Metastability in bacterial persistence

Las bacterias pueden existir en 2 estados diferentes: uno que es susceptible a antibióticos y el otro llamado el estado persistente el cual le permite a la bacteria soportarlos temporalmente. Entender cómo las células cambian entre estados y qué ocasiona esta transición es un primer paso hacia una s...

Full description

Autores:
León Guevara, Joan Sebastián
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/50724
Acceso en línea:
http://hdl.handle.net/1992/50724
Palabra clave:
Resistencia a drogas en microorganismos
Antibióticos
Infecciones bacterianas
Física
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/4.0/
Description
Summary:Las bacterias pueden existir en 2 estados diferentes: uno que es susceptible a antibióticos y el otro llamado el estado persistente el cual le permite a la bacteria soportarlos temporalmente. Entender cómo las células cambian entre estados y qué ocasiona esta transición es un primer paso hacia una solución para la recalcitrancia bacteriana. La fracción de bacterias en el estado persistente (alrededor de 1 en millón) y estimados de la duración en ese estado son conocidas de investigaciones previas. Adicionalmente, investigación en el área ha ligado la persistencia con los módulos Toxina Antitoxina. Usando estos resultados experimentales nuestro objetivo era encontrar la arquitectura más simple de módulos TA que pueda exhibir biestabilidad a su vez reproduciendo resultados experimentales anteriores. Primero desarrollamos una versión del algoritmo de Gillespie para simular reacciones estocásticas para un módulo TA. Usando este programa descartamos algunos modelos que no mostraban 2 estados estables. Encontramos que la arquitectura básica para un módulo TA que mostraba biestabilidad tenía que incluir feedback de la toxina en el RNA, feedback en la tasa de crecimiento celular, y ruido extrínseco en la toxina, antitoxina. Una vez este modelo con el mínimo de reacciones y parámetros había sido establecido comenzamos a analizar en detalle un amplio rango de parámetros para las constantes. Empleamos la fracción de población que transicionó al estado persistente como una primera medida de qué tan factible es para un set particular de parámetros ajustar resultados experimentales. Luego obtuvimos el conjunto de parámetros que tenía el comportamiento deseado para analizarlas posteriormente. Volvimos a simular con esos parámetros con más céulas para obtener las distribuciones de tiempo de salida. Nuestros resultados muestran que es posible encontrar un modelo que pueda mostrar metaestabilidad por largos periodos de tiempo y reproducir hasta cierto punto resultados experimentale