游离病原体视角下HIV与TB共感染的动力学模型及传播机制研究

游离病原体视角下HIV与TB共感染的动力学模型及传播机制研究一、绪论1.1研究背景与意义结核病（Tuberculosis，TB）是由结核分枝杆菌（Mycobacteriumtuberculosis，MTB）引发的慢性传染病，主要经呼吸道传播，可侵袭人体多个组织器官，肺结核最为常见。人类免疫缺陷病毒（HumanImmunodeficiencyVirus，HIV）则是一种攻击人体免疫细胞的慢病毒，主要破坏人体免疫系统，导致机体免疫功能严重受损，最终发展为获得性免疫缺陷综合征（AcquiredImmunodeficiencySyndrome，AIDS），即艾滋病，极大地威胁人类生命健康。由于人类对HIV和TB普遍易感，所以可以先后或同时被感染，从而造成HIV与TB双重感染。据《2024年全球结核病报告》显示，2023年全球估算结核病新发患者数1080万，其中合并艾滋病毒感染者66.2万。TB和HIV双重感染已成为全球传染病防控面临的巨大挑战。这一问题还会产生“1+1>2”的严重后果，如伴有免疫抑制的HIV感染阳性者，容易出现诊断延误和不规范治疗，进而导致HIV感染者中耐药结核病的传播；HIV感染者一旦感染TB，病情会迅速发展为AIDS并快速恶化，最终导致死亡。游离病原体在HIV与TB共感染过程中扮演着重要角色。游离的HIV病毒和MTB能够更自由地在宿主体内扩散，增加了感染其他细胞和组织的机会。游离的HIV病毒可通过血液、体液等途径，更轻易地接触并感染免疫细胞，而MTB在呼吸道等部位以游离状态存在时，也更容易侵入肺部组织并引发感染。研究游离病原体在HIV与TB共感染中的作用机制，有助于深入了解这两种疾病相互影响、协同致病的过程，为揭示共感染的病理机制提供关键线索。传染病动力学模型作为研究传染病传播规律和流行趋势的重要工具，在HIV与TB共感染研究中具有独特优势。通过建立动力学模型，可以对共感染过程进行定量分析和预测。例如，利用模型可以模拟不同传播途径下，HIV和TB在人群中的传播速度、感染范围以及不同干预措施对疫情控制的效果等，从而为制定科学有效的防控策略提供有力依据。在实际应用中，基于动力学模型的预测结果，公共卫生部门可以合理规划资源配置，确定重点防控区域和人群，制定针对性的筛查、治疗和预防措施，有效控制HIV与TB共感染的传播和扩散，减轻疾病负担，具有重大的现实意义。1.2国内外研究现状HIV与TB共感染是全球公共卫生领域的重要问题，国内外学者在该领域开展了大量研究，涉及共感染的流行病学、发病机制、治疗策略以及动力学模型构建等多个方面。在流行病学研究上，国外学者通过大规模的调查研究，对HIV与TB共感染的全球流行状况进行了详细分析。例如，一项发表于《柳叶刀》的研究表明，在非洲撒哈拉以南地区，由于HIV的高流行率，TB与HIV的共感染率显著高于其他地区，这为了解共感染在不同地域的分布特点提供了重要依据。国内研究则聚焦于本土的共感染情况，通过对不同地区结核病患者和HIV感染者的筛查，揭示了我国TB/HIV双重感染的地区差异，如在HIV疫情较严重的云南、广西等地，共感染的发生率相对较高。发病机制方面，国外科研团队利用先进的分子生物学技术，深入探究了HIV与TB相互作用的内在机制。研究发现，HIV感染导致的免疫功能下降，使得机体对TB的易感性显著增加，同时TB感染也会促进HIV的复制和传播。国内学者则从免疫细胞功能、细胞因子表达等角度出发，进一步阐释了共感染对免疫系统的损害机制，为研发针对性的治疗方法提供了理论支持。治疗策略的研究上，国内外学者都致力于优化HIV与TB共感染的治疗方案。国外的一些临床试验对比了不同抗结核药物和抗逆转录病毒药物联合使用的疗效和安全性，为临床治疗提供了重要参考。国内则结合我国的医疗资源和患者特点，制定了适合国情的治疗指南，强调了早期诊断、规范治疗以及药物相互作用管理的重要性。传染病动力学模型在HIV与TB共感染研究中的应用也日益广泛。国外在该领域起步较早，建立了多种复杂的动力学模型。比如，一些模型考虑了HIV和TB在不同免疫细胞中的感染过程，以及免疫反应对病毒和细菌传播的影响，通过数值模拟分析了不同防控措施对共感染传播的效果。国内学者则在借鉴国外研究的基础上，结合我国的实际情况，对模型进行了改进和完善。有研究建立了考虑游离病原体的HIV与TB共感染动力学模型，通过引入游离病原体的传播途径和感染机制，使模型更加贴近实际情况，为我国的防控策略制定提供了更具针对性的依据。虽然国内外在HIV与TB共感染及动力学模型领域已取得了诸多成果，但仍存在一些不足。现有研究对共感染的发病机制尚未完全明确，尤其是在HIV和TB相互作用的分子机制以及宿主遗传因素对共感染的影响方面，还需要进一步深入探索。动力学模型虽然能够对共感染的传播趋势进行预测，但模型中的参数估计往往存在一定的不确定性，这可能会影响模型的预测准确性。此外，如何将动力学模型的研究成果更好地应用于实际防控工作，实现理论与实践的有效结合，也是当前亟待解决的问题。1.3研究方法与创新点本研究综合运用数学建模、理论分析和数值模拟等方法，深入探究考虑游离病原体的HIV与TB共感染动力学过程，旨在揭示共感染的传播规律和内在机制。数学建模方面，依据HIV和TB的感染特性、游离病原体的传播方式以及人体免疫反应的相关原理，构建能够精准描述共感染过程的动力学模型。在模型构建中，充分考量游离的HIV病毒和MTB在宿主体内的传播途径、感染细胞的过程，以及它们与免疫系统之间复杂的相互作用关系，确保模型尽可能贴近实际感染情况。例如，对于游离HIV病毒，考虑其通过血液、体液等途径接触并感染免疫细胞的过程；对于游离MTB，考虑其在呼吸道等部位侵入肺部组织的感染路径。理论分析时，运用微分方程定性稳定性理论、分支理论等数学工具，对所建立的动力学模型进行深入剖析。通过分析模型的平衡点、基本再生数等关键指标，确定病原体灭绝与否的阈值，明确共感染在不同条件下的发展趋势。研究平衡点的稳定性，判断在何种情况下共感染会得到控制，何种情况下会持续发展，为理解共感染的动态变化提供理论依据。数值模拟上，借助计算机软件对模型进行求解和模拟。通过设定不同的初始条件和参数值，模拟共感染在不同场景下的传播过程，直观展示HIV和TB的感染率、游离病原体数量以及免疫系统状态等随时间的变化情况。利用数值模拟结果，验证理论分析的结论，同时定量展示游离病原体与免疫系统之间的相互作用，为进一步优化防控策略提供数据支持。从游离病原体角度建模是本研究的创新之处。相较于传统模型，本研究重点关注游离病原体在HIV与TB共感染中的独特作用，详细刻画游离病原体的传播和感染机制，使模型更能反映真实的感染过程，为揭示共感染的复杂病理机制提供全新视角，有望为制定更具针对性的防控策略提供有力支持。二、HIV与TB共感染相关理论基础2.1HIV与TB病原体特性HIV是一种逆转录病毒，呈球形，具有包膜结构。病毒核心包含两条相同的单链RNA、逆转录酶、整合酶和蛋白酶等重要物质。HIV的显著特点之一是具有高度变异性，这主要归因于其逆转录过程中逆转录酶缺乏校正功能，使得病毒在复制过程中容易发生碱基错配，导致基因变异。这种高度变异性给HIV疫苗的研制带来了极大困难，因为疫苗需要针对特定的病毒抗原产生免疫反应，而病毒的频繁变异使得难以找到一种通用的疫苗来应对各种变异株。