Académique Documents
Professionnel Documents
Culture Documents
Gaston PICHON
IRD
UR Géodes
Bondy (France)
Gaston.Pichon@bondy.ird.fr
Parasitologue modélisateur en arrêt devant
un nouveau type de moulin à vent
L’insoutenable complexité de la filariose
La vie,
approche topologique*
1. dents pharyngiennes
2. coagulation du sang
3. membrane péritrophique
4. imperméabilité de l'épithélium stomacal
5. évacuation dans l'intestin postérieur
Rendement parasitaire
Rendement parasitaire
Larves 2
y Larves 1
z larves infectantes
x
microfilaires
Rendement: y/x=z/x
y/x y/x
0 x 0 x
Limitation
Y Y=X
Vecteurs:
• Aedes
Nombre moyen de parasites
x
• Culex
x • Mansonia
x
Rendement parasitaire
survivants
x
Y3 du 3e lot : Y3/X3
x
X3
X
Nombre moyen de parasites ingérés
par lot de moustiques
X/Y
du rendement parasitaire
x (X/Y) = aX+b
a=1/h b=1/j
x
Y= jhX
x
x
jX+H
Inverse
X
Nombre moyen de parasites ingérés
par lot de moustiques
Limitation: hyperbole représentative
50
Y=X
nombre moyen de larves infectantes Y
40
30 Y=jX
h Y=h
20
10 jhX
Y=
jX+H
0
0 10 20 30 40 50
nombre moyen de microfilaires ingérés X
Mesure de la réceptivité de
différents vecteurs vis-à-vis de
Wuchereria bancrofti
0 x
Propriété homographique de la fonction hyperbole
u1=H(j,h,x)
u2=H(j,h,u 1)
.....
Y=H(j,h,u n)=...=H(j,h,x)
où H() est une fonction hyperbole.
Limitation et facilitation : perméabilité de la
paroi stomacale du vecteur
Limitation
mf n°1 mf n°2
mf n°1
Facilitation
mf n°1
0,5
∆t 0,0
0 1 2 3
t
Limitation
Variation "instantanée" du
au parasitisme
P
G>P G<P
Z
Nombre de Vers adultes
G=P G=P
Equilibre Equilibre
instable stable
∆Z
∆t Facilitation
Mortalité vectorielle due
Variation "instantanée" du
au parasitisme
nombre de Vers adultes
Calculs préliminaires
•le nombre total d’hôtes H=Σ(h)
•le nombre total de parasites P=T1=Σ(hp)
•la somme du carré des charges parasitaires T2=S(hp2)
On obtient:
•la charge parasitaire moyenne (intensité) m=P/H
•la prévalence: g=(H-h0)/H
•la variance: v=(T2 - T1 2 /H) /(H-1)
•le paramètre de surdispersion: k1=m2/(v-m)
qu’il vaut mieux calculer par la méthode du maximum de vraisemblance
Dispersion , et
surdispersion
Exemple:
36 parasites, 9 hôtes
==> charge moyenne m= 4 par./hôte
paramètre de surdispersion:
k1 = m 2/(v-m)
hôte
parasite
nouveau
parasite
probabilité
d'acquisition "Hasard": 2 hypothèses fortes:
d'un 1.Constance 2.Indépendance
nouveau
parasite.
hôte Densité-dépendance
parasite
nouveau
parasite
probabilité
d'acquisition
d'un
nouveau
parasite.
Hétérogénéité :
H
Ô
T
E
V
E
R
T
E
B
R
E
Le prototype des lois
surdispersées
k=2,0
m=5,0
k=10,0
k=1,0
k=0,3 Géométrique
Binomiale négative
et Géométrique
loi Géométrique:
k=1
R=m/(m+1)
(relation prévalence/intensité)
Pr(i)= (1-R)Ri
i=0, 1, 2,...
