacteria ( B 2 ) C
peptide ( A E ) Inhi ition
Protease (P)

(B) 11
(C)
22 11 22
21 21

B1 B2  B1 B2
12 12
1 2 2
1  1 2 
rIP
AI P
rPI
I P
rIE
  AE
E 
A
AE 


Figura 2. Un esquema del modelo M2. (A) Un esquema del sistema biológico para la competencia entre las
bacterias dañinas y las buenas y las respuestas inmunitarias. Existe un antagonismo mutuo entre las bacterias
dañinas y las buenas. Por otra parte, la infección bacteriana induce la regulación al alza del factor transcripcional
(diamante azul) dentro de la célula para la actividad inmunitaria y la secreción de proteasas (cuarto de pastel
rojo) para mejorar la invasión bacteriana. Las citoquinas extracelulares inducidas (verde) a partir del factor de
transcripción (azul) suprimen entonces tanto las bacterias dañinas (estrella roja) como las buenas (estrella azul).
Todas las flechas se refieren a la inducción de la expresión de genes o proteínas. Las cabezas de martillo desde y
hacia las bacterias (B1, B2) se refieren a la inhibición o supresión del crecimiento bacteriano. (B) Redes
topológicas que representan las observaciones biológicas de (A). Las densidades de las bacterias dañinas, las
bacterias buenas, las proteasas, el factor de transcripción intracelular y las citoquinas extracelulares están
representadas por ‘B1 ’, ‘B2 ’, ‘P’, ‘A I ’ y ‘A E’, respectivamente. (C) El modelo de red final que abstrae la
estructura clave de la red en (B). Al fusionar un compartimento multiespecífico (recuadro gris en (B) que
incluye ‘AI ’, ‘P’ y ‘AE’) en un compartimento ‘A E’ (recuadro gris en (C)), obtenemos un modelo más sencillo
en (C).
3. Resultados
En esta sección, analizamos la dinámica de dos modelos (M1 y M2). En la siguiente sección, investigamos
primero la dinámica del modelo M1 para la infección bacteriana y sus implicaciones en las respuestas
inmunitarias.

48
Appl. Sci. 2016, 6, 252

3.1. Dinámica del modelo M1

El modelo M1 se ocupa de las respuestas inmunitarias a la infección bacteriana a través de la regulación
de las proteasas (P), las respuestas inmunitarias alérgicas internas (AI ) y la respuesta inmunitaria alérgica
externa en términos de citoquinas (AE). En primer lugar, clasificamos los estados estables del modelo M1 (2)
en la siguiente sección.

3.1.1. Clasificación de los estados estables

Existen tres tipos de equilibrio para el sistema (2). Dejemos que EB := ( B̄, 0, 0, 0) denote un estado
estacionario que representa la ausencia de proteasa y de respuestas inmunitarias bajo la persistencia
bacteriana, donde B̄ > K es una raíz positiva de B2 — KB − Kλ/r = 0. Dejemos que E∗ := ( B ∗, P∗, A ∗, A∗E)
denote un estado inflamatorio que se mantiene por estímulos externos adicionales de las bacterias. Los
componentes de E∗ están determinados por la solución del siguiente sistema de ecuaciones:

B∗
λ + r B B∗ 1− — γA ∗E B ∗ = 0,
K
σI P(A ∗I ) + σBP (B ∗ ) − δ P P ∗ = 0, (6)
σBI (B ∗ ) + σPI (P ∗ ) + σEI (A ∗E ) − δ I A ∗I = 0,
σI E(A ∗I ) − δE A ∗E = 0.