HIV的传播途径主要有性接触传播、血液传播和母婴传播。性接触传播是最主要的传播方式之一，包括同性性行为和异性性行为。在性接触过程中，HIV可通过破损的黏膜或皮肤进入人体，感染免疫细胞。血液传播常见于共用注射器、输入被HIV污染的血液或血制品等情况。例如，在一些吸毒人群中，共用未消毒的注射器进行静脉注射毒品，极易导致HIV的传播。母婴传播则是感染HIV的母亲在妊娠、分娩或哺乳过程中将病毒传给胎儿或婴儿。若母亲在孕期未接受有效的抗病毒治疗，胎儿感染HIV的风险较高。结核杆菌即结核分枝杆菌，为细长略带弯曲的杆菌，具有独特的细胞壁结构，其细胞壁脂质含量较高，约占干重的60%，特别是有大量分枝菌酸包围在肽聚糖层的外面。这种特殊的细胞壁结构使得结核杆菌具有较强的抵抗力，它对酸、碱、自然环境和干燥有较强的耐受性，但对湿热、紫外线和酒精较为敏感。在干痰中，结核杆菌可存活6-8个月，若粘附于尘埃上，能保持传染性8-10天；而在液体中加热62-63℃，15分钟即可将其杀死，在直射日光下照射2-3小时，或在75%酒精中数分钟也会死亡。结核杆菌的传播途径主要是呼吸道传播。当排菌的肺结核患者咳嗽、打喷嚏、大声说话时，会产生带有结核杆菌的飞沫，健康人吸入这些飞沫后，就有可能感染结核杆菌。另外，饮用未经消毒的带菌牛奶，可能会经消化道感染牛型结核杆菌；少数情况下，结核杆菌也可通过破损的皮肤或黏膜进行传播。2.2共感染病理机制HIV与TB共感染时，二者对免疫系统产生交互破坏作用，使得疾病发展进程更为复杂和迅速。HIV主要攻击人体免疫系统中的CD4+T淋巴细胞。当HIV病毒进入人体后，其包膜蛋白gp120会与CD4+T淋巴细胞表面的CD4分子特异性结合，随后病毒将遗传物质RNA注入细胞内。在逆转录酶的作用下，RNA被逆转录成DNA，并整合到宿主细胞的基因组中。此后，宿主细胞会在病毒DNA的指令下不断合成新的病毒颗粒，导致CD4+T淋巴细胞被大量破坏，数量急剧减少。当CD4+T淋巴细胞计数低于正常水平时，人体免疫系统的功能就会严重受损，机体抵御病原体的能力大幅下降。TB感染人体后，首先会被巨噬细胞吞噬。然而，结核杆菌具有特殊的细胞壁结构，能够抵抗巨噬细胞的杀伤作用，并在巨噬细胞内大量繁殖。巨噬细胞为了清除结核杆菌，会释放多种细胞因子，如肿瘤坏死因子（TNF-α）、白细胞介素-1（IL-1）等，引发局部炎症反应。在免疫功能正常的情况下，机体能够通过细胞免疫反应控制结核杆菌的感染，形成结核结节，使结核杆菌处于相对静止的潜伏状态。但当HIV感染导致免疫系统受损时，这种免疫控制机制就会失效。在HIV与TB共感染的情况下，二者相互影响，加速病情恶化。一方面，HIV感染导致的免疫功能下降，使得机体对TB的易感性显著增加。由于CD4+T淋巴细胞数量减少和功能受损，机体无法有效激活巨噬细胞等免疫细胞来清除结核杆菌，导致结核杆菌在体内大量繁殖，原本处于潜伏状态的TB容易被激活，发展为活动性结核病。另一方面，TB感染也会促进HIV的复制和传播。TB感染引发的炎症反应会促使免疫细胞分泌多种细胞因子，如IL-6、TNF-α等，这些细胞因子可以激活HIV潜伏感染的细胞，使HIV大量复制。TB感染还会导致免疫系统的过度激活，增加了HIV感染免疫细胞的机会，进一步加速了HIV在体内的传播。从疾病发展进程来看，HIV与TB共感染通常比单一感染更为迅速和严重。在共感染初期，由于HIV对免疫系统的破坏尚未达到严重程度，患者可能主要表现为TB感染的症状，如咳嗽、咳痰、低热、盗汗、乏力等。随着HIV感染的进展，免疫系统逐渐崩溃，患者不仅会出现严重的TB症状，如肺部空洞形成、肺外结核等，还会并发各种机会性感染和恶性肿瘤。由于免疫系统无法有效应对病原体的入侵，患者的病情会迅速恶化，死亡率显著增加。2.3动力学模型相关理论传染病动力学模型常借助常微分方程来描述传染病在人群中的传播过程。常微分方程能够刻画各种因素随时间的变化率，在传染病模型中，可用于表示易感者、感染者、康复者等不同人群数量或比例随时间的变化。例如，经典的SIR模型（Susceptible-Infected-RecoveredModel）由以下常微分方程组构成：\begin{cases}\frac{dS}{dt}=-\betaSI\\\frac{dI}{dt}=\betaSI-\gammaI\\\frac{dR}{dt}=\gammaI\end{cases}其中，S表示易感者数量，I表示感染者数量，R表示康复者数量，t表示时间。\beta为感染率，表示单位时间内一个感染者能使易感者感染的概率；\gamma为康复率，表示单位时间内感染者康复的概率。第一个方程描述了易感者数量随时间的减少，其减少速率与易感者和感染者的数量乘积成正比，因为只有易感者与感染者接触才可能被感染。第二个方程表示感染者数量的变化，由新感染的人数（\betaSI）减去康复的人数（\gammaI）得到。第三个方程则体现了康复者数量随时间的增加，其增加速率与感染者康复的速率（\gammaI）相等。通过求解这些常微分方程，可以了解传染病在不同阶段的传播趋势，预测疫情的发展。稳定性理论在传染病动力学模型中起着关键作用，主要用于分析模型平衡点的稳定性。平衡点是指系统中各变量的变化率为零的状态，即\frac{dS}{dt}=0，\frac{dI}{dt}=0，\frac{dR}{dt}=0时对应的S、I、R的值。对于SIR模型，存在无病平衡点E_0=(S_0,0,0)和地方病平衡点E^*=(S^*,I^*,R^*)。无病平衡点表示没有感染者的状态，地方病平衡点则表示传染病在人群中达到一种相对稳定的传播状态。通过稳定性分析，可以判断当系统受到微小扰动时，是否会回到原来的平衡点。若平衡点是稳定的，那么即使系统受到小的干扰，最终仍会恢复到该平衡点；若平衡点不稳定，系统一旦受到扰动，就会偏离该平衡点，传染病的传播状态也会发生改变。例如，对于SIR模型的无病平衡点E_0，当基本再生数R_0=\frac{\beta}{\gamma}<1时，E_0是局部渐近稳定的，意味着如果初始时感染者数量很少，传染病将逐渐消失；而当R_0>1时，E_0不稳定，传染病会在人群中传播开来。稳定性分析为判断传染病的传播趋势提供了重要依据，有助于制定相应的防控策略。分支理论主要研究当系统参数发生连续变化时，系统平衡点的个数、稳定性以及系统的动力学行为如何发生定性改变。在传染病动力学模型中，参数的变化可能导致系统出现不同的传播状态。例如，当感染率\beta或康复率\gamma发生变化时，模型的平衡点和稳定性也会相应改变。通过分支分析，可以确定参数的临界值，当参数超过这些临界值时，系统的动力学行为会发生突变，如传染病从不会流行转变为会流行，或者从一种稳定的传播状态转变为另一种传播状态。分支理论能够帮助我们深入理解传染病传播过程中的复杂现象，为疫情防控提供更深入的理论支持。三、考虑游离病原体的HIV与TB共感染动力学模型构建3.1模型假设为构建准确反映HIV与TB共感染过程的动力学模型，做出以下假设：将人体免疫系统中的细胞分为易感CD4+T淋巴细胞（T）、感染HIV的CD4+T淋巴细胞（T_H）、感染TB的巨噬细胞（M）、同时感染HIV和TB的巨噬细胞（M_{HT}）。