Uncovering drivers of dose-dependence and individual variation in malaria infection outcomes
Notice bibliographique
Résumé
To understand why some hosts get sicker than others from the same type of infection, it is essential to explain how key processes, such as host responses to infection and parasite growth, are influenced by various biotic and abiotic factors. In many disease systems, the initial infection dose impacts host morbidity and mortality. To explore drivers of dose-dependence and individual variation in infection outcomes, we devised a mathematical model of malaria infection that allowed host and parasite traits to be linear functions (reaction norms) of the initial dose. We fitted the model, using a hierarchical Bayesian approach, to experimental time-series data of acute Plasmodium chabaudi infection across doses spanning seven orders of magnitude. We found evidence for both dose-dependent facilitation and debilitation of host responses. Most importantly, increasing dose reduced the strength of activation of indiscriminate host clearance of red blood cells while increasing the half-life of that response, leading to the maximal response at an intermediate dose. We also explored the causes of diverse infection outcomes across replicate mice receiving the same dose. Besides random noise in the injected dose, we found variation in peak parasite load was due to unobserved individual variation in host responses to clear infected cells. Individual variation in anaemia was likely driven by random variation in parasite burst size, which is linked to the rate of host cells lost to malaria infection. General host vigour in the absence of infection was also correlated with host health during malaria infection. Our work demonstrates that the reaction norm approach provides a useful quantitative framework for examining the impact of a continuous external factor on within-host infection processes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».