Successful control of falciparum malaria depends greatly on treatment with artemisinin combination therapies. Thus, reports that resistance to artemisinins (ARTs) has emerged, and that the prevalence of this resistance is increasing, are alarming. ART resistance has recently been linked to mutations in the K13 propeller protein. We undertook a detailed kinetic analysis of the drug responses of K13 wild-type and mutant isolates of Plasmodium falciparum sourced from a region in Cambodia (Pailin). We demonstrate that ART treatment induces growth retardation and an accumulation of ubiquitinated proteins, indicative of a cellular stress response that engages the ubiquitin/proteasome system. We show that resistant parasites exhibit lower levels of ubiquitinated proteins and delayed onset of cell death, indicating an enhanced cell stress response. We found that the stress response can be targeted by inhibiting the proteasome. Accordingly, clinically used proteasome inhibitors strongly synergize ART activity against both sensitive and resistant parasites, including isogenic lines expressing mutant or wild-type K13. Synergy is also observed against Plasmodium berghei in vivo. We developed a detailed model of parasite responses that enables us to infer, for the first time, in vivo parasite clearance profiles from in vitro assessments of ART sensitivity. We provide evidence that the clinical marker of resistance (delayed parasite clearance) is an indirect measure of drug efficacy because of the persistence of unviable parasites with unchanged morphology in the circulation, and we suggest alternative approaches for the direct measurement of viability. Our model predicts that extending current three-day ART treatment courses to four days, or splitting the doses, will efficiently clear resistant parasite infections. This work provides a rationale for improving the detection of ART resistance in the field and for treatment strategies that can be employed in areas with ART resistance.

Abstract Human respiratory disease associated with influenza virus infection is of significant public health concern. Macrophages, as part of the front line of host innate cellular defence, have been shown to play an important role in controlling viral replication. However, fatal outcomes of infection, as evidenced in patients infected with highly pathogenic viral strains, are often associated with prompt activation and excessive accumulation of macrophages. Activated macrophages can produce a large amount of pro-inflammatory cytokines, which leads to severe symptoms and at times death. However, the mechanism for rapid activation and excessive accumulation of macrophages during infection remains unclear. It has been suggested that the phenomena may arise from complex interactions between macrophages and influenza virus. In this work, we develop a novel mathematical model to study the relationship between the level of macrophage activation and the level of viral shedding in influenza virus infection. Our model combines a dynamic model of viral infection, a dynamic model of macrophages and the essential interactions between the virus and macrophages. Our model predicts that the level of macrophage activation can be negatively correlated with the level of viral shedding when viral infectivity is sufficiently high. We further identify that temporary depletion of resting macrophages in response to viral infection is a major driver in our model for the negative relationship between macrophage activation and viral shedding, providing new insight into the mechanisms that regulate macrophage activation. Our model serves as a framework to study the complex dynamics of virus-macrophage interactions and provides a mechanistic explanation for existing experimental observations, contributing to an enhanced understanding of the role of macrophages in influenza viral infection.

Prevalence of impetigo (skin sores) remains high in remote Australian Aboriginal communities, Fiji, and other areas of socio-economic disadvantage. Skin sore infections, driven primarily in these settings by Group A Streptococcus (GAS) contribute substantially to the disease burden in these areas. Despite this, estimates for the force of infection, infectious period and basic reproductive ratio - all necessary for the construction of dynamic transmission models - have not been obtained. By utilising three datasets each containing longitudinal infection information on individuals, we estimate each of these epidemiologically important parameters. With an eye to future study design, we also quantify the optimal sampling intervals for obtaining information about these parameters. We verify the estimation method through a simulation estimation study, and test each dataset to ensure suitability to the estimation method. We find that the force of infection differs by population prevalence, and the infectious period is estimated to be between 12 and 20 days. We also find that optimal sampling interval depends on setting, with an optimal sampling interval between 9 and 11 days in a high prevalence setting, and 21 and 27 days for a lower prevalence setting. These estimates unlock future model-based investigations on the transmission dynamics of GAS and skin sores.