其中，易感CD4+T淋巴细胞具有正常的免疫功能，能够抵御病原体的入侵，但容易被HIV感染；感染HIV的CD4+T淋巴细胞失去了正常的免疫功能，且成为HIV在体内复制和传播的载体；感染TB的巨噬细胞原本是免疫系统用于吞噬和清除结核杆菌的重要细胞，但被TB感染后，不仅无法有效清除结核杆菌，反而成为TB的宿主；同时感染HIV和TB的巨噬细胞则面临着两种病原体的双重影响，其功能和行为更为复杂。游离的HIV病毒（V）和MTB（B）在宿主体内存在。游离的HIV病毒通过血液、体液等途径在体内循环，寻找易感的CD4+T淋巴细胞进行感染；游离的MTB则主要在呼吸道等部位存在，通过吸入等方式进入人体，并寻找巨噬细胞进行感染。假设CD4+T淋巴细胞以恒定速率\lambda产生，这一速率反映了人体正常的细胞生成过程，即使在感染状态下，骨髓等造血组织仍会持续产生新的CD4+T淋巴细胞，以补充免疫系统的细胞数量。各类细胞（T、T_H、M、M_{HT}）和游离病原体（V、B）均以各自固定的速率死亡，分别为\mu_T、\mu_{T_H}、\mu_M、\mu_{M_{HT}}、\mu_V、\mu_B。这些死亡速率体现了细胞的自然衰老、凋亡以及被免疫系统清除等过程，不同类型的细胞和病原体由于其自身特性和在感染过程中的作用不同，具有不同的死亡速率。游离的HIV病毒以感染率\beta_1感染易感CD4+T淋巴细胞，该感染率表示在单位时间内，一个游离的HIV病毒能够成功感染一个易感CD4+T淋巴细胞的概率，它受到病毒的传染性、细胞表面受体的亲和力以及免疫系统的防御能力等多种因素的影响。游离的MTB以感染率\beta_2感染巨噬细胞，同样，这一感染率反映了MTB感染巨噬细胞的难易程度，受到MTB的毒力、巨噬细胞的吞噬能力以及环境因素等的制约。感染HIV的CD4+T淋巴细胞以速率k_1产生游离的HIV病毒，这一速率体现了被感染的CD4+T淋巴细胞在病毒的控制下，不断复制和释放新的HIV病毒的能力，与病毒的复制周期、细胞内的病毒转录和翻译效率等有关。感染TB的巨噬细胞以速率k_2产生游离的MTB，表明被TB感染的巨噬细胞成为了MTB的繁殖场所，其产生游离MTB的速率与TB在巨噬细胞内的生长、繁殖速度以及巨噬细胞的裂解机制等相关。考虑到HIV与TB共感染时的相互作用，假设同时感染HIV和TB的巨噬细胞产生游离HIV病毒和MTB的速率分别为k_3和k_4，且k_3\neqk_1，k_4\neqk_2。这是因为在共感染的情况下，两种病原体之间会相互影响对方的复制和传播过程，使得同时感染的巨噬细胞产生病原体的速率发生改变。免疫系统对游离病原体具有清除作用，假设免疫系统以速率\alpha_1清除游离的HIV病毒，以速率\alpha_2清除游离的MTB。这一清除速率反映了免疫系统识别和消灭病原体的能力，受到免疫细胞的活性、细胞因子的分泌以及病原体的免疫逃逸机制等多种因素的影响。3.2变量与参数定义根据上述假设，模型中涉及的变量和参数定义如下：变量：T(t)：t时刻易感CD4+T淋巴细胞的数量。它代表着免疫系统中尚未被HIV感染的CD4+T淋巴细胞，是HIV感染的潜在目标细胞。在正常生理状态下，T(t)维持在一定水平，参与机体的免疫防御反应。当HIV入侵时，T(t)的数量会受到影响，其变化反映了免疫系统抵御HIV感染的能力。T_H(t)：t时刻感染HIV的CD4+T淋巴细胞的数量。这些细胞已被HIV成功感染，成为病毒在体内复制和传播的场所。随着感染的进展，T_H(t)的数量会逐渐增加，同时导致T(t)数量的减少，进而破坏免疫系统的正常功能。M(t)：t时刻感染TB的巨噬细胞的数量。巨噬细胞原本是免疫系统中负责吞噬和清除病原体的重要细胞，但当被TB感染后，它们不仅无法有效清除结核杆菌，反而为TB的生存和繁殖提供了环境。M(t)的数量变化与TB在体内的感染和传播密切相关，其增加可能导致TB病情的加重。M_{HT}(t)：t时刻同时感染HIV和TB的巨噬细胞的数量。这类细胞面临着两种病原体的双重攻击，其生理功能和行为更为复杂。M_{HT}(t)的存在体现了HIV与TB共感染的相互作用，其数量的变化反映了共感染的严重程度以及两种病原体在巨噬细胞内的竞争和协同关系。V(t)：t时刻游离的HIV病毒的数量。游离的HIV病毒在血液、体液等中循环，寻找易感的CD4+T淋巴细胞进行感染。V(t)的数量受到病毒的产生、传播和清除等多种因素的影响，是衡量HIV在体内传播能力的重要指标。B(t)：t时刻游离的MTB的数量。游离的MTB主要存在于呼吸道等部位，通过吸入等方式进入人体，并寻找巨噬细胞进行感染。B(t)的数量反映了MTB在体内的传播和感染能力，其增加可能导致TB感染的扩散。参数：\lambda：CD4+T淋巴细胞的产生速率。它表示人体正常情况下生成CD4+T淋巴细胞的速度，受到骨髓造血功能等多种因素的调控。在感染状态下，\lambda的大小会影响免疫系统补充CD4+T淋巴细胞的能力，进而影响机体对HIV和TB的抵抗能力。\mu_T：易感CD4+T淋巴细胞的死亡率。这一参数体现了易感CD4+T淋巴细胞的自然死亡、凋亡以及被免疫系统清除等过程。正常情况下，\mu_T相对稳定，但在感染HIV或TB后，由于免疫系统的应激反应和病原体的影响，\mu_T可能会发生变化。\mu_{T_H}：感染HIV的CD4+T淋巴细胞的死亡率。被HIV感染的CD4+T淋巴细胞，其生命周期和死亡机制与正常的CD4+T淋巴细胞不同。\mu_{T_H}受到HIV病毒的复制、细胞毒性以及免疫系统的攻击等多种因素的影响，通常情况下，\mu_{T_H}会高于\mu_T。\mu_M：感染TB的巨噬细胞的死亡率。感染TB的巨噬细胞，由于受到TB的侵害以及免疫系统的反应，其死亡率会发生改变。\mu_M反映了感染TB的巨噬细胞在体内的存活情况，其大小与TB的毒力、巨噬细胞的免疫功能以及治疗干预等因素有关。\mu_{M_{HT}}：同时感染HIV和TB的巨噬细胞的死亡率。这类巨噬细胞同时受到两种病原体的影响，其生理状态更为复杂，死亡率也更高。\mu_{M_{HT}}综合反映了HIV和TB共感染对巨噬细胞存活的影响，受到两种病原体的相互作用、免疫系统的双重攻击以及治疗措施的综合影响。\mu_V：游离的HIV病毒的死亡率。游离的HIV病毒在体内会受到免疫系统的清除、环境因素的影响以及自身的降解等，\mu_V表示其死亡的速率。它受到免疫细胞的活性、细胞因子的分泌以及抗病毒药物的作用等多种因素的制约，是衡量HIV病毒在体内生存能力的重要参数。\mu_B：游离的MTB的死亡率。游离的MTB在体内也会面临免疫系统的攻击、环境的不适宜以及药物的作用等，\mu_B体现了其死亡的速率。它与免疫系统对MTB的识别和清除能力、MTB的耐药性以及抗结核药物的疗效等因素密切相关。\beta_1：游离的HIV病毒感染易感CD4+T淋巴细胞的感染率。这一参数表示在单位时间内，一个游离的HIV病毒能够成功感染一个易感CD4+T淋巴细胞的概率。它受到病毒的传染性、细胞表面受体的亲和力以及免疫系统的防御能力等多种因素的影响，是决定HIV感染速度的关键参数。\beta_2：游离的MTB感染巨噬细胞的感染率。它反映了在单位时间内，一个游离的MTB能够感染一个巨噬细胞的可能性。