Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

In silico modellare fornisce la nuova comprensione della risposta immunitaria a SARS-CoV-2

La pandemia COVID-19 causata dal coronavirus novello 2 (SARS-CoV-2) di sindrome respiratorio acuto severo ha paralizzato i sistemi sanitari globali ed ha avviato una crisi economica in molti paesi. La pandemia non è dare segni di un rallentamento neppure nel 2021 con una nuova e variante più contagiosa della distruzione provocante del virus nel Regno Unito e molte altre parti del mondo.

I tassi di mortalità di COVID-19 variano attraverso il globo e variano da 0,5% a 13%, secondo i preventivi di Johns Hopkins University. COVID-19 ha una presentazione clinica variabile con la maggior parte dei pazienti che sperimentano molto l'indisposizione, molti asintomatici ed alcuni pazienti che avvertono la malattia severa e pericolosa che richiede l'ospedalizzazione e la terapia intensiva. Il determinante più potente della severità di malattia COVID-19 è l'età, con le persone oltre 70 anni più probabile sviluppare COVID-19 severo. I fattori ospite che contribuiscono alla malattia severa possono comprendere le variazioni nella risposta immunitaria a causa di cronologia immunologica e dei fattori determinanti genetici.

Lo stato di sistema immunitario del paziente è un fattore significativo nella sopravvivenza di infezione COVID-19. Sempre più gli studi stanno mettendo a fuoco sui fattori determinanti immunologici della malattia severa per sviluppare i migliori biomarcatori per gli scopi terapeutici. Il meccanismo dell'insurrezione di immunità è al centro dello sviluppo di entrambi i droghe e vaccini per trattare o impedire l'infezione SARS-CoV-2.

Diagramma delle componenti in silico di modello e dell
Diagramma delle componenti in silico di modello e dell'input accettato. Il modello comprende le funzioni per calcolare l'affinità clonale ai peptidi virali precomputed dell'agente patogeno selezionato (definito dalla sua sequenza primaria) riguardo ad un insieme specifico di HLA. La popolazione-dinamica dei cloni suscitati dei linfociti, derivando dall'infezione dal SARS-CoV-2, fornisce i vari livelli di risparmio di temi della risposta immunitaria che, mentre risulta, correla con i parametri che definiscono sia la competenza immunologica (IC) del host virtuale che la definizione del virus.

Simulazione della risposta immunitaria SARS-CoV-2 per analizzare impatto del caricamento e dell'età virali su severità di malattia

Un gruppo dei ricercatori dall'Italia, dall'India e dal Regno Unito recentemente ha simulato la risposta immunitaria SARS-CoV-2 ed ha analizzato l'impatto dell'affinità virale del caricamento, del ricevitore ACE2 e l'età nel corso della malattia in una popolazione artificialmente infettata. Lo studio è stato pubblicato sul bioRxiv* del " server " della pubblicazione preliminare.

Questo studio esamina gli aspetti fondamentali della gestione di infezione in termini di descrizione l'insurrezione e della portata di immunità in COVID-19. In silico il di modello sviluppato dai ricercatori mette a fuoco su questo aspetto sia ai livelli della popolazione che della persona.

Il gruppo ha utilizzato ad una piattaforma immune basata a agente stocastica di simulazione per costruire un gruppo virtuale delle persone infettate con età-dipendente, vari livelli di risposta immunitaria. Hanno usato una regolazione di parametro per riprodurre la variabilità conosciuta del inter paziente e le statistiche epidemiologiche generali.

Il giorno 25 del paletto di titoli dell'anticorpo dell'infezione è un fattore prognostico per la determinazione del risultato COVID-19

I ricercatori hanno fatto parecchie osservazioni cliniche in silico ed hanno identificato i fattori critici nell'evoluzione statistica dell'infezione COVID-19. Hanno trovato la prova per il significato della risposta umorale sopra la risposta citotossica ed egualmente hanno osservato che la misura del giorno 25 del paletto di titoli dell'anticorpo dell'infezione è un fattore prognostico per l'accertamento del risultato clinico dell'infezione.

La struttura modellante del gruppo usa l'infezione SARS-CoV-2 per illustrare l'efficacia perseguibile di simulazione della risposta immunitaria sia ai livelli della popolazione che della persona. Il modello sviluppato dal gruppo può spiegare ed interpretare ha osservato i reticoli di infezione e fa le previsioni temporali verificabili.

“I risultati di tantissime simulazioni che chiamiamo virtuale o in silico gruppo, dimostra che la grande variabilità osservata nella pandemia reale può essere il mero risultato di tale diversità sia nelle caratteristiche virali che umane.„

I risultati evidenziano il significato delle previsioni di modello

Secondo gli autori, questo studio propone quantitativamente che l'alta variabilità osservata nei risultati clinici di COVID-19 in realtà possa essere dovuto le differenze sottili nel caricamento virale e nella competenza immune della popolazione.

Per riassumere, questo lavoro mostra la potenza delle previsioni di modello, identifica i punti finali clinici ideali per la modellistica di calcolo della risposta immunitaria a COVID-19 e definisce la risoluzione e la quantità di dati stati necessari per autorizzare tali modelli per gli scopi di traduzione della medicina. I ricercatori egualmente dimostrano come la modellistica di calcolo della risposta immunitaria offre le comprensioni chiave per discutere le ipotesi e sviluppare i nuovi esperimenti.

“Malgrado la complessità straordinaria della dinamica del sistema immunitario, il progresso delle piattaforme di simulazione suggerisce che un'interazione più intensa fra i clinici ed i ricercatori nel modello di calcolo potrebbe portare questi modelli alla qualità desiderata per distribuzione nel campo medico.„

Avviso *Important

il bioRxiv pubblica i rapporti scientifici preliminari che pari-non sono esaminati e, pertanto, non dovrebbero essere considerati conclusivi, guida la pratica clinica/comportamento correlato con la salute, o trattato come informazioni stabilite.

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 modellare fornisce la nuova comprensione della risposta immunitaria a SARS-CoV-2. News-Medical. Retrieved on December 01, 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 modellare fornisce la nuova comprensione della risposta immunitaria a SARS-CoV-2". News-Medical. 01 December 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 modellare fornisce la nuova comprensione della risposta immunitaria a 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 December 01, 2021).

  • Harvard

    Cheriyedath, Susha. 2021. In silico modellare fornisce la nuova comprensione della risposta immunitaria a SARS-CoV-2. News-Medical, viewed 01 December 2021, https://www.news-medical.net/news/20210106/In-silico-modeling-provides-new-understanding-of-immune-response-to-SARS-CoV-2.aspx.