Treatment options for influenza B virus infections are limited to neuraminidase inhibitors (NAIs) which block the neuraminidase (NA) glycoprotein on the virion surface. The development of NAI resistance would therefore result in a loss of antiviral treatment options for influenza B infections. This study characterized two contemporary influenza B viruses with known resistance-conferring NA amino acid substitutions, D197N and H273Y, detected during routine surveillance. The D197N and H273Y variants were characterized in vitro by assessing NA enzyme activity and affinity, as well as replication in cell culture compared to NAI-sensitive wild-type viruses. In vivo studies were also performed in ferrets to assess the replication and transmissibility of each variant. Mathematical models were used to analyse within-host and between-host fitness of variants relative to wild-type viruses. The data revealed that the H273Y variant had similar NA enzyme function relative to its wild-type but had slightly reduced replication and transmission efficiency in vivo. The D197N variant had impaired NA enzyme function but there was no evidence of reduction in replication or transmission efficiency in ferrets. Our data suggest that the influenza B variant with H273Y NA substitution had a more notable reduction in fitness compared to wild-type viruses than the influenza B variant with the D197N NA substitution. Although a D197N variant is yet to become widespread, it is the most commonly detected NAI-resistant influenza B virus in surveillance studies. Our results highlight the need to carefully monitor circulating viruses for the spread of influenza B viruses with the D197N NA substitution.

Abstract MUC1 belongs to the family of cell surface (cs-) mucins. Experimental evidence indicates that its presence reduces in vivo influenza viral infection severity. However, the mechanisms by which MUC1 influences viral dynamics and the host immune response are not yet well understood, limiting our ability to predict the efficacy of potential treatments that target MUC1. To address this limitation, we utilize available in vivo kinetic data for both virus and macrophage populations in wildtype and MUC1 knockout mice. We apply two mathematical models of within-host influenza dynamics to this data. The models differ in how they categorise the mechanisms of viral control. Both models provide evidence that MUC1 reduces the susceptibility of epithelial cells to influenza virus and regulates macrophage recruitment. Furthermore, we predict and compare some key infection-related quantities between the two mice groups. We find that MUC1 significantly reduces the basic reproduction number of viral replication as well as the number of cumulative macrophages but has little impact on the cumulative viral load. Our analyses suggest that the viral replication rate in the early stages of infection influences the kinetics of the host immune response, with consequences for infection outcomes, such as severity. We also show that MUC1 plays a strong anti-inflammatory role in the regulation of the host immune response. This study improves our understanding of the dynamic role of MUC1 against influenza infection and may support the development of novel antiviral treatments and immunomodulators that target MUC1.

The first line treatment for uncomplicated falciparum malaria is artemisinin-based combination therapy (ACT), which consists of an artemisinin derivative co-administered with a longer acting partner drug. However, the spread of Plasmodium falciparum resistant to both artemisinin and its partner drugs poses a major global threat to malaria control activities. Novel strategies are needed to retard and reverse the spread of these resistant parasites. One such strategy is triple artemisinin-based combination therapy (TACT). We developed a mechanistic within-host mathematical model to investigate the efficacy of a TACT (dihydroartemisinin-piperaquine-mefloquine - DHA-PQ-MQ), for use in South-East Asia, where DHA and PQ resistance are now increasingly prevalent. Comprehensive model simulations were used to explore the degree to which the underlying resistance influences the parasitological outcomes. The effect of MQ dosing on the efficacy of TACT was quantified at varying degrees of DHA and PQ resistance. To incorporate interactions between drugs, a novel model is presented for the combined effect of DHA-PQ-MQ, which illustrates how the interactions can influence treatment efficacy. When combined with a standard regimen of DHA and PQ, the administration of three 8.3 mg/kg doses of MQ was sufficient to achieve parasitological efficacy greater than that currently recommended by WHO guidelines.