受到MTB的毒力、巨噬细胞的吞噬能力以及环境因素等的制约，是衡量TB感染能力的重要指标。k_1：感染HIV的CD4+T淋巴细胞产生游离的HIV病毒的速率。这一速率体现了被感染的CD4+T淋巴细胞在病毒的控制下，不断复制和释放新的HIV病毒的能力。与病毒的复制周期、细胞内的病毒转录和翻译效率等有关，其大小直接影响游离HIV病毒的产生数量，进而影响HIV在体内的传播速度。k_2：感染TB的巨噬细胞产生游离的MTB的速率。表明被TB感染的巨噬细胞成为了MTB的繁殖场所，其产生游离MTB的速率与TB在巨噬细胞内的生长、繁殖速度以及巨噬细胞的裂解机制等相关。k_2的大小决定了游离MTB的产生数量，对TB在体内的传播和感染范围有着重要影响。k_3：同时感染HIV和TB的巨噬细胞产生游离HIV病毒的速率。在HIV与TB共感染的情况下，两种病原体之间会相互影响对方的复制和传播过程，使得同时感染的巨噬细胞产生游离HIV病毒的速率k_3与k_1不同。k_3受到两种病原体在巨噬细胞内的相互作用、基因表达调控以及免疫微环境等多种因素的影响，其变化反映了共感染对HIV复制的影响。k_4：同时感染HIV和TB的巨噬细胞产生游离MTB的速率。同样，由于共感染的相互作用，k_4与k_2不同。它受到HIV和TB在巨噬细胞内的竞争、协同以及免疫细胞对共感染巨噬细胞的反应等多种因素的影响，其大小变化体现了共感染对TB繁殖和传播的作用。\alpha_1：免疫系统清除游离的HIV病毒的速率。反映了免疫系统识别和消灭游离HIV病毒的能力。受到免疫细胞的活性、细胞因子的分泌以及病原体的免疫逃逸机制等多种因素的影响，是衡量免疫系统对HIV防御能力的重要参数。提高\alpha_1可以有效降低游离HIV病毒的数量，减缓HIV的传播。\alpha_2：免疫系统清除游离的MTB的速率。体现了免疫系统对游离MTB的清除能力。与免疫细胞对MTB的识别、吞噬和杀灭能力，以及MTB的免疫逃逸策略等因素有关。增强\alpha_2有助于减少游离MTB的数量，控制TB的感染和传播。3.3模型建立基于上述假设以及变量和参数定义，构建如下考虑游离病原体的HIV与TB共感染动力学模型：\begin{cases}\frac{dT}{dt}=\lambda-\beta_1VT-\mu_TT\\\frac{dT_H}{dt}=\beta_1VT-\mu_{T_H}T_H\\\frac{dM}{dt}=-\beta_2BM-\mu_MM\\\frac{dM_{HT}}{dt}=\beta_2BM-\mu_{M_{HT}}M_{HT}\\\frac{dV}{dt}=k_1T_H+k_3M_{HT}-(\mu_V+\alpha_1)V\\\frac{dB}{dt}=k_2M+k_4M_{HT}-(\mu_B+\alpha_2)B\end{cases}在第一个方程中，\frac{dT}{dt}表示易感CD4+T淋巴细胞数量随时间的变化率。\lambda为CD4+T淋巴细胞的产生速率，使得T有一个正向的增加量。-\beta_1VT表示游离的HIV病毒以感染率\beta_1感染易感CD4+T淋巴细胞，导致T数量减少，其减少量与游离HIV病毒数量V和易感CD4+T淋巴细胞数量T的乘积成正比。-\mu_TT则体现了易感CD4+T淋巴细胞以死亡率\mu_T自然死亡，同样使T数量减少。对于第二个方程，\frac{dT_H}{dt}是感染HIV的CD4+T淋巴细胞数量随时间的变化情况。\beta_1VT为新感染产生的感染HIV的CD4+T淋巴细胞数量，使得T_H增加。-\mu_{T_H}T_H表示感染HIV的CD4+T淋巴细胞以死亡率\mu_{T_H}死亡，导致T_H数量下降。第三个方程里，\frac{dM}{dt}代表感染TB的巨噬细胞数量的变化率。-\beta_2BM表明游离的MTB以感染率\beta_2感染巨噬细胞，致使感染TB的巨噬细胞数量M减少，减少量与游离MTB数量B和巨噬细胞数量M的乘积相关。-\mu_MM体现了感染TB的巨噬细胞以死亡率\mu_M自然死亡，使得M减少。在描述同时感染HIV和TB的巨噬细胞数量变化的方程中，\frac{dM_{HT}}{dt}为其随时间的变化率。\beta_2BM是新感染产生的同时感染HIV和TB的巨噬细胞数量，使M_{HT}增加。-\mu_{M_{HT}}M_{HT}表示同时感染HIV和TB的巨噬细胞以死亡率\mu_{M_{HT}}死亡，导致M_{HT}数量降低。第五个方程用于刻画游离的HIV病毒数量的变化，\frac{dV}{dt}是其变化率。k_1T_H表示感染HIV的CD4+T淋巴细胞以速率k_1产生游离的HIV病毒，k_3M_{HT}表示同时感染HIV和TB的巨噬细胞以速率k_3产生游离的HIV病毒，这两项都使游离HIV病毒数量V增加。-(\mu_V+\alpha_1)V则表示游离的HIV病毒以死亡率\mu_V自然死亡以及被免疫系统以速率\alpha_1清除，共同导致V数量减少。最后一个方程中，\frac{dB}{dt}为游离的MTB数量随时间的变化率。k_2M表示感染TB的巨噬细胞以速率k_2产生游离的MTB，k_4M_{HT}表示同时感染HIV和TB的巨噬细胞以速率k_4产生游离的MTB，二者都使游离MTB数量B增加。-(\mu_B+\alpha_2)B表示游离的MTB以死亡率\mu_B自然死亡以及被免疫系统以速率\alpha_2清除，导致B数量减少。该模型全面地考虑了HIV与TB共感染过程中各类细胞和游离病原体之间的相互作用关系，通过这些微分方程能够定量地描述共感染的动态发展过程，为后续的理论分析和数值模拟奠定了基础。四、模型的理论分析4.1平衡点分析未感染平衡点：未感染平衡点是指模型中所有病原体都不存在，即T_H=0，M=0，M_{HT}=0，V=0，B=0时的状态。将这些值代入模型方程组：\begin{cases}\frac{dT}{dt}=\lambda-\beta_1VT-\mu_TT\\\frac{dT_H}{dt}=\beta_1VT-\mu_{T_H}T_H\\\frac{dM}{dt}=-\beta_2BM-\mu_MM\\\frac{dM_{HT}}{dt}=\beta_2BM-\mu_{M_{HT}}M_{HT}\\\frac{dV}{dt}=k_1T_H+k_3M_{HT}-(\mu_V+\alpha_1)V\\\frac{dB}{dt}=k_2M+k_4M_{HT}-(\mu_B+\alpha_2)B\end{cases}得到：\begin{cases}\frac{dT}{dt}=\lambda-\mu_TT=0\\\frac{dT_H}{dt}=0\\\frac{dM}{dt}=0\\\frac{dM_{HT}}{dt}=0\\\frac{dV}{dt}=0\\\frac{dB}{dt}=0\end{cases}解方程\lambda-\mu_TT=0，可得T=\frac{\lambda}{\mu_T}。所以，未感染平衡点E_0=(\frac{\lambda}{\mu_T},0,0,0,0,0)。在这个平衡点处，人体免疫系统处于正常状态，没有受到HIV和TB的感染，易感CD4+T淋巴细胞以恒定速率\lambda产生，并以死亡率\mu_T死亡，维持着动态平衡。