Sustituyendo las ecuaciones primera y tercera en la segunda ecuación de (6), obtenemos la

siguiente ecuación con respecto a AI∗:

δ I A ∗I = σPI ((σI P(A ∗I ) + σBP (B ∗ ))/δ P ) + σEI (σI E(A ∗I )/δ E ) + σBI (B ∗ ). (7)

De las ecuaciones primera y cuarta de (6) se deduce que B∗ se escribe explícitamente como una
raíz positiva de la siguiente ecuación cuadrática con respecto a B:
γ Kλ
B2 − K 1 − σIE(A∗ ) B− = 0. (8)
I
rB δ E rB

Nótese que B∗ > 0. A I∗debe satisfacer:

rBδE
σIE(A∗) < . (9)
I
γ

Entonces, existe una única raíz positiva de (8), denotada por B = B∗ > 0. Dado que σ IE (AI ) es
continua y monotónicamente creciente con respecto a AI , (9) se reescribe como:

r B δE
A ∗I < σ IE
−1 . (10)
γ

Entonces, (7) se reescribe como:

δ I A ∗I =σPI ((σI P(A ∗I ) + σBP(K − γKσI E (A ∗I )/r B δ E))/δ P )

(11)
+ σEI (σI E (A ∗I )/δ E ) + σBI (K − γKσI E (A ∗I )/r Bδ E ).

La existencia de un equilibrio positivo E viene determinada por la raíz de (11) con la restricción (10).
Dejemos que EL ∗, EU ∗ y E∗H denoten tres equilibrios de (2) ordenados por el valor de los A I s: A ∗I,L <
A ∗I, U < A ∗I,H. Desde el punto de vista biológico, A ∗I ,· representa la fuerza de la inflamación
desencadenada por los estímulos antigénicos.
La figura 3 indica que hay dos casos posibles: la existencia de un único equilibrio para la
activación débil de las proteasas (mIP = 8; Figura 3A) o múltiples equilibrios para la activación
reforzada de la activación proteolítica (mIP = 50; Figura 3B). Aquí, mIP es la tasa de activación de las
proteasas del factor de transcripción en la célula.

49
Appl. Sci. 2016, 6, 252

En los paneles superiores de la Figura 3, la línea sólida recta (azul) y la curva punteada (verde)
muestran los lados izquierdo y derecho de (11) en función de (AI∗), respectivamente. La intersección
de esas dos curvas representa los equilibrios (EL ∗, EU∗ y E∗H). El análisis de estabilidad indica que: (i)
cuando m I P es pequeño (m I P = 8.0, el panel superior de la Figura 3A), EL ∗ (círculo negro filtrado) es
estable;(ii) cuando mIP es relativamente grande (mIP = 50.0, el panel superior de la Figura 3B), dos
estados estables (EL ∗ y EU∗ ; círculos vacíos) son inestables, pero un estado estacionario (E∗H; círculo
negro filtrado) es estable. La figura 3A muestra la aparición del fenotipo de persistencia bacteriana
en respuesta a la activación débil de las proteasas (mIP = 8.0). El único equilibrio estable positivo
EL ∗ reside en la región (recuadro rosa) donde se suprimen las actividades de los factores de
transcripción y el crecimiento bacteriano es activo. Por otro lado, cuando la activación de la
proteasa se potencia más de seis veces (mIP = 50), existen tres equilibrios positivos (EL ∗ (inestable),
EU∗ (inestable) and E∗H (estable)) simultáneamente (Figura 3B). El estado estable E∗H reside en la
región (recuadro azul en la Figura 3B) donde las actividades bacterianas son inhibidas por las
respuestas inmunitarias internas persistentes. Estos resultados predicen los cambios dinámicos para
varios niveles de activación de la proteasa e ilustran la importancia de la activación de la proteasa en
la regulación del crecimiento bacteriano bajo la vigilancia del sistema inmunitario en el tejido.

