In the process of mathematical modelling, a relationship is established between two entities: on the one hand, a real phenomenon or situation in nature, and on the other, a set of mathematical objects that enables elements of the physical world to be expressed in abstract terms. In this way, reality is captured to some extent within a formal framework. Mathematical models are therefore used both to describe and to predict. By describing reality in a simplified way, hypotheses can be tested or obtained without continuously repeating the same experiment. Models simplify, contextualise and can remove barriers for experimentalists in understanding and reproducing physical processes. Depending on the modelling objective and the characteristics of the phenomenon, different representations may be employed; models based on differential equations, thanks to their apparent simplicity, are particularly popular in biological modelling.
An emerging field in biological modelling is the immune system, particularly the B- and T-lymphocyte responses in health and disease. In connection to this last case, it is estimated that there are more than 100 autoimmune diseases, including multiple sclerosis and type I diabetes, in which the immune system reacts against the body’s own tissues. At present, there is no cure to prevent our immune system from attacking, for
instance, myelin (tissue of the nervous system) during the development of multiple sclerosis, or pancreatic beta cells in a diabetic person. At the same time, in recent years, major advances have been made in the treatment of tumours using genetically modified T cells: a chimeric receptor is introduced to direct their response towards a specific target. Both application areas are built upon the same premise: controlling the specificity and activation threshold of an immune response. In autoimmune diseases, the problem may be related to failures in tolerance mechanisms and, consequently, to the prevalence of autoreactive cells; whereas in modified T cell therapies, this activation is redirected against the chosen target, adjusting parameters such as antigen sensitivity and the receptor’s signalling potency.
This thesis connects these two areas. From a modelling perspective using differential equations, our goal is to delve deeper into the structural analysis of models, both to determine which methods are most useful and to identify the causes of certain outcomes. We will then apply this purely theoretical knowledge to the study of the predictive capabilities of existing immunological models. For this reason, this thesis was structured in two stages.
During the first stage, we focused on the development and analysis of computational methodologies in the field of control theory and system identification, concentrating on two properties: parameter identifiability, understood as the possibility of determining the value of parameters from experimental data; and state observability, i.e., the possibility of knowing the internal trajectories of the system from measurements. We compiled the methods existing to date for analysing these properties and compared them in terms of accuracy, runtime and accessibility. Next, we examined the differences between local and global identifiability in biological models, determining their causes and consequences. To this end, we used a symmetry-based approach, analysing discrete transformations of the system that leave the observable measurements invariant.
In the second stage, we bring these theoretical concepts closer to real-world application. T lymphocyte activation models describe how antigens and receptors interact at the cell membrane. They seek to explain the balance between sensitivity to detect foreign antigens (mostly pathogens) in an environment crowded with self-antigens and specificity to avoid activation by self-antigens, which could trigger an autoimmune
reaction. By analysing these models in the theoretical terms mentioned above and incorporating an additional one—the system’s sensitivity to parametric variations—we aim to identify which parameters most strongly influence T-cell activation and to assess the models’ ability to predict experimental measurements. Ultimately, our purpose is to determine which aspects of T-lymphocyte activation should be prioritised to modulate immune responses and, in turn, contribute to the control of the immune response and to the more effective design of therapies based on genetically engineered cells., No proceso de modelado matemático constrúese unha relación entre dúas entidades: por unha banda, un fenómeno ou situación real da natureza; e por outro, un conxunto de obxectos matemáticos que permite expresar elementos do mundo físico en termos abstractos. Desta forma, conséguese reproducir a realidade nun marco formal. Os modelos matemáticos, entón, empréganse tanto para describir como para predicir. Ao replicar a realidade, pódense comprobar, ou obter, hipótese sen repetir continuamente o mesmo experimento. Simplifican, contextualizan e eliminan barreiras para os experimentalistas na comprensión e imitación dos procesos físicos. Segundo o obxectivo da modelización e as características do fenómeno, poden empregarse diferentes representacións; destacando por encima do resto grazas á súa aparente simplicidade, os modelos baseados en ecuacións diferenciais gozan de gran popularidade na modelización biolóxica.