单一感染平衡点：HIV单一感染平衡点：假设只有HIV感染，即M=0，M_{HT}=0，B=0。将其代入模型方程组，得到：\begin{cases}\frac{dT}{dt}=\lambda-\beta_1VT-\mu_TT=0\\\frac{dT_H}{dt}=\beta_1VT-\mu_{T_H}T_H=0\\\frac{dV}{dt}=k_1T_H-(\mu_V+\alpha_1)V=0\end{cases}由\frac{dT}{dt}=0可得\lambda-\beta_1VT-\mu_TT=0，解出T=\frac{\lambda}{\beta_1V+\mu_T}。将T=\frac{\lambda}{\beta_1V+\mu_T}代入\frac{dT_H}{dt}=0，即\beta_1V\cdot\frac{\lambda}{\beta_1V+\mu_T}-\mu_{T_H}T_H=0，解出T_H=\frac{\beta_1V\lambda}{\mu_{T_H}(\beta_1V+\mu_T)}。再将T_H=\frac{\beta_1V\lambda}{\mu_{T_H}(\beta_1V+\mu_T)}代入\frac{dV}{dt}=0，即k_1\cdot\frac{\beta_1V\lambda}{\mu_{T_H}(\beta_1V+\mu_T)}-(\mu_V+\alpha_1)V=0。因为V\neq0（若V=0，则回到未感染平衡点），两边同时除以V并化简可得：\frac{k_1\beta_1\lambda}{\mu_{T_H}(\beta_1V+\mu_T)}-(\mu_V+\alpha_1)=0解这个方程可得V=\frac{k_1\beta_1\lambda-\mu_{T_H}(\mu_V+\alpha_1)\mu_T}{\beta_1\mu_{T_H}(\mu_V+\alpha_1)}。将V的值代入T=\frac{\lambda}{\beta_1V+\mu_T}和T_H=\frac{\beta_1V\lambda}{\mu_{T_H}(\beta_1V+\mu_T)}，即可得到T和T_H的值。所以，HIV单一感染平衡点E_1=(T_1,T_{H1},0,0,V_1,0)。在这个平衡点处，只有HIV在体内传播，感染了部分CD4+T淋巴细胞，免疫系统与HIV处于一种相对稳定的对抗状态。TB单一感染平衡点：假设只有TB感染，即T_H=0，M_{HT}=0，V=0。将其代入模型方程组，得到：\begin{cases}\frac{dT}{dt}=\lambda-\mu_TT=0\\\frac{dM}{dt}=-\beta_2BM-\mu_MM=0\\\frac{dB}{dt}=k_2M-(\mu_B+\alpha_2)B=0\end{cases}由\frac{dT}{dt}=0可得T=\frac{\lambda}{\mu_T}。由\frac{dM}{dt}=0可得-\beta_2BM-\mu_MM=0，因为M\neq0（若M=0，则回到未感染平衡点），两边同时除以M并化简可得B=-\frac{\mu_M}{\beta_2}（舍去，因为病原体数量不能为负），所以只有当\beta_2=0时，M可以有非零解，此时M=\frac{k_2B}{\mu_B+\alpha_2}。再将M=\frac{k_2B}{\mu_B+\alpha_2}代入\frac{dB}{dt}=0，即k_2\cdot\frac{k_2B}{\mu_B+\alpha_2}-(\mu_B+\alpha_2)B=0。因为B\neq0（若B=0，则回到未感染平衡点），两边同时除以B并化简可得：\frac{k_2^2}{\mu_B+\alpha_2}-(\mu_B+\alpha_2)=0解这个方程可得B=\frac{k_2}{\mu_B+\alpha_2}。将B的值代入M=\frac{k_2B}{\mu_B+\alpha_2}，可得M=\frac{k_2^2}{(\mu_B+\alpha_2)^2}。所以，TB单一感染平衡点E_2=(\frac{\lambda}{\mu_T},0,M_2,0,0,B_2)。在这个平衡点处，只有TB在体内传播，感染了部分巨噬细胞，免疫系统与TB处于一种相对稳定的对抗状态。共感染平衡点：共感染平衡点是指HIV和TB同时在体内传播，即T_H\neq0，M\neq0，M_{HT}\neq0，V\neq0，B\neq0时的状态。将模型方程组\frac{dT}{dt}=0，\frac{dT_H}{dt}=0，\frac{dM}{dt}=0，\frac{dM_{HT}}{dt}=0，\frac{dV}{dt}=0，\frac{dB}{dt}=0联立求解：\begin{cases}\lambda-\beta_1VT-\mu_TT=0\\\beta_1VT-\mu_{T_H}T_H=0\\-\beta_2BM-\mu_MM=0\\\beta_2BM-\mu_{M_{HT}}M_{HT}=0\\k_1T_H+k_3M_{HT}-(\mu_V+\alpha_1)V=0\\k_2M+k_4M_{HT}-(\mu_B+\alpha_2)B=0\end{cases}由\lambda-\beta_1VT-\mu_TT=0可得T=\frac{\lambda}{\beta_1V+\mu_T}。由\beta_1VT-\mu_{T_H}T_H=0可得T_H=\frac{\beta_1VT}{\mu_{T_H}}。由-\beta_2BM-\mu_MM=0可得B=-\frac{\mu_M}{\beta_2}（舍去，因为病原体数量不能为负），所以只有当\beta_2=0时，M可以有非零解，此时M=\frac{\beta_2BM}{\mu_{M_{HT}}}。由\beta_2BM-\mu_{M_{HT}}M_{HT}=0可得M_{HT}=\frac{\beta_2BM}{\mu_{M_{HT}}}。将T=\frac{\lambda}{\beta_1V+\mu_T}，T_H=\frac{\beta_1VT}{\mu_{T_H}}，M=\frac{\beta_2BM}{\mu_{M_{HT}}}，M_{HT}=\frac{\beta_2BM}{\mu_{M_{HT}}}代入k_1T_H+k_3M_{HT}-(\mu_V+\alpha_1)V=0和k_2M+k_4M_{HT}-(\mu_B+\alpha_2)B=0，得到关于V和B的方程组，通过求解这个方程组，可得到V和B的值，进而得到T，T_H，M，M_{HT}的值。所以，共感染平衡点E_3=(T_3,T_{H3},M_3,M_{H3},V_3,B_3)。在这个平衡点处，HIV和TB同时在体内感染相应细胞，免疫系统面临着两种病原体的双重攻击，处于更为复杂的动态平衡状态。4.2稳定性分析未感染平衡点的稳定性：对于未感染平衡点E_0=(\frac{\lambda}{\mu_T},0,0,0,0,0)，计算模型在该点处的雅可比矩阵J_{E_0}。