Pr(0)=(1-R)
Pr(1)=Pr(0)R
Pr(2)=Pr(1)R=Pr(0)R2
Pr(3)=Pr(2)R=Pr(0)R3 ...etc
Réalisation d’un processus de Poisson
7
1 Evènements
Ecran
6
réussis
1
t=3
5
Ecran
0 2
Fonction de distribution des ∆t: exponentielle
1/σ
1,0
0,5
f(∆t)= (1/σ )e-∆t/σ
∆t
0,0
0 1 2 3
Simulation de files d’attente
1 2 3 4 5 6
durée du service
1
6 2
tirage au sort du guichet 3
5
4
Numéro du guichet
intervalle d’arrivée
entre clients Fréquence des tailles de
files d'attente
0.3
0.25
0.2
0.15
distribution 0.1
0.05
géométrique 0
0 1 2 3 4 5 6 7 8 9 10 11 12
taille de la file
“Jamais 2 sans 3”
Les Jésuites
• en moyenne, 1 mort par an
• morts proches: 2 morts en
moins d’un an
• “si 2 morts proches, une
troisième mort est imminente”
Exercice : processus de Poisson m=1
On trouve que la probabilité d’une troisième mort
proche après 2 morts proches est de : 63%
bien que, par définition, il s’agisse d’évènements
indépendants.
En effet, si les 2 morts précédentes n’étaient pas
proches,
la probabilité d’une troisième mort proche est aussi
de 63%
Simulation CINEFIL
(copie d’écran)
•l’intervalle entre parasites dans les gros vaisseaux
suit un processus de Poisson
•le temps nécessaire pour la traversée d’un capillaire
par un parasite isolé suit un processus de Poisson
•dépassement impossible dans un capillaire
Simulation RECREPAR (1)
z : nombre de parasites adultes (charge parasitaire)
chez chaque hôte à chaque instant
On modélise les probabilités dp que cette charge
parasitaire soit décrémentée ou incrémentée
pendant un temps très court dt:
dp(z, z-1)=bz dt
dp(z, z+1)=(a+cz) dt
Modèle densité-dépendant:
•la probabilité de décrémentation est proportionnelle
àz
•la probabilité d’incrémentation est une fonction
linéaire de z.
A l’équilibre:
• les fréquences des charges z suivent une BN :
• de moyenne: Z=a/(b-c)
•de surdispersion: k=a/c
Simulation RECREPAR (2)
Chances égales au départ
t=0 t=100
t=100 t=200
600
Filariose:évaluation
de la stabilité après
3 ans.
dmf_après
200
0
0 100 200 300 400 500 600
dmf_avant
3,0
y = 0,58859 + 0,53376x R^2 = 0,260 Echelles: log+1
2,5
2,0
log(dmf_après+1)
1,5
1,0
0,5
0,0
0,0 0,5 1,0 1,5 2,0 2,5 3,0
log(dmf_avant+1)
Mortalité vectorielle due
au parasitisme
Conditions naturelles
Mortalité vectorielle
due au parasitisme
charge parasitaire x
Si la distribution initiale est une BN (X,k), la
distribution après intervention de mortalité
différentielle de coefficient θi est une BN(X’,k)
telle que:
X' ( X + k)
θ=
X(X' +k)
Mortalité différentielle:
résultats
• Couple: A.gambiae/W.bancrofti
• Surdispersion avant: k=0,69
• Surdispersion après: k=0,60 ns
• Estimation θ=0,80
• En quelques heures:
• Prob. survie | 1 parasite: 0,8
• Prob. survie | 2 parasites: 0,64
• Prob. survie | 10 parasites: 0,11
• Prob. survie | 20 parasites: 0,01
Logiciel ParaDis
Parasites Distributions
• Binomiale Négative
• méthode du max. de vraisemblance
• ajustement distribution complète
• ajustement distribution tronquée
• k commun à plusieurs distributions
• Simulation de BN
• Autres distributions:
• log-normale
• Poisson
• série log de Fisher
www.bondy.ird.fr/~pichon/paradis
BN en coordonnées log-probit
pourcentage cumulé des cas positifs
Dmf50
nombre de mf. dans 20 mm3 de sang
Effet du traitement de masse (DEC)
1964 1950
k=0,3
k=0,3
Dmf50’=10 Dmf50=40
moyenne m: 957,42
1100 demi-amplitude a: 255,42
acrophase k: 19,99 h
1000
m
900
a
800
700
0 2 4 6 8 10 12 14 16 18 20 22 24
heure h k
Périodicité et subpériodicité
25
périodicité a=m
subpériodicité a<m
niveau du biorythme y
20
15
10
0
0 4 8 12 16 20 24
heure
Travaux de F.Hawking
• barrière oxygène: pendant 12 h, les microfilaires
actives dans les artérioles précapillaires des poumons,
où la p.p. en oxygène est la plus faible.
