Un modello matematico predittivo per i dati biologici variabili e incompleti

Un articolo pubblicato in Systems Biology and Applications spiega come l’analisi dei dati attraverso ″reti flessibili″ permetta di superare le sfide associate al modellamento di sistemi biologici che presentano dati incompleti o variabili. Secondo gli autori, l’uso di reti flessibili permette l’integrazione di ″dati eterogenei in un singolo modello e può risolvere il problema delle informazioni mancanti o variabili″, per produrre in tal modo un modello predittivo di sistema biologico. In primo luogo gli autori hanno testato l’efficacia delle reti flessibili applicandole a un sistema studiato accuratamente (il metabolismo del glucosio nei lieviti) e in seguito si sono concentrati su un quesito importante che riguarda il trattamento della malattia di Wilson.

Si sono chiesti se l’accumulo di rame, che comporta la produzione di radicali di idrossile, porti all’infiammazione epatica nei pazienti affetti da malattia di Wilson. L’utilizzo del modelling ha permesso di concludere che l’infiammazione potrebbe dipendere da altre vie indirette, oltre all’accumulo di rame. Gli autori hanno inoltre ipotizzato una modalità di intervento non invasiva per ridurre l’accumulo di rame nel fegato, la cui efficacia è stata confermata dall’uso di reti flessibili per la creazione di modelli computazionali.

Fonte: orphaNews Italia

Tratto da: http://italia.orphanews.org/newsletter-it/political/nl/id-05-03-2018.html