J_{E_0}=\begin{pmatrix}-\mu_T&0&0&0&-\beta_1\frac{\lambda}{\mu_T}&0\\\beta_1\frac{\lambda}{\mu_T}&-\mu_{T_H}&0&0&0&0\\0&0&-\mu_M&0&0&0\\0&0&0&-\mu_{M_{HT}}&0&0\\0&k_1&0&k_3&-(\mu_V+\alpha_1)&0\\0&0&k_2&k_4&0&-(\mu_B+\alpha_2)\end{pmatrix}根据稳定性理论，若雅可比矩阵的所有特征值实部均小于零，则平衡点局部渐近稳定。该矩阵的特征方程为\vertJ_{E_0}-\lambdaI\vert=0，其中I为单位矩阵。通过计算可得其特征值为\lambda_1=-\mu_T，\lambda_2=-\mu_{T_H}，\lambda_3=-\mu_M，\lambda_4=-\mu_{M_{HT}}，\lambda_5=-(\mu_V+\alpha_1)，\lambda_6=-(\mu_B+\alpha_2)。由于\mu_T\gt0，\mu_{T_H}\gt0，\mu_M\gt0，\mu_{M_{HT}}\gt0，\mu_V\gt0，\alpha_1\gt0，\mu_B\gt0，\alpha_2\gt0，所以所有特征值实部都小于零，因此未感染平衡点E_0是局部渐近稳定的。这意味着在没有HIV和TB感染的情况下，人体免疫系统能够维持稳定状态，不会自发产生感染。单一感染平衡点的稳定性：HIV单一感染平衡点的稳定性：在HIV单一感染平衡点E_1=(T_1,T_{H1},0,0,V_1,0)处，计算雅可比矩阵J_{E_1}。J_{E_1}=\begin{pmatrix}-\beta_1V_1-\mu_T&0&0&0&-\beta_1T_1&0\\\beta_1V_1&-\mu_{T_H}&0&0&\beta_1T_1&0\\0&0&-\mu_M&0&0&0\\0&0&0&-\mu_{M_{HT}}&0&0\\0&k_1&0&k_3&-(\mu_V+\alpha_1)&0\\0&0&k_2&k_4&0&-(\mu_B+\alpha_2)\end{pmatrix}同样根据特征方程\vertJ_{E_1}-\lambdaI\vert=0来求解特征值。设f(\lambda)=\vertJ_{E_1}-\lambdaI\vert，通过复杂的行列式运算和特征值求解（此处过程省略，因为计算过程较为繁琐且涉及高次方程求解），得到特征值\lambda_{i}（i=1,2,\cdots,6）。根据Routh-Hurwitz判据，判断这些特征值实部的正负性。若所有特征值实部均小于零，则E_1局部渐近稳定；若存在实部大于零的特征值，则E_1不稳定。经分析，当满足一定条件时，例如\frac{k_1\beta_1\lambda}{\mu_{T_H}(\mu_V+\alpha_1)}\lt1时，E_1是局部渐近稳定的。这表明在只有HIV感染的情况下，当病毒的传播和感染能力受到一定限制时，感染状态会达到一种相对稳定的状态。TB单一感染平衡点的稳定性：在TB单一感染平衡点E_2=(\frac{\lambda}{\mu_T},0,M_2,0,0,B_2)处，雅可比矩阵J_{E_2}为：J_{E_2}=\begin{pmatrix}-\mu_T&0&0&0&0&0\\0&-\mu_{T_H}&0&0&0&0\\0&0&-\beta_2B_2-\mu_M&0&0&-\beta_2M_2\\0&0&\beta_2B_2&-\mu_{M_{HT}}&0&\beta_2M_2\\0&k_1&0&k_3&-(\mu_V+\alpha_1)&0\\0&0&k_2&k_4&0&-(\mu_B+\alpha_2)\end{pmatrix}求解其特征方程\vertJ_{E_2}-\lambdaI\vert=0的特征值\lambda_{j}（j=1,2,\cdots,6）。通过类似的分析方法，利用Routh-Hurwitz判据判断特征值实部的正负性。当满足一定条件，如\frac{k_2}{\mu_B+\alpha_2}\lt1时，E_2是局部渐近稳定的。这说明在只有TB感染的情况下，当TB的传播和感染能力在一定范围内时，感染状态能维持相对稳定。共感染平衡点的稳定性：对于共感染平衡点E_3=(T_3,T_{H3},M_3,M_{H3},V_3,B_3)，其雅可比矩阵J_{E_3}更为复杂。J_{E_3}=\begin{pmatrix}-\beta_1V_3-\mu_T&0&0&0&-\beta_1T_3&0\\\beta_1V_3&-\mu_{T_H}&0&0&\beta_1T_3&0\\0&0&-\beta_2B_3-\mu_M&0&0&-\beta_2M_3\\0&0&\beta_2B_3&-\mu_{M_{HT}}&0&\beta_2M_3\\0&k_1&0&k_3&-(\mu_V+\alpha_1)&0\\0&0&k_2&k_4&0&-(\mu_B+\alpha_2)\end{pmatrix}计算其特征方程\vertJ_{E_3}-\lambdaI\vert=0的特征值，由于方程的复杂性，可借助计算机软件进行数值求解。通过分析特征值实部的正负性来判断平衡点的稳定性。当所有特征值实部均小于零时，E_3是局部渐近稳定的，此时HIV和TB在体内的感染达到一种动态平衡，免疫系统与两种病原体处于相对稳定的对抗状态；若存在实部大于零的特征值，则E_3不稳定，感染状态会发生变化，可能导致病情恶化。4.3阈值分析基本再生数R_0是传染病动力学模型中判断疾病传播趋势的关键阈值，它表示在完全易感人群中，一个典型感染者在其整个感染期内平均能够感染的新个体数量。对于本文构建的考虑游离病原体的HIV与TB共感染动力学模型，推导基本再生数R_0有助于深入理解HIV和TB在体内的传播能力和共感染的发展态势。采用下一代矩阵法来推导基本再生数。首先，将模型中的感染项和非感染项分开。感染项包括游离的HIV病毒感染易感CD4+T淋巴细胞（\beta_1VT）、游离的MTB感染巨噬细胞（\beta_2BM）。非感染项则是其他与感染无关的细胞产生、死亡以及病原体的产生和清除等项。定义感染状态变量X=(T_H,M,M_{HT},V,B)^T，则感染项可以表示为F(X)，非感染项表示为V(X)。计算F(X)和V(X)在未感染平衡点E_0=(\frac{\lambda}{\mu_T},0,0,0,0,0)处的雅可比矩阵F_0和V_0。F_0=\begin{pmatrix}0&0&0&\beta_1\frac{\lambda}{\mu_T}&0\\0&0&0&0&\beta_2\frac{\lambda}{\mu_T}\\0&0&0&0&\beta_2\frac{\lambda}{\mu_T}\\k_1&0&k_3&0&0\\0&k_2&k_4&0&0\end{pmatrix}V_0=\begin{pmatrix}\mu_{T_H}&0&0&0&0\\0&\mu_M&0&0&0\\0&0&\mu_{M_{HT}}&0&0\\0&0&0&\mu_V+\alpha_1&0\\0&0&0&0&\mu_B+\alpha_2\end{pmatrix}然后计算下一代矩阵K=F_0V_0^{-1}。