Modelação Matemática de Processos Biológicos
O trabalho do grupo de investigação Modelação matemática de processos biológicos assenta na biologia matemática com um foco especial na dinâmica e controlo das doenças infeciosas. Com base em abordagens mecanísticas, o objetivo deste grupo de investigadores é desenvolver de forma profunda um conhecimento quantitativo sobre a forma como os comportamentos do sistema emergem a partir das interações dos seus componentes, e como os processos numa escala biológica afetam os padrões noutra. Na interface evolução-ecologia-epidemiologia, interligam os processos do nível individual aos da população. Modelos matemáticos derivados de dados, são aplicados a diversos tópicos, incluindo ecologia microbiana, interações com hospedeiros na saúde e doença, efeitos da vacinação em sistemas hospedeiro-patógeno e dinâmica de resistência a antibióticos.
O grupo de investigação está particularmente interessado em estudar e quantificar o papel que as defesas do sistema imunitário têm no controlo de infeções bacterianas, e na mitigação da crescente resistência a antibióticos por parte dos micro-organismos durante os tratamentos. Combinando a análise matemática com simulações, estão também interessados na dinâmica populacional, processos estocásticos e problemas de inferência de parâmetros oriundos de diferentes áreas transversais da biologia. As descobertas advindas destes modelos matemáticos, podem ter implicações a nível da prática biomédica e na saúde pública. Atualmente, o grupo de investigação colabora com diferentes grupos de investigação em Portugal (IMM Universidade Lisboa) e no estrangeiro: colaborações em França (Universidade de Tours) e nos Estados Unidos da América (Universidade de Tennessee, Universidade de Michigan).
Publicações
- Sten Madec and Erida Gjini (2020) Predicting N-strain coexistence from co-colonization interactions: epidemiology meets ecology and the replicator equation.. Bulletin of Mathematical Biology 82:142
- Martins, A.D. and Gjini E (2020) Modeling Competitive Mixtures With the Lotka-Volterra Framework for More Complex Fitness Assessment Between Strains. Front. Microbiol. 11: 572487
- Gjini, E. (2017) Geographic variation in pneumococcal vaccine efficacy estimated from dynamic modeling of epidemiological data post-PCV7.. Sci Rep. 7:3049
- Gavião, M., Dionisio, F., Gjini, E. (2017) Transmission fitness in co-colonization and the persistence of bacterial pathogens.. Bull Math Biol. 79(9):2068–2087
- Gjini, E., Madec, S. (2016) A slow-fast dynamic decomposition links neutral and non-neutral coexistence in interacting multi-strain pathogens.. Theor Ecol-Neth. 10(1):129-141
- Gjini, E., Gomes, M.G.M. (2016) Expanding vaccine efficacy estimation with dynamic models fitted to cross-sectional prevalence data post-licensure.. Epidemics 14:71-82
- Gjini, E., Valente, C., Sa-Leao, R., Gomes, M.G.M. (2016) How direct competition shapes coexistence and vaccine effects in multi-strain pathogen systems.. J Theor Biol. 388:50-60
- Gjini, E., Brito, P.H. (2016) Integrating antimicrobial therapy with host immunity to fight drug-resistant infections: Classical vs. adaptive treatment.. PLoS Comput Biol. 12(4):e100485
- Pessoa, D., Mendes, C.S.M., Lopes J.S., Gjini, E., Ceña, B., Codeco, C.T., Gomes, M.G.M. (2014) Unveiling time in dose-response models to infer host susceptibility to pathogens.. PLoS Comput Biol. 10(8):e1003773
- Gjini, E., Haydon, D., Barry, J., Cobbold, C. (2012) The impact of mutation and gene conversion on the local diversification of antigen genes in African Trypanosomes.. Mol Biol Evol. 29 (11):3321-3331
- Gjini, E., Haydon, D., Barry, J., Cobbold, C. (2010) Critical interplay between parasite differentiation, host immunity, and antigenic variation in Trypanosome infections.. Am Nat. 176 (4):424-439