Un campo emerxente no modelado biolóxico é o sistema inmunitario, en particular as respostas dos linfocitos B e T na saúde e a enfermidade. En relación con este último caso, estímase que existen máis de 100 enfermidades autoinmunes, entre elas a esclerose múltiple ou a diabetes tipo I, nas que o sistema inmunitario reacciona fronte a tecidos propios do organismo. Actualmente non existe un remedio para impedir que o noso sistema inmunitario ataque, por exemplo, a mielina (tecido do sistema neurolóxico) durante o desenvolvemento da esclerose, ou as células beta do páncreas nunha persoa diabética. Á súa vez, nos últimos anos déronse pasos de xigante no tratamento de tumores mediante células T modificadas xeneticamente: introdúcese un receptor quimérico que permite dirixir a súa resposta cara a un obxectivo concreto. Ambos os campos susténtanse sobre a mesma premisa: controlar a especificidade e o limiar de activación da resposta inmune. Nas enfermidades autoinmunes, o problema pode relacionarse con fallos nos mecanismos de tolerancia e, por tanto, coa prevalencia de células autoreactivas; mentres que, nas terapias con células T modificadas, redeseñase esa activación para que ocorra fronte á diana elixida, axustando
parámetros como a sensibilidade antixénica e a potencia de sinalización do receptor.
Esta tese emprázase entre estes dous ámbitos. Desde a perspectiva da modelización mediante ecuacións diferenciais, o noso obxectivo é profundar na análise estrutural dos modelos, tanto para achar que métodos resultan máis útiles como para identificar as causas de certos resultados. Para posteriormente aplicar este coñecemento, puramente teórico, ao estudo das capacidades preditivas de modelos inmunolóxicos xa existentes. Por iso, esta tese estruturouse en dúas etapas.
Durante a primeira etapa centrámonos no desenvolvemento e análise de metodoloxías computacionales do ámbito da teoría de control e a identificación de sistemas, centrándonos en dúas propiedades: a identificabilidade de parámetros, entendida como a posibilidade de determinar o valor dos seus parámetros a partir de datos experimentais; e a observabilidade dos estados dun sistema, posibilidade de coñecer as traxectorias internas do sistema a partir das medicións. Recompilamos os métodos existentes ata a data para analizar estas propiedades e comparámolos en termos de exactitude, tempo e accesibilidade. A continuación, estudamos as diferenzas entre identificabilidad local e global en modelos biolóxicos, determinando as súas causas e consecuencias. Para iso, empregamos un enfoque de simetrías, onde analizamos transformacións discretas do sistema que deixan invariantes as medidas observables.
Na segunda etapa achegamos estes conceptos teóricos a unha aplicación máis próxima á práctica real. Os modelos de activación de linfocitos T describen como se produce a interacción entre os antíxenos e os receptores na membrana celular. Buscan explicar o equilibrio entre sensibilidade para detectar os antígenos estraños (patóxenos maioritariamente) nun medio repleto de antíxenos propios, e especificidade para evitar a activación fronte a antíxenos incorrectos, desencadeando unha reacción autoinmune. Analizando estes modelos nos termos teóricos anteriormente mencionados, e incorporando un novo, a sensibilidade do sistema a variacións paramétricas, pretendemos identificar que parámetros inflúen en maior medida na activación e avaliar a capacidade dos modelos para predicir medidas experimentais. En definitiva, o noso propósito final é concretar que aspectos da activatión dos linfocitos T convén priorizar para modular a resposta inmune e, en última instancia, contribuír ao control da resposta inmune e ao deseño máis eficaz de terapias baseadas en células modificadas xenéticamente., En el proceso de modelado matemático se construye una relación entre dos entidades: por un lado, un fenómeno o situación real de la naturaleza; y por otro, un conjunto de objetos matemáticos que permite expresar elementos del mundo físico en términos abstractos. De esta forma, se consigue reproducir la realidad en un marco formal.
Los modelos matemáticos, entonces, se emplean tanto para describir como para predecir. Al replicar la realidad, se pueden comprobar, u obtener, hipótesis sin repetir continuamente el mismo experimento. Simplifican, contextualizan y eliminan barreras para los experimentalistas en la comprensión e imitación de los procesos físicos. Según el objetivo de la modelización y las características del fenómeno, pueden emplearse diferentes representaciones; destacando por encima del resto gracias a su aparente simplicidad, los modelos basados en ecuaciones diferenciales gozan de gran popularidad en la modelización biológica.