• les mf. se laissent passivement emporter dans la
circulation générale, où elles sont prélevées par
leurs vecteurs.
• périodicité = compromis entre survie à court terme
et survie de l’espèce.
• Conclusion: “la périodicité stricte est une adaptation
destinée à mettre en présence le plus grand nombre
possible de parasites et le plus grand nombre possible
de vecteurs, de manière à accroître la transmission.”
fluctuations élémentaires
3 1. Périodicité complète
microfilaires synchrones
fluctuation
moyenne W.bancrofti nocturne,
1- Périodicité complète
B.malayi nocturne
microfilaires synchrones
2. Subpériodicité / apériodicité composite
W. bancrofti nocturne. B.malayi nocturne
microfilaires asynchrones
2- Subpériodicité-apériodicité
W.bancrofti pacifica diurne
microfilaires diurne
W.bancrofti asynchronesîles Nicobar
W. bancrofti pacifica. W. bancrofti îles Nicobar
B.malayi
B. malayi subperiodique. subp. nocturne
M. ozzardi
M.ozzardi cryptopériodique
3- Subpériodicité
3. Subpériodicité homogène
biorythmes atténués
W. bancrofti (montagnards Mong )
biorythmes atténués
W.bancrofti nocturne Mong
Activité vectorielle
Subpériodicité homogène ou hétérogène
50
Demi-amplitude a
40
30
20
10
0
0 10 20 30 40 50
16,0
14,0
12,0
production
10,0
8,0
6,0
4,0
2,0
0,0
0 2 4 6 8 10 12 14 16 18 20 22
heure
90
80
70
survie différentielle
60
50
40
30
20
10
0
0 2 4 6 8 10 12 14 16 18 20
nb parasites
La périodicité n’est
avantageuse pour le
parasite que s’il est peu
pathogène pour son
vecteur
Avantage sélectif de la périodicité?
1,2
1,0
AvantageNonPériodique/Périodique
0,8
Périodicité désavantageuse
0,6
Périodicité
avantageuse
0,4
0,0
0,0 0,2 0,4 0,6 0,8 1,0
theta
Pathogénicité
Avantage Périodicité
pour différentes densités
Avantage non Périodicité/Périodicité
pour différentes niveaux de densité parasitaire
1,2
1,1
Avantage non Périodicité/Périodicité
1,0
0,9
0,6
0,0 0,2 0,4 0,6 0,8 1,0
theta
Périodicité et
surdispersion
Avantage Non Périodicité/Périodicité en fonction de theta (m=10)
pour deux surdispersions
1,3
1,2
Avantage Non Périodique/Périodique
1,1
1,0
k=1
0,9
k=0,3
Neutre
0,8
0,7
0,6
0,0 0,2 0,4 0,6 0,8 1,0
theta
Spéciation de
Wuchereria bancrofti
et histoire du
peuplement du Pacifique
Distribution géographique
des filarioses lymphatiques
Les différentes f ormes de Brugia et de Wuchereria
dans le monde
Amérique
Afrique
Polynésie
Nlle Calédonie
Périodicité nocturne
1.8
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0
12 18 24 30
6 12
36
Subpériodicité nocturne
1.8
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0
12 18 24 30
6 36
12
Subpériodicité : mélange de biorythmes déphasés (1)
(A).Deux biorythmes de
Mansonella ozzardi
(Trinidad) “apériodique”
k=2h04
a
m
k=17h42
Subpériodicité : mélange de biorythmes déphasés (2)
0.70
0.60
0.50
0.40
0.30
0.20
0.10
0.00
0 50 100 150 200 250 300
mean
Vector 0
0 6 12 18 24
0
0 6 12 18 24
1
1
1
ur nee
Nocturn
Anopheles
0.5 0.5
Culex 0
0.5
0
0 0
0 6 12 18 24 0 6 12 18 24
0 6 12 18 24
1
1
Aedes
No
Diurne
0.5
0.5
0
transmission
0
0 6 12 18 24 0 6 12 18 24
Vecteurs
• Vecteurs selvatiques diurnes
• Diversité
•Mansonia
Mansonia
•Aedes
Aedes
•Anopheles
Anopheles
Hôtes
• Carnivores sauvages :
Brugia spp.
