<div dir="ltr"><div><span style="font-family:"Arial",sans-serif;color:black;white-space:pre-wrap" lang="ES"><u>Fecha</u>: Jueves 17 de agosto de 2023 a las 17 hs.</span></div><div><span style="font-family:"Arial",sans-serif;color:black;white-space:pre-wrap" lang="ES"><br></span></div><div><span style="font-family:"Arial",sans-serif;color:black;white-space:pre-wrap" lang="ES"><u>Lugar</u>: </span><font style="font-family:arial,sans-serif" size="2">Salones S-104 y 105 de seminarios del Departamento de Matemáticas </font></div><div><span style="font-family:"Arial",sans-serif;color:black;white-space:pre-wrap" lang="ES"><br></span></div><div><span style="font-family:"Arial",sans-serif;color:black;white-space:pre-wrap" lang="ES"><u>Expositora</u>: </span><span style="font-family:"Arial",sans-serif;color:black" lang="ES"><span class="gmail-il">María</span> A. Gutiérrez (estudiante doctoral de la Universidad de Cambridge, R.U.)</span></div><div><br></div><div><span style="font-family:"Arial",sans-serif;color:black;white-space:pre-wrap" lang="ES"><u>Título</u>: "</span><span style="white-space:pre-wrap"><span style="font-family:"Arial",sans-serif;color:black" lang="ES">Evolución viral en epidemias: modelos determinísticos y estocásticos".</span></span></div><p style="margin:0px;text-indent:0px;white-space:pre-wrap"><br></p><p style="margin:0px;text-indent:0px;white-space:pre-wrap"><span style="font-family:"Arial",sans-serif;color:black" lang="ES"> </span><span style="font-family:"Arial",sans-serif;color:black;white-space:normal" lang="ES"><u>Resumen</u>: </span><span style="font-family:"Arial",sans-serif;color:black;white-space:normal" lang="ES">Los modelos matemáticos pueden ser muy útiles para entender, predecir y controlar epidemias, como la pandemia COVID. </span><span lang="ES" style="white-space:normal"></span><span style="font-family:"Arial",sans-serif;color:black;white-space:normal" lang="ES">Sin
embargo, la aparición de nuevas variantes del virus, como Alfa, Delta y
Ómicron, puede tener consecuencias negativas completamente
impredecibles con modelos para la
variante original del virus. Por lo tanto, entender los factores que
favorecen la aparición y la expansión de nuevas variantes puede ser de
gran utilidad. </span><span lang="ES" style="white-space:normal"></span></p>
<p class="MsoNormal"><span style="font-family:"Arial",sans-serif;color:black" lang="ES">Durante
las campañas de vacunación masiva contra la COVID, se sugirió que las
vacunas podrían favorecer el desarrollo de variantes capaces de escapar
la inmunidad (de anticuerpos),
de forma similar a la resistencia antibiótica generada por fármacos. </span><span style="font-family:"Arial",sans-serif;color:black" lang="ES"> Por
eso, uno de los objetivos de mi investigación es entender cómo el
porcentaje de vacunación de cada población afecta el riesgo de nuevas
“variantes escape”.</span><span lang="ES"></span></p>
<p class="MsoNormal"><span style="font-family:"Arial",sans-serif;color:black" lang="ES">Para hacer predicciones sobre la evolución viral, hay que enlazar modelos epidemiológicos con modelos evolutivos. </span><span lang="ES"></span><span style="font-family:"Arial",sans-serif;color:black" lang="ES">En
esta charla enseñaré cómo medir la “presión” evolutiva a partir de un
modelo determinístico SIR para epidemias con vacunación. Este estudio ha
sido publicado este año
en el Journal of Theoretical Biology: </span><a href="https://doi.org/10.1016/j.jtbi.2023.111493" target="_blank"><span style="font-family:"Arial",sans-serif;color:rgb(34,0,204)" lang="ES">https://doi.org/10.1016/j.jtbi.2023.111493</span></a><span lang="ES"></span></p>
<p class="MsoNormal"><span lang="ES"></span><span style="font-family:"Arial",sans-serif;color:black" lang="ES">Con
estudios determinísticos como este, podemos intentar predecir la
aparición de nuevas variantes, pero no su potencial para crecer,
expandirse e incluso reemplazar la variante original.
Para estudiar la invasión de una nueva variante, hay que recurrir a
modelos estocásticos. Cuando hay pocas infecciones, es posible que la
variante se extinga estocásticamente, como en una población en un modelo
Galton-Watson para nacimientos y muertes. La
tasa de reproducción, o número R, de la nueva variante depende del
número de personas que no hayan sido infectadas por la variante
original, ya que estas son las susceptibles a la nueva variante.
Conforme la variante original se expande, el número de susceptibles
decrece, por el número R de la nueva variante no es constante en el
tiempo. Para estudiar este efecto, utilizo la fórmula de Kendall para
calcular la tasa de extinción en procesos estocásticos de nacimientos y
muertes con tasas variables en el tiempo. Así,
con este proceso estocástico, consigo ligar mi modelo determinístico
para la variante original con probabilidad de que aparezca una nueva
variante y genere una nueva oleada epidemiológica.</span></p><p class="MsoNormal"><span style="font-family:"Arial",sans-serif;color:black" lang="ES"><br></span></p><p class="MsoNormal"><span style="font-family:"Arial",sans-serif;color:black" lang="ES">Organiza</span></p><p class="MsoNormal"><span style="font-family:"Arial",sans-serif;color:black" lang="ES"> </span>Dra. Natalia Bárbara Mantilla Beniers<br>
<em>Profesora Titular “A” de tiempo completo</em><br>
<em>Grupo de Biología Matemática, Departamento de Matemáticas, </em></p><p class="MsoNormal"><em>Facultad de Ciencias.</em></p></div>