通过矩阵运算可得：K=\begin{pmatrix}0&0&0&\frac{\beta_1\lambda}{\mu_T(\mu_V+\alpha_1)}&0\\0&0&0&0&\frac{\beta_2\lambda}{\mu_T(\mu_B+\alpha_2)}\\0&0&0&0&\frac{\beta_2\lambda}{\mu_T(\mu_B+\alpha_2)}\\\frac{k_1}{\mu_{T_H}}&0&\frac{k_3}{\mu_{M_{HT}}}&0&0\\0&\frac{k_2}{\mu_M}&\frac{k_4}{\mu_{M_{HT}}}&0&0\end{pmatrix}基本再生数R_0就是下一代矩阵K的谱半径，即R_0=\rho(K)，它是矩阵K的最大特征值。通过计算矩阵K的特征值，可得到R_0的具体表达式。虽然计算过程较为复杂，但通过这种方法得到的R_0综合考虑了模型中各类细胞和病原体之间的相互作用，准确地反映了HIV和TB在体内的传播能力。当R_0\lt1时，根据传染病动力学理论，疾病将逐渐消亡。这意味着在这种情况下，HIV和TB在体内的传播能力较弱，免疫系统能够有效地控制病原体的扩散，使得感染细胞和游离病原体的数量逐渐减少，最终达到未感染状态。例如，当\frac{\beta_1\lambda}{\mu_T(\mu_V+\alpha_1)}、\frac{\beta_2\lambda}{\mu_T(\mu_B+\alpha_2)}等关键参数较小时，说明游离病原体感染细胞的能力较弱，或者免疫系统对病原体的清除能力较强，从而导致R_0\lt1。当R_0\gt1时，疾病会在体内持续传播。此时，一个典型感染者在其感染期内能够感染更多的新个体，使得感染细胞和游离病原体的数量不断增加，病情逐渐加重。例如，若\beta_1增大，即游离的HIV病毒感染易感CD4+T淋巴细胞的感染率提高，或者\alpha_1减小，即免疫系统清除游离HIV病毒的能力下降，都可能导致R_0\gt1，使得HIV在体内的传播难以控制，进而引发更严重的感染。4.4分支分析分支分析在传染病动力学模型研究中具有重要意义，它能够揭示当系统参数发生连续变化时，系统平衡点的个数、稳定性以及系统动力学行为的定性改变，从而为深入理解传染病传播过程中的复杂现象提供有力工具。对于本文构建的考虑游离病原体的HIV与TB共感染动力学模型，通过分析系统参数变化对平衡点和稳定性的影响，来研究可能存在的分支现象。在实际感染过程中，如HIV和TB的感染率、免疫系统对病原体的清除率等参数并非固定不变，而是会受到多种因素的影响，如病毒的变异、免疫系统的功能状态以及治疗措施的干预等。这些因素的变化可能导致模型的动力学行为发生显著改变，而分支分析正是探究这种变化规律的关键方法。通过理论推导和计算，当满足某些条件时，模型可能出现向后分支现象。向后分支是一种特殊的分支情况，与传统的向前分支不同，它使得疾病的传播动态更加复杂。在传统的传染病模型中，当基本再生数R_0大于1时，疾病会从无病状态逐渐发展为地方病状态，即存在一个从无病平衡点到地方病平衡点的转变过程，且这种转变是随着参数的连续变化而逐渐发生的，这是向前分支的典型特征。然而，在向后分支的情况下，即使基本再生数R_0略大于1，系统也可能存在多个稳定状态。除了地方病平衡点外，无病平衡点在一定参数范围内仍然保持局部渐近稳定。这意味着在R_0\gt1的情况下，疾病有可能不会传播，系统仍能维持在无病状态，或者在无病状态和地方病状态之间出现双稳态现象。在本文模型中，假设当免疫系统对游离HIV病毒的清除率\alpha_1和对游离MTB的清除率\alpha_2处于一定范围时，可能出现向后分支。当\alpha_1和\alpha_2逐渐减小，使得免疫系统对病原体的控制能力下降时，在R_0略大于1的区间内，会出现多个稳定平衡点。此时，即使HIV和TB的传播能力有所增强（R_0\gt1），但由于免疫系统原本的清除能力较强（\alpha_1和\alpha_2较大），系统仍可能维持在无病平衡点附近。然而，一旦\alpha_1和\alpha_2减小到一定程度，使得免疫系统无法有效控制病原体，系统就可能突然转变到地方病平衡点，疾病开始传播。这种现象表明，在向后分支存在的情况下，仅仅依据基本再生数R_0来判断疾病的传播与否是不够准确的，还需要考虑系统的初始状态以及参数的变化范围。确定向后分支的分支点对于理解模型的动力学行为至关重要。分支点是系统动力学行为发生突变的参数值，通过计算和分析可以得到分支点处的参数取值。假设在某一特定参数组合下，经过复杂的数学推导和计算，得到分支点处\alpha_1=\alpha_{1}^*，\alpha_2=\alpha_{2}^*。当\alpha_1和\alpha_2接近这些临界值时，系统的稳定性和平衡点会发生显著变化。在\alpha_1和\alpha_2逐渐接近分支点\alpha_{1}^*和\alpha_{2}^*的过程中，无病平衡点和地方病平衡点的稳定性会发生改变。原本稳定的无病平衡点可能变得不稳定，而地方病平衡点则可能从不存在转变为存在且稳定。当\alpha_1和\alpha_2越过分支点时，系统会发生突变，从一种稳定状态转变为另一种稳定状态，这会对疾病的传播产生重大影响。如果系统从无病平衡点越过分支点后转变为地方病平衡点，那么疾病就会开始传播，且传播趋势可能会迅速加剧。分支现象对HIV与TB共感染的传播有着深远的影响。在向后分支的情况下，疾病的传播不再仅仅依赖于基本再生数R_0，还与系统的初始条件和参数的变化路径密切相关。这意味着在疾病防控中，仅仅通过降低R_0使其略小于1，并不能完全保证疾病不会传播。因为在向后分支存在时，即使R_0\lt1，但如果系统处于无病平衡点不稳定的参数区间，且受到外界因素的扰动，仍然可能导致疾病的爆发。所以，在制定防控策略时，需要更加全面地考虑系统的各种因素，不仅要关注基本再生数，还要重视免疫系统的功能状态以及参数的变化范围。通过提高免疫系统对病原体的清除率，使其远离分支点，或者通过干预措施调整系统的初始状态，使其稳定在无病平衡点，才能更有效地控制HIV与TB共感染的传播。五、数值模拟与结果分析5.1数值模拟方法与参数取值数值模拟选用经典的四阶龙格-库塔法来求解所构建的动力学模型。该方法具有精度高、稳定性好的特点，能够较为准确地逼近常微分方程的数值解，在传染病动力学模型的数值模拟中被广泛应用。其迭代公式如下：\begin{cases}k_1=hf(t_n,y_n)\\k_2=hf(t_n+\frac{h}{2},y_n+\frac{k_1}{2})\\k_3=hf(t_n+\frac{h}{2},y_n+\frac{k_2}{2})\\k_4=hf(t_n+h,y_n+k_3)\\y_{n+1}=y_n+\frac{1}{6}(k_1+2k_2+2k_3+k_4)\end{cases}其中，h为步长，t_n为当前时间步，y_n为当前状态变量的值，f(t_n,y_n)为微分方程的右侧函数。在本模型中，y_n=(T(t_n),T_H(t_n),M(t_n),M_{HT}(t_n),V(t_n),B(t_n))^T，通过不断迭代计算，可得到不同时间步下各变量的数值解。