Characterization of immune dynamics in response to low and high mIP

(A) 12 mIP  8
Steady state solution
(B) 12 mIPstatesolution
Steady 50
LHS LHS
RHS–control RHS–mIP
10 10

8 8
*
6
EH
6

4
E L*
4 * E*
2
2
EL U

0 0
0 1 2 3
AI 0 1 2 3
AI

Stable S.S. unstable

E* E*L
Bacterial concentration (B)

Bacterial concentration (B)

L
Bacteria persists
Low immune
response

EU* Low bacterial activity

Unstable High immune response
*
E
H
2 Stable
2
0 Transcriptional factor (AI) 0 Transcriptional factor (AI)

Figura 3. Caracterización de la activación de la proteasa y la respuesta inmunitaria en el modelo M1.

Los círculos de los paneles inferiores representan las soluciones en estado estacionario de (11) para
valores altos y bajos de un parámetro de control mIP, la tasa de activación de las proteasas del factor
de transcripción en la célula. La intersección (círculos negros) de la línea recta (lado izquierdo de
(11); línea sólida azul) y la curva (lado derecho de (11); curva punteada verde) corresponde al valor
numérico de AI∗ en el panel superior. * Círculo negro filtrado = estable, círculo vacío = inestable. (A)
El fenotipo de persistencia bacteriana en respuesta a la activación débil de las proteasas (mIP = 8.0).
Existe un único equilibrio estable positivo EL* en la región (recuadro rosa) donde se reducen las
actividades de los factores de transcripción y se observa la persistencia bacteriana. (B) Supresión del
crecimiento bacteriano por las actividades inmunitarias en respuesta a una mayor activación de las
proteasas (mI P = 50). Existen tres equilibrios positivos EL ∗, EU ∗ y E∗H simultáneamente. Mientras que
dos equilibrios EL ∗ y EU ∗ son inestables, el equilibrio E∗H es estable. El equilibrio E∗H reside en la región
(recuadro azul) en la que se reducen las actividades bacterianas y persisten altas respuestas
inmunitarias internas. Todos los demás parámetros están fijados como en la Tabla 1.

50
Appl. Sci. 2016, 6, 252

En la siguiente sección, analizamos la dinámica del modelo M1 y discutimos la implicación de

las respuestas inmunitarias internas y externas en la regulación de la población de bacterias dañinas.

3.1.2. Dinámica del sistema modelo M1

Cuando el sistema modelo M1 (2) está en equilibrio, podemos resolver la densidad de bacterias (B) en función de
la tasa de activación de las proteasas del factor de transcripción (mIP) para cualquier conjunto de parámetros. La
Figura 4A muestra el gráfico B = B(mIP) como curvas en forma de S cuando se fijan otros valores de parámetros
como en la Tabla 1. Mientras que una porción de la rama superior en el rango inferior de activación de la
proteasa es estable, el resto de la rama superior correspondiente al rango intermedio de la tasa de activación de
la proteasa es inestable. Por otro lado, la rama inferior es estable y la rama media es inestable. Si mIP es
pequeño, entonces el sistema (2) está en la rama superior, B es alto y surge el fenotipo de persistencia
bacteriana. Esta situación continúa manteniéndose a medida que aumenta el mIP hasta que alcanza la criticidad.
En este punto, el sistema salta a la rama inferior, con un nivel suprimido de actividades bacterianas, y se inhibe el
crecimiento bacteriano (mientras que aumentan las actividades inmunitarias). A medida que el mIP disminuye
debido a un alto nivel de activación de la proteasa, el crecimiento bacteriano permanece suprimido, hasta que el
mIP disminuye hasta el punto de la rodilla izquierda (flecha roja; ~42), momento en el que la población bacteriana
salta a la rama superior y la Las bacterias vuelven a la fase de crecimiento. La figura 4B–D también muestra los
gráficos AI = AI(mIP), P = P(mIP) y AE = AE(mIP) como bucles de histéresis. Se observa que las curvas de
bifurcación para esas variables en las respuestas inmunes (factores de transcripción intracelular (IA), nivel de
proteasa (P) y citosinas extracelulares (AE)) muestran las imágenes invertidas del ciclo de histéresis B - mIP en la
Figura 4A, que refleja la bacteria -Sistema de competencia inmune. En otras palabras, las actividades inmunitarias
(niveles de AI, P y AE) se suprimen en comparación con la persistencia bacteriana en respuesta a la activación
débil de la proteasa, mientras que se muestran altos niveles de respuestas inmunitarias en comparación con el
crecimiento bacteriano inhibido en respuesta a la activación fuerte de la proteasa.
Sobre la base de la dinámica de las actividades bacterianas y los niveles de citoquinas observados anteriormente,
definiremos dos tipos adaptativos del sistema de infección bacteriana (sistemas de persistencia bacteriana (TB) y
de estimulación inmunológica (TI) ) de la siguiente manera:

