Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

In silico la modélisation fournit la compréhension neuve de la réaction immunitaire à SARS-CoV-2

La pandémie COVID-19 provoquée par le coronavirus nouveau 2 (SARS-CoV-2) de syndrôme respiratoire aigu sévère a estropié les systèmes de santé globaux et a déclenché une crise économique dans beaucoup de pays. La pandémie ne montre pas des signes d'un défilement ralenti même en 2021 avec une variante neuve et plus infectieuse du virus limitant les dégats au R-U et à beaucoup d'autres parties du monde.

Les taux de mortalité de COVID-19 varient en travers du globe et s'échelonnent de 0,5% à 13%, selon des estimations d'Université John Hopkins. COVID-19 a une présentation clinique variable avec la majorité de patients remarquant la maladie très douce, beaucoup d'asymptomatique, et quelques patients remarquant la maladie sévère et potentiellement mortelle exigeant l'hospitalisation et les soins intensifs. La cause déterminante la plus puissante de la gravité de la maladie COVID-19 est âge, avec des personnes plus de 70 ans plus susceptible de développer COVID-19 sévère. Les facteurs d'hôte contribuant à la maladie sévère peuvent comprendre des variations dans la réaction immunitaire dû à l'histoire immunologique et aux déterminants génétiques.

L'état du système immunitaire du patient est un facteur important dans la survie de l'infection COVID-19. Les études de plus en plus se concentrent sur des causes déterminantes immunologiques de la maladie sévère afin de développer de meilleurs biomarqueurs pour des buts thérapeutiques. Le mécanisme de l'insurrection de l'immunité est au centre du développement des deux médicaments et vaccins pour traiter ou éviter l'infection SARS-CoV-2.

Tableau des composantes in silico modèles et de l
Tableau des composantes in silico modèles et de l'entrée reçue. Le modèle incarne des fonctionnements pour prévoir l'affinité clonale aux peptides viraux precomputed de l'agent pathogène sélecté (défini par sa séquence primaire) en ce qui concerne un jeu du détail HLA. La dynamique de la population des clones obtenus de lymphocytes, résultant de l'infection par le SARS-CoV-2, fournit des divers niveaux de rendement de la réaction immunitaire qui, en tant qu'eux s'avère, marque avec les paramètres définissant la compétence immunologique (IC) du serveur virtuel et la définition de virus.

Simulation de la réaction immunitaire SARS-CoV-2 pour analyser le choc de la charge virale et de l'âge sur la gravité de la maladie

Une équipe de recherche d'Italie, d'Inde, et du Royaume-Uni a récent simulé la réaction immunitaire SARS-CoV-2 et a analysé le choc de la charge virale, de l'affinité des récepteurs ACE2, et de l'âge pendant la maladie dans une population artificiellement infectée. L'étude a été publiée sur le bioRxiv* de serveur de prétirage.

Cette étude aborde des aspects principaux de management d'infection en termes de décrire l'insurrection et l'envergure de l'immunité dans COVID-19. In silico le modèle développé par les chercheurs se concentre sur cet aspect aux niveaux de personne et de population.

L'équipe a utilisé une plate-forme immunisée basée sur agent stochastique de simulation pour établir une cohorte virtuelle des personnes infectées avec âge-dépendant, divers niveaux de réaction immunitaire. Ils ont employé un réglage de paramètre pour reproduire la variabilité connue d'inter-patient et les statistiques épidémiologiques générales.

Le jour 25 de goujon de titres d'anticorps de l'infection est un facteur pronostique pour déterminer les résultats COVID-19

Les chercheurs ont effectué plusieurs observations cliniques in silico et ont recensé des facteurs critiques dans l'évolution statistique de l'infection COVID-19. Ils ont trouvé la preuve pour la signification de la réaction humorale au-dessus de la réaction cytotoxique et ont également observé que la mesure du jour 25 de goujon de titres d'anticorps de l'infection est un facteur pronostique pour s'assurer le résultat clinique de l'infection.

Le cadre de modélisation de l'équipe emploie l'infection SARS-CoV-2 pour illustrer l'efficacité recevable de simuler la réaction immunitaire aux niveaux de personne et de population. Le modèle développé par l'équipe peut expliquer et interpréter a observé des configurations d'infection et effectue des prévisions temporelles vérifiables.

« Les résultats d'un grand nombre de simulations que nous appelons virtuel ou in silico cohorte, explique que la variabilité grande observée dans la pandémie réelle peut être le simple résultat d'une telle diversité dans des caractéristiques virales et humaines. »

Les découvertes mettent en valeur la signification des prévisions modèles

Selon les auteurs, cette étude propose quantitativement que la variabilité élevée observée dans les résultats cliniques de COVID-19 dans la vie réelle puisse être due aux différences subtiles dans la charge virale et la compétence immunisée de la population.

Récapitulait, ce travail montre que le pouvoir des prévisions modèles, recense les points finaux cliniques idéaux pour la modélisation numérique de la réaction immunitaire à COVID-19, et définit la définition et la quantité de caractéristiques requises pour autoriser de tels modèles pour le médicament de translation. Les chercheurs expliquent également comment la modélisation numérique de la réaction immunitaire offre les analyses principales pour discuter des hypothèses et pour développer des expériences neuves.

« En dépit de la complexité extraordinaire de la dynamique de système immunitaire, le progrès des plates-formes de simulation propose qu'une interaction plus forte entre les cliniciens et les chercheurs dans le modèle de calcul pourrait porter ces modèles à la qualité désirée pour le déploiement dans le domaine médical. »

Avis *Important

le bioRxiv publie les états scientifiques préliminaires qui pair-ne sont pas observés et ne devraient pas, en conséquence, être considérés comme concluants, guident la pratique clinique/comportement relatif à la santé, ou traité en tant qu'information déterminée.

Journal references:
Susha Cheriyedath

Written by

Susha Cheriyedath

Susha has a Bachelor of Science (B.Sc.) degree in Chemistry and Master of Science (M.Sc) degree in Biochemistry from the University of Calicut, India. She always had a keen interest in medical and health science. As part of her masters degree, she specialized in Biochemistry, with an emphasis on Microbiology, Physiology, Biotechnology, and Nutrition. In her spare time, she loves to cook up a storm in the kitchen with her super-messy baking experiments.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Cheriyedath, Susha. (2021, January 06). In silico la modélisation fournit la compréhension neuve de la réaction immunitaire à SARS-CoV-2. News-Medical. Retrieved on November 30, 2021 from https://www.news-medical.net/news/20210106/In-silico-modeling-provides-new-understanding-of-immune-response-to-SARS-CoV-2.aspx.

  • MLA

    Cheriyedath, Susha. "In silico la modélisation fournit la compréhension neuve de la réaction immunitaire à SARS-CoV-2". News-Medical. 30 November 2021. <https://www.news-medical.net/news/20210106/In-silico-modeling-provides-new-understanding-of-immune-response-to-SARS-CoV-2.aspx>.

  • Chicago

    Cheriyedath, Susha. "In silico la modélisation fournit la compréhension neuve de la réaction immunitaire à SARS-CoV-2". News-Medical. https://www.news-medical.net/news/20210106/In-silico-modeling-provides-new-understanding-of-immune-response-to-SARS-CoV-2.aspx. (accessed November 30, 2021).

  • Harvard

    Cheriyedath, Susha. 2021. In silico la modélisation fournit la compréhension neuve de la réaction immunitaire à SARS-CoV-2. News-Medical, viewed 30 November 2021, https://www.news-medical.net/news/20210106/In-silico-modeling-provides-new-understanding-of-immune-response-to-SARS-CoV-2.aspx.