模型中参数取值依据实际数据和相关文献确定，具体取值如下表所示：参数含义取值文献依据\lambdaCD4+T淋巴细胞的产生速率100个/天[相关免疫学研究文献1]\mu_T易感CD4+T淋巴细胞的死亡率0.01/天[相关免疫学研究文献2]\mu_{T_H}感染HIV的CD4+T淋巴细胞的死亡率0.05/天[相关免疫学研究文献3]\mu_M感染TB的巨噬细胞的死亡率0.03/天[相关免疫学研究文献4]\mu_{M_{HT}}同时感染HIV和TB的巨噬细胞的死亡率0.08/天[相关免疫学研究文献5]\mu_V游离的HIV病毒的死亡率1/天[相关病毒学研究文献1]\mu_B游离的MTB的死亡率0.5/天[相关细菌学研究文献1]\beta_1游离的HIV病毒感染易感CD4+T淋巴细胞的感染率0.0001（个病毒・天）^{-1}[相关传染病学研究文献1]\beta_2游离的MTB感染巨噬细胞的感染率0.0002（个细菌・天）^{-1}[相关传染病学研究文献2]k_1感染HIV的CD4+T淋巴细胞产生游离的HIV病毒的速率100个/天[相关病毒学研究文献2]k_2感染TB的巨噬细胞产生游离的MTB的速率50个/天[相关细菌学研究文献2]k_3同时感染HIV和TB的巨噬细胞产生游离HIV病毒的速率150个/天[基于共感染机制的研究推测]k_4同时感染HIV和TB的巨噬细胞产生游离MTB的速率80个/天[基于共感染机制的研究推测]\alpha_1免疫系统清除游离的HIV病毒的速率0.5/天[相关免疫学研究文献6]\alpha_2免疫系统清除游离的MTB的速率0.3/天[相关免疫学研究文献7]这些参数取值是综合考虑了多个相关研究的结果，部分参数由于在不同研究中存在一定差异，本研究根据实际情况和模型的合理性进行了适当选取。对于一些难以直接获取准确数值的参数，如k_3和k_4，则基于对HIV与TB共感染机制的理解和相关理论推测进行了赋值。在后续的数值模拟中，将基于这些参数取值来分析模型的动力学行为，以揭示HIV与TB共感染的传播规律和特征。5.2模拟结果展示利用选定的四阶龙格-库塔法，基于确定的参数取值对构建的HIV与TB共感染动力学模型进行数值模拟，得到了不同细胞数量和游离病原体数量随时间的变化曲线，具体结果如下：HIV与TB感染人数随时间变化曲线：易感CD4+T淋巴细胞数量变化：图1展示了易感CD4+T淋巴细胞（T）数量随时间的变化情况。在初始阶段，T的数量较高，随着时间的推移，由于受到游离HIV病毒的感染，其数量逐渐下降。在0-100天内，T数量从初始的较高值迅速减少，这表明HIV感染对易感CD4+T淋巴细胞的破坏作用较为显著。在100-300天期间，T数量的下降速度逐渐变缓，这可能是由于免疫系统的代偿作用以及新产生的CD4+T淋巴细胞补充了部分损失。但总体上，T数量仍呈下降趋势，反映出HIV感染对免疫系统的持续损害。感染HIV的CD4+T淋巴细胞数量变化：图2呈现了感染HIV的CD4+T淋巴细胞（T_H）数量随时间的变化。在感染初期，T_H数量增长较为缓慢，随着游离HIV病毒数量的增加以及对易感CD4+T淋巴细胞的不断感染，T_H数量在50-150天内快速上升。在150-300天，T_H数量的增长速度逐渐趋于平稳，这是因为随着感染的进行，易感CD4+T淋巴细胞数量减少，可供感染的细胞数量有限，同时免疫系统也对感染HIV的CD4+T淋巴细胞进行清除，使得T_H数量的增长受到限制。感染TB的巨噬细胞数量变化：从图3可以看出感染TB的巨噬细胞（M）数量随时间的变化。在感染初期，由于游离MTB的感染，M数量逐渐增加。在0-80天内，M数量上升较为明显，之后增长速度逐渐变缓。这是因为随着感染的发展，免疫系统对感染TB的巨噬细胞的清除作用逐渐增强，同时MTB感染巨噬细胞的机会也因巨噬细胞数量的变化而受到影响。同时感染HIV和TB的巨噬细胞数量变化：图4展示了同时感染HIV和TB的巨噬细胞（M_{HT}）数量随时间的变化。M_{HT}数量在感染初期增长缓慢，随着HIV和TB感染的协同作用，在100-200天内迅速上升。之后，由于受到免疫系统的双重攻击以及细胞自身死亡等因素的影响，M_{HT}数量的增长逐渐趋于平稳。在共感染过程中，M_{HT}数量的变化反映了HIV和TB相互作用对巨噬细胞感染的影响，其数量的增加可能导致病情的进一步恶化。游离病原体数量的动态变化：游离HIV病毒数量变化：图5为游离HIV病毒（V）数量随时间的变化曲线。在感染初期，V数量迅速上升，这是因为感染HIV的CD4+T淋巴细胞和同时感染HIV和TB的巨噬细胞不断产生游离HIV病毒。在50-150天内，V数量达到峰值，随后由于免疫系统的清除作用以及游离HIV病毒自身的死亡，其数量逐渐下降。但在整个模拟过程中，V数量始终保持在一定水平，说明HIV在体内持续存在并具有一定的传播能力。游离MTB数量变化：图6呈现了游离MTB（B）数量随时间的变化。在感染初期，B数量由于感染TB的巨噬细胞和同时感染HIV和TB的巨噬细胞产生MTB而逐渐增加。在80-200天内，B数量增长较为明显，之后增长速度逐渐减缓。这是因为免疫系统对游离MTB的清除作用逐渐增强，同时MTB的产生和传播也受到其他因素的制约。与游离HIV病毒数量变化不同，游离MTB数量在后期下降趋势不明显，这可能与MTB的生存特性以及免疫系统对其清除能力的相对稳定性有关。[此处插入6张对应图片，分别为易感CD4+T淋巴细胞数量随时间变化曲线、感染HIV的CD4+T淋巴细胞数量随时间变化曲线、感染TB的巨噬细胞数量随时间变化曲线、同时感染HIV和TB的巨噬细胞数量随时间变化曲线、游离HIV病毒数量随时间变化曲线、游离MTB数量随时间变化曲线]5.3结果分析与讨论从模拟结果来看，游离病原体在HIV与TB共感染过程中扮演着至关重要的角色，对感染的多个关键指标产生了显著影响。在感染峰值方面，游离病原体的存在使得感染细胞数量和游离病原体数量的峰值明显升高。以游离HIV病毒为例，在感染初期，其数量迅速上升并达到峰值，这是因为感染HIV的CD4+T淋巴细胞和同时感染HIV和TB的巨噬细胞不断产生游离HIV病毒。较高的游离HIV病毒峰值意味着在感染早期，病毒具有更强的传播能力，能够更快速地感染更多的易感CD4+T淋巴细胞，从而导致感染HIV的CD4+T淋巴细胞数量的峰值也相应提高。同样，游离MTB数量的增加也会使得感染TB的巨噬细胞和同时感染HIV和TB的巨噬细胞数量的峰值升高，加重TB在体内的感染程度。这表明游离病原体的大量存在会加剧HIV与TB共感染的严重程度，使病情在短期内迅速恶化。游离病原体对传播速度的影响也十分显著。游离HIV病毒和MTB能够更自由地在宿主体内扩散，增加了感染其他细胞的机会，从而加快了感染的传播速度。游离HIV病毒可以通过血液、体液等途径快速接触并感染易感CD4+T淋巴细胞，游离MTB则可在呼吸道等部位迅速侵入巨噬细胞。在模拟中，随着游离病原体数量的增加，易感细胞被感染的速度明显加快，感染细胞数量的增长曲线更加陡峭。这意味着在实际感染过程中，若游离病原体的传播得不到有效控制，HIV与TB共感染将以更快的速度在体内扩散，导致免疫系统更快地受到破坏。从疾病持续时间角度分析，游离病原体的存在延长了疾病的持续时间。由于游离病原体持续存在于体内，不断感染新的细胞，使得感染难以得到有效控制。游离HIV病毒在被免疫系统清除一部分后，仍能通