TB = {(B, AE ) ∈ R2 : B > thB , 0 ≤ AE < thAE },

(12)
T I = {(B, A E) ∈ R2 : 0 ≤ B < th B, A E > th AE }
donde thB y thAE son los valores umbral de las actividades bacterianas y el nivel de citoquinas, respectivamente.
Con esta definición (12), el único caso de equilibrio estable Eÿ deL en la Figura 3A pertenece a la región TB
en la mIP bajo, mientras que el estado estacionario estable EHÿ FmigIPura 3B reside en la región TI en el caso de alto.

En la Figura 5, mostramos cómo el sistema se adapta a los cambios en el parámetro mIP como se predijo en
el análisis anterior (Figura 4). La Figura 5A–C ilustra dos patrones distintos del estado estacionario (SS; círculos
rellenos de rojo) del sistema dinámico en respuesta a un nivel bajo (mIP = 30, Figura 5A), intermedio (mIP=
50, Figura 5B) y alto (mIP = 80, Figura 5C) tasa de activación de proteasa (mIP) en el diagrama de fase B- AE.
Un nivel bajo de activación de proteasa del factor de transcripción (mIP = 30) induce niveles bajos de
citoquinas y una infección bacteriana alta (Figura 5A), mientras que el nivel de activación intermedio o alto
(mI= 50, 80) conduce a una respuesta inmune significativa y supresión bacteriana. actividades (Figura 5B, C,
respectivamente) independientemente de las condiciones iniciales. La Figura 5D ilustra dos modos distintos
en el plano B-AE como se describe en (12): (i) la región de persistencia bacteriana (TB) donde se potencia el
crecimiento bacteriano y se suprimen los niveles de citoquinas; (ii) la zona de refuerzo inmunitario (TI, donde
aumentan los niveles de citoquinas extracelulares y se inhiben las actividades bacterianas. En la Figura 5E-G,
mostramos los cursos de tiempo de la densidad de bacterias (B; rojo) y las concentraciones de proteasa (P,
rosa), factor de transcripción (AI; verde) y citocinas (AE, azul) en respuesta a tres tasas de activación de
proteasas del factor de transcripción (mIP = 30, 50, 80) correspondientes a la Figura 5A-C, respectivamente,
conla condición inicial B (0) = 1,7, P(0) = 0,1, AI(0) = 0,1, AE(0) = 0,1.

51
 Appl. Sci. 2016, 6, 252

En la siguiente sección, investigamos la dinámica del modelo de competencia M2.

(A) Bifurcation curve ( mIP) (B) Bifurcation curve (mIP )

3.
1.
Bacteria concentration (B)

Transcriptional factor (Al)

H Proteolysis &
&

2.
Bacteria Persist & immune
mmune response
resp nse
Low inflammation
1.

2.
1.
0.5

unstable
unstable
Bacteria Persist &
Proteolysis &
Low inflammation

1.
stable immune response stable
0 20 40 60 80 100 0 20 40 60 80 100
0 0
Activation rate of proteanase ( mIP ) Activation rate of proteanase ( mIP )

(C) Bifurcation curve (mIP ) (D) Bifurcation curve (mIP )

Proteolysis &
15

immune
mmune response
1.