• Effet
Effet de
de lisière:
lisière: capture
capture par
par
l ’homme et carnivores
domestiques:
• B.
B. pahangi:
pahangi: chat,
chat, genette
genette
• B.
B. malayi
malayi
Les Lapita (ou pré-polynésiens)
1600 BC
1300 BC
1300 BC
Simulation Wuchereria
par automate cellulaire
Vecteurs
Vecteur diurne
Aedes
Vecteur nocturne
Anopheles
vide
Filaires
Filaire subpériodique
Filaire périodique
Random dispersion Lapita dispersion
Vectors
Southeast Asia Melanesia
Polynesia
start
Simulation
Gros vaisseaux Lit capillaire
2. Temps de traversée du lit capillaire pour
1.Intervalle entre une mf. isolée: processus de Poisson moy. t2
Volume de sang
deux mf: processus 3. Dans un capillaire, deux mf. ne peuvent ingéré par un vecteur
de Poisson moy: t1 se dépasser
D=k=1
Nombre de
vecteurs
Loi géométrique =
Loi Binomiale Négative
BN(m,k)
D=1 quel que soit m
Charge en
microfilaires
Circulation libre des gamétocytes dans les capillaires
Reproduction sexuée
oocyste
Nombre
vecteurs
D=0
D=0,3
k INF
Nombre
vecteurs
k=3,0
Estomac d'Anophèle
charge en charge en
Simulation MALAGA oocystes
gamétocytes
Simulation de la répartition des gamétocytes
(densité : 0,01) dans un vaisseau capillaire
Binomiale négative k=0.001 Poisson
........................................ ........................................
........................................ .................1......................
........................1............... ........................................
........................................ ...............................1........
........................................ ........................1...............
........................................ ........................................
....................5 ................... ..............1.........................
........................................ ........................................
........................................ .............1..........................
........................................ ..1.....................................
........................................ .......1................................
..................................1.....
............2........................... ..1.....................................
........................................ ........................................
........................................ ........................................
........................................ ...................................1....
........................................ ........................................
........................................ ........................................
........................................ ............1...........................
........................................ ........................................
........................................ ............1................1..........
........................................ ...1............1.......................
........................................ ........................................
........................................ .........1..............................
........................................ ........................................
........................................ .............1..........................
........................................ .1......................................
........................................ ........................................
........................................ ........................................
........................................ ........................................
........................................ ........................................
........................................ ......1.................................
........................................ ........................................
........................................ ........................................
........................................ ...............................1........
........................................ ............................1...........
.................. 3..................... .........................1........1.....
........................................ .................2 ......................
..........................5............. ........................................
........................................ ........................................
.........................13 ............. ........................................
........................................ ....................1.................1.
........................................ ........................................
........................................ ........................................
........................................ ........................................
........................................ ........1...............................
....................1...................
.........................5 .............. ........................................
.....................1.................. ........................................
........................................ ........................................
........................................ ........................................
..........................1............. ........................................
........................................ ..........1.............................
........................................ ........................................
... 3.................................... ....................1...................
...............13 ....................... ........................................
........................................ ..................................1.....
....................1...................
8 ....................................... ........1...............................
........................................ ........................................
........................................
Surdispersion des gamétocytes et rendement
ρ Relation entre la pente du rendement et kgam
5e-5
kgam=0,3
4e-5
3e-5
kgam=1,0
2e-5
0e+0
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 kgam
60
y = 5,000e-5x^2
rdt=yoo/Xgam
kgam=0,3
nb moyen oocystes yoo
50
rdt=pX
40
Xgam
30
20
Poisson
10
y = 1,000e-5x^2
0
0 200 400 600 800 1000 1200
nb moyen de gamétocytes/vecteur Xgam
Qu’est ce qu’un
« bon » hôte ?
Conséquences:
• excellent rendement parasitaire
• parasitose asymptomatique
Diminution
du
rendement
parasitaire
Ralentissement/mort des parasites
Rétrécissement du flux
Interaction hôte-parasite
maladie
ralentissement/mort
des parasites faible
rendement
parasitaire
Analogies:
• résistance d’un conducteur
• maladie : effet Joule
• l’effet Joule augmente la résistance :
limitation
Relation HP et percolation
Obstacles
59%
60%