Abstract Plasmodium vivax lactate dehydrogenase (PvLDH) is an essential enzyme in the glycolytic pathway of Plasmodium vivax . It can also be used as a diagnostic biomarker. Quantitation of plasma PvLDH has been used as a measure of P. vivax biomass in clinical studies of uncomplicated and severe vivax malaria. With the increasing importance of PvLDH in studying P. vivax diagnosis and infection, improved characterisation of the dynamics of this biomarker is important. In this study, we developed mathematical models that capture parasite and matrix PvLDH dynamics in ex vivo culture and the human host. We estimated the biological parameters using ex vivo and in vivo longitudinal data of parasitemia and PvLDH concentration collected from P. vivax -infected humans using Bayesian hierarchical inference. We found that the ex vivo and in vivo estimates of PvLDH in a parasitized red blood cell differed significantly across the asexual life cycle, with in vivo estimates at least ten-fold higher than ex vivo estimates (for example, the median estimate of intraerythrocytic PvLDH mass at the end of the life cycle was 9.4×10 −3 ng in vivo vs. 5.1×10 −4 ng ex vivo ). We also estimated the ex vivo PvLDH half-life to be 65.3 h (95% credible interval: 60.8—70.7 h), which is approximately three times longer than the median estimate of the in vivo PvLDH half-life, 21.9 h (16.7—29.9 h). Our findings provide an important foundation to further improve quantitative understanding of P. vivax biology and facilitate the development of PvLDH-based diagnostic tools.

Short-course regimens for multi-drug resistant tuberculosis (MDR-TB) are urgently needed. Limited data suggest that the new drug, bedaquiline (BDQ), may have the potential to shorten MDR-TB treatment to less than six months when used in conjunction with standard anti-TB drugs. However, the feasibility of BDQ in shortening MDR-TB treatment duration remains to be established. Mathematical modelling provides a platform to investigate different treatment regimens and predict their efficacy. We developed a mathematical model to capture the immune response to TB inside a human host environment. This model was then combined with a pharmacokinetic-pharmacodynamic model to simulate various short-course BDQ-containing regimens. Our modelling suggests that BDQ could reduce MDR-TB treatment duration to just 18 weeks (four months) while still maintaining a very high treatment success rate (100% for daily BDQ for two weeks, or 95% for daily BDQ for one week during the intensive phase). The estimated time to bacterial clearance of these regimens ranges from 27 to 33 days. Our findings provide the justification for empirical evaluation of short-course BDQ-containing regimens. If short-course BDQ-containing regimens are found to improve outcomes then we anticipate clear cost-savings and a subsequent improvement in the efficiency of national TB programs.

Disease surveillance data was critical in supporting public health decisions throughout the coronavirus disease 2019 (COVID-19) pandemic. At the same time, the unprecedented circumstances of the pandemic revealed many shortcomings of surveillance systems for viral respiratory pathogens. Strengthening of surveillance systems was identified as a priority for the recently established Australian Centre for Disease Control, which represents a critical opportunity to review pre-pandemic and pandemic surveillance practices, and to decide on future priorities, during both pandemic and inter-pandemic periods. On 20 October 2022, we ran a workshop with experts from the academic and government sectors who had contributed to the COVID-19 response in Australia on 'The role of surveillance in epidemic response', at the University of New South Wales, Sydney, Australia. Following the workshop, we developed five recommendations to strengthen respiratory virus surveillance systems in Australia, which we present here. Our recommendations are not intended to be exhaustive. We instead chose to focus on data types that are highly valuable yet typically overlooked by surveillance planners. Three of the recommendations focus on data collection activities that support the monitoring and prediction of disease impact and the effectiveness of interventions (what to measure) and two focus on surveillance methods and capabilities (how to measure). Implementation of our recommendations would enable more robust, timely, and impactful epidemic analysis.

Exponential growth is a mathematically convenient model for the early stages of an outbreak of an infectious disease. However, for many pathogens (such as Ebola virus) the initial rate of transmission may be sub-exponential, even before transmission is affected by depletion of susceptible individuals. We present a stochastic multi-scale model capable of representing sub-exponential transmission: an in-homogeneous branching process extending the generalised growth model. To validate the model, we fit it to data from the Ebola epidemic in West Africa (2014–2016). We demonstrate how a branching process can be fit to both time series of confirmed cases and chains of infection derived from contact tracing. Our estimates of the parameters suggest transmission of Ebola virus was sub-exponential during this epidemic. Both the time series data and the chains of infections lead to consistent parameter estimates. Differences in the data sets meant consistent estimates were not a foregone conclusion. Finally, we use a simulation study to investigate the properties of our methodology. In particular, we examine the extent to which the estimates obtained from time series data and those obtained from chains of infection data agree. Our method, based on a simple branching process, is well suited to real-time analysis of data collected during contact tracing. Identifying the characteristic early growth dynamics (exponential or sub-exponential), including an estimate of uncertainty, during the first phase of an epidemic should prove a useful tool for preliminary outbreak investigations.