Proteolysis &
&
)

AE immune
mmune response
1.
Proteinase (P)

Cytokine levels (
10

0.
0.
5

0.

Bacteria Persist & Bacteria Persist &

Low inflammation unstable
Low inflammation
0.

unstable stable
0

0 0 20 40 60 80 100 0 0 20 40 60 80 100
Activation rate of proteanase ( mIP ) Activation rate of proteanase ( mIP )

Figura 4. Curvas de bifurcación en el modelo M1 (2). (A) El bucle de histéresis B-mIP : el crecimiento bacteriano esactivo cuando mIP
varía en la rama estable superior y suprimido cuando mIP varía en la rama inferior rama estable. Definimos los tipos de persistencia
bacteriana por B > thB y el refuerzo inmunológico región por B < thB y tomar thB = 0.7. A medida que mIP aumenta desde un valor bajo
(flecha negra) en el rama superior, el sistema pierde estabilidad en un punto de bifurcación de Hopf (punta de flecha negra, marcada con
'H'). (B–D) Los bucles de histéresis correspondientes para factores de transcripción intracelular (AI), nivel de proteasa (P) y citocinas
extracelulares (AE). Otros parámetros se fijan como en la Tabla 1. Negro = estable, azul = inestable,
puntos rojos = punto de bifurcación de Hopf.

(A) (B)

Stable

Unstable
Unstable
Stable

Figure 5. Cont.

52
 Appl. Sci. 2016, 6, 252

(C) (D)
Stable
Immune
response

)
AE
B low

Cytokine level (
AE high
Bacteria persist zone
B high
AE low
Bacterial level (B)
(E) (F) (G)
m =30 m =50 m =80
IP IP IP
2.5 8 14

7 12
2
6 Bacteria density (B)
10 Protease (P)
5 Transcriptional factor (A)I
1.5 8 Cytokine levels (A )
E
4
6
1 3
4
2
0.5
1 2

0 0 0
0 10 20 30 40 50 60 0 10 20 30 40 50 60 0 10 20 30 40 50 60
TIME TIME
TIME

Figura 5. Dinámica del modelo M1 (2). (A–C) Dinámica del sistema M1 en el plano de fase B-AE para una tasa de activación (mIP) baja
(mIP = 30; (A)), intermedia (mIP = 50; (B)) y alta (mIP = 80; (C) ) de proteasa por el factor de transcripción. * Círculos rojos rellenos en (A–
C) = estado estacionario estable (SS), negro vacío círculo en (B) = SS inestable (D) Un esquema de dos tipos adaptativos de sistemas de
infección bacteriana (bacterias sistemas persistentes (TB) y de estimulación inmunológica (TI) : TB = {(B, AE) ÿ R2 : B > thB, 0 ÿ AE <
thAE}, TI = {(B, AE) ÿ R2 : 0 ÿ B < thB, AE > thAE}. Todos los demás parámetros se fijan como en la Tabla 1. (E–G) Cursos temporales de
las principales variables (B, P, AI, AE) para varias tasas de activación (mIP = 30, 50, 80) con la condición inicial: B(0) = 1.7, P(0) = 0.1, AI(0)
= 0.1, AE(0) = 0.1. Todos los demás parámetros son fijo como en la Tabla 1.

3.2. Dinámica del modelo de dos cepas bacterianas (modelo M2)

Primero investigamos la existencia de los equilibrios del modelo M2 (3)–(5).

3.2.1. Existencia de Equilibrios

Al reemplazar la variable AE con I para fines de notación, el sistema del modelo M2 viene dado por:

dB1 B1
= r1B1 1— − α12B2 − γB1 I,
dt K1
dB2 B2
= r2B2 1 — − α21B1 − γB2 I, (13)
dt K2
d
I(t)= β1B1 + β2B2 − δI.
dt

53