Un campo emergente en el modelado biológico es el sistema inmunitario, en particular las respuestas de los linfocitos B y T en la salud y la enfermedad. En relación con este último caso, se estima que existen más de 100 enfermedades autoinmunes, entre ellas la esclerosis múltiple o la diabetes tipo I, en las que el sistema inmunitario
reacciona frente a tejidos propios del organismo. Actualmente no existe un remedio para impedir que nuestro sistema inmunitario ataque, por ejemplo, la mielina (tejido del sistema neurológico) durante el desarrollo de la esclerosis, o las células beta del páncreas en una persona diabética. A su vez, en los últimos años se han dado pasos de gigante en el tratamiento de tumores mediante células T modificadas genéticamente: se introduce un receptor quimérico que permite dirigir su respuesta hacia un objetivo concreto. Ambos campos se sustentan sobre la misma premisa: controlar la especificidad y el umbral de activación de la respuesta inmune. En las enfermedades autoinmunes, el problema puede relacionarse con fallos en los mecanismos de tolerancia y, por tanto, con la prevalencia de células autoreactivas; mientras que, en las terapias con células T modificadas, se rediseña esa activación para que ocurra frente a la diana elegida, ajustando parámetros como la sensibilidad antigénica y la potencia de señalización del receptor.
Esta tesis se emplaza entre estos dos ámbitos. Desde la perspectiva de la modelización mediante ecuaciones diferenciales, nuestro objetivo es profundizar en el análisis estructural de los modelos, tanto para hallar qué métodos resultan más útiles como para identificar las causas de ciertos resultados. Para posteriormente aplicar este conocimiento, puramente teórico, al estudio de las capacidades predictivas de modelos inmunológicos ya existentes. Por ello, esta tesis se estructuró en dos etapas.
Durante la primera etapa nos centramos en el desarrollo y análisis de metodologías computacionales del ámbito de la teoría de control y la identificación de sistemas, centrándonos en dos propiedades: la identificabilidad de parámetros, entendida como la posibilidad de determinar el valor de sus parámetros a partir de datos experimentales; y la observabilidad de los estados de un sistema, posibilidad de conocer las trayectorias internas del sistema a partir de las mediciones. Recopilamos los métodos existentes hasta la fecha para analizar estas propiedades y los comparamos en términos de exactitud, tiempo y accesibilidad. A continuación, estudiamos las diferencias entre identificabilidad local y global en modelos biológicos, determinando sus causas y consecuencias. Para ello, empleamos un enfoque de simetrías, donde analizamos transformaciones discretas del sistema que dejan invariantes las medidas observables.
En la segunda etapa acercamos estos conceptos teóricos a una aplicación más cercana a la práctica real. Los modelos de activación de linfocitos T describen cómo se produce la interacción entre los antígenos y los receptores en la membrana celular. Buscan explicar el equilibrio entre sensibilidad para detectar los antígenos extraños (patógenos mayoritariamente) en un medio repleto de antígenos propios, y especificidad para evitar la activación frente a antígenos incorrectos, desencadenando una reacción autoinmune. Analizando estos modelos en los términos teóricos anteriormente mencionados, e incorporando uno nuevo, la sensibilidad del sistema a variaciones paramétricas, pretendemos identificar qué parámetros influyen en mayor medida en la activación y evaluar la capacidad de los modelos para predecir medidas experimentales. En definitiva, nuestro propósito final es concretar qué aspectos de la activación de los linfocitos T conviene priorizar para modular la respuesta inmune y, en última instancia, contribuir al control de la respuesta inmune y al diseño más eficaz de terapias basadas en células modificadas genéticamente., Universidade de Vigo, Xunta de Galicia, Agencia Estatal de Investigación | Ref. PID2020-113992RA-I00, Agencia Estatal de Investigación | Ref. CNS2023-144886, Agencia Estatal de Investigación | Ref. PID2023-146275NB-C21, Agencia Estatal de Investigación | Ref. PID2023-146275NB-C22