La modélisation mathématique peut améliorer l'efficacité du vaccin contre la grippe, selon les experts de l'Université Rice – où un tel modèle existe depuis plus de 15 ans – et de son Baker Institute for Public Policy.

Michael Deem, le professeur John W. Cox de génie biochimique et génétique à Rice; Mélia Bonomo, un doctorat candidat en physique et astronomie à l'université; et Kirstin Matthews, chercheur en politique scientifique et technologique au Center for Health and Biosciences du Baker Institute, ont exposé leurs points de vue dans une nouvelle note d'orientation, "Améliorer l'efficacité du vaccin annuel contre la grippe."

La grippe saisonnière (grippe) cause jusqu'à 49 millions de maladies et 79, 000 décès aux États-Unis chaque année depuis 2010. Pour lutter contre son impact, les Centers for Disease Control and Prevention (CDC) recommandent à tous les enfants et adultes en bonne santé de se faire vacciner contre la grippe chaque année. En 2017-18, 58 pour cent des enfants en bonne santé (6 mois à 17 ans) et seulement 37 pour cent des adultes ont reçu le vaccin. Environ 80 pour cent des décès pédiatriques dus à la grippe au cours de cette saison étaient des enfants non vaccinés.

"Pour développer un vaccin à temps pour le début de la saison de la grippe à l'automne, les scientifiques doivent commencer début janvier, " ont écrit les auteurs. " La méthode actuelle utilisée par le CDC implique des scientifiques qui vaccinent des furets avec plusieurs candidats vaccins. Ils extraient ensuite les anticorps des furets pour estimer quel vaccin était le plus efficace contre les virus dominants de la saison grippale précédente. Cette méthode est utilisée depuis près de 50 ans. Cependant, il s'est avéré incohérent dans la prédiction de l'efficacité des vaccins chez l'homme, surtout avec le récent, virus A(H3N2) à mutation rapide. En outre, les expériences avec les furets sont longues et coûteuses."

Par contre, modèles mathématiques, dont un modèle développé chez Rice il y a plus de 15 ans, permettre aux scientifiques de calculer dans quelle mesure le vaccin contre la grippe correspond aux virus infectieux. Le modèle du riz, appelé pEpitope, estime l'efficacité du vaccin, et il a été démontré qu'il fonctionne bien pour la grippe A(H3N2), Vaccins A(H1N1) et B. Pour la saison grippale 2018-19, Les scientifiques du riz prédisent que le vaccin sera efficace entre 20 et 40 pour cent contre la majorité des virus A(H3N2).

« Les chercheurs en santé publique sont souvent lents à changer, " les auteurs ont écrit. " Malgré le fait que le modèle pEpitope de Rice existe depuis plus de 15 ans, on ne sait pas pourquoi le CDC n'en a pas encore profité pour développer son vaccin contre la grippe saisonnière. L'ajout d'un tel modèle aux expériences déjà existantes sur les furets améliorera le processus actuel de prise de décision en matière de vaccination.

"Cette technique de modélisation mathématique peut rapidement affiner les virus qui seraient de bons candidats pour le vaccin pendant une saison grippale particulière, ", ont-ils poursuivi. "Cela peut servir de contrôle pour s'assurer que le virus du vaccin ne mute pas pendant le processus de fabrication. Le modèle pEpitope est également low-cost, car il ne nécessite aucun équipement spécialisé. Finalement, c'est extrêmement rapide, ne prenant que quelques secondes pour analyser l'efficacité potentielle d'un vaccin contre des milliers de virus infectieux dans une région géographique particulière."

Les auteurs ont déclaré que le CDC devrait renforcer ses protocoles actuels pour choisir les vaccins candidats en utilisant tous les modèles de prédiction disponibles. « Cela améliorera les taux d'efficacité globaux du vaccin contre la grippe et potentiellement les taux de couverture, " ont-ils écrit. " Les scientifiques espèrent qu'avec une efficacité améliorée, ils pourront également améliorer les taux de couverture vaccinale, qui est toujours à la traîne de l'objectif Healthy People 2020 du CDC de 70 pour cent. Compte tenu de la difficulté de produire des vaccins efficaces et du climat général de méfiance du public à l'égard de la vaccination, ce travail a le potentiel d'améliorer la sélection et l'éducation des souches vaccinales en fournissant un outil accessible aux chercheurs et aux citoyens scientifiques. »