Stochastische Modelle zur Hepatitis C Virus -und Quasispezieskinetik

Applicant Professorin Dr. Eva Herrmann
Subject Area Gastroenterology
Term from 2005 to 2013
Project identifier Deutsche Forschungsgemeinschaft (DFG) - Project number 5397647
 

Project Description

Die mathematische Modellierung der Hepatitis C Viruskinetik hat sich in den letzten Jahren als wichtiges Werkzeug zur Erklärung von Infektions- und Therapiemechanismen, zum frühzeitigen Vergleich verschiedener Therapie- oder Patientengruppen sowie zur Vorhersage des Therapieerfolgs etabliert. Die Anpassung von Quantifizierungsergebnissen zur Hepatitis C Virämie an eine Modellfunktion ermöglicht die Schätzung individueller kinetischer Parameter. Bisherige deterministische Modelle zur Viruskinetik sind jedoch in ihrer Aussagefähigkeit begrenzt. Dies gilt insbesondere für neue Anwendungsgebiete bei der Modellierung intrazellulärer Abläufe bei in vitro Replikations- und Infektionssystemen, da hier die Größe der verwendeten Kompartimente eine Approximation der stochastischen Prozesse durch deterministische Modelle nicht immer gerechtfertigt. Modelle, die auch die stochastische Natur der der Viruskinetik zugrunde liegenden biologischen Prozesse berücksichtigen, vermitteln ein realistischeres Bild und ermöglichen differenzierte Aussagen über klinisch relevante kinetische Parameter. Außerdem lassen sich zusätzlich Vorhersagen zur stochastischen Verteilung möglicher Zielvariablen treffen. In Kooperation mit anderen Teilprojekten dieser Klinischen Forschergruppe wurden und werden in diesem Projekt stochastische und komplexe deterministische Modelle zur Hepatitis C Viruskinetik sowie zur Quasispezieskinetik entwickelt und für konkrete klinische Fragestellungen, insbesondere zur Analyse der Resistenzentwicklung bekannter und neuer Therapieformen ausgewertet.
DFG Programme Clinical Research Units
Subproject of KFO 129:  Mechanisms for Development of Resistance and Optimisation of Antiviral Strategies of Hepatitis C Virus Infection Comprising Integrative Biomathematical and Bioinformatical Models
Participating Person Professor Dr. Stefan Zeuzem