Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

In silico el modelado ofrece la nueva comprensión de la inmunorespuesta a SARS-CoV-2

El pandémico COVID-19 causado por el coronavirus nuevo 2 (SARS-CoV-2) de la neumonía asiática ha mutilado los sistemas sanitarios globales y ha accionado una crisis económica en muchos países. El pandémico no está mostrando signos de un mecanismo de frenado de la velocidad de visualización en pantella incluso en 2021 con una nueva y más infecciosa variante del estrago que da rienda suelta del virus en el Reino Unido y muchas otras partes del mundo.

Las tasas de mortalidad de COVID-19 varían a través del globo y colocan a partir de la 0,5% hasta el 13%, según presupuestos de la Universidad John Hopkins. COVID-19 tiene una presentación clínica variable con la mayoría de pacientes que experimentan enfermedad muy suave, muchos asintomáticos, y a algunos pacientes que experimentan la enfermedad severa, peligrosa para la vida que requiere la hospitalización y cuidados intensivos. El determinante más potente de la severidad de la enfermedad COVID-19 es edad, con los individuos sobre 70 años más probable desarrollar COVID-19 severo. Los factores del ordenador principal que contribuyen a la enfermedad severa pueden incluir variaciones en la inmunorespuesta debido a historia inmunológica y a determinantes genéticos.

El estado del sistema inmune del paciente es un factor importante en supervivencia de la infección COVID-19. Los estudios se están centrando cada vez más en determinantes inmunológicos de la enfermedad severa para desarrollar mejores biomarkers para los propósitos terapéuticos. El mecanismo de la insurgencia de la inmunidad está en el centro del revelado de ambas drogas y vacunas para tratar o para prevenir la infección SARS-CoV-2.

Diagrama de los componentes in silico modelo y de la entrada validada. El modelo personifica funciones para calcular la afinidad clónica a los péptidos virales precomputed del patógeno seleccionado (definido por su serie primaria) en cuanto a un equipo específico de HLA. La población-dinámica de las copias sacadas de los linfocitos, resultando de la infección por el SARS-CoV-2, ofrece diversos grados de eficiencia de la inmunorespuesta que, como ellos resulta, correlaciona con los parámetros que definen la capacidad inmunológica del ordenador principal virtual y la definición del virus.
Diagrama de los componentes in silico modelo y de la entrada validada. El modelo personifica funciones para calcular la afinidad clónica a los péptidos virales precomputed del patógeno seleccionado (definido por su serie primaria) en cuanto a un equipo específico de HLA. La población-dinámica de las copias sacadas de los linfocitos, resultando de la infección por el SARS-CoV-2, ofrece diversos grados de eficiencia de la inmunorespuesta que, como ellos resulta, correlaciona con los parámetros que definen la capacidad inmunológica (IC) del ordenador principal virtual y la definición del virus.

Simulación de la inmunorespuesta SARS-CoV-2 para analizar impacto de la carga y de la edad virales en severidad de la enfermedad

Las personas de investigadores de Italia, de la India, y del Reino Unido simularon la inmunorespuesta SARS-CoV-2 y analizaban recientemente el impacto de la afinidad viral de la carga, del receptor ACE2, y edad durante el curso de la enfermedad en una población artificial infectada. El estudio se ha publicado en el bioRxiv* del servidor de la prueba preliminar.

Este estudio dirige aspectos fundamentales de la administración de la infección en términos de descripción de la insurgencia y de la envergadura de la inmunidad en COVID-19. In silico el modelo desarrollada por los investigadores se centra en este aspecto en los niveles del individuo y de la población.

Las personas utilizaron una plataforma inmune agente-basada estocástica de la simulación para construir una cohorte virtual de individuos infectados con edad-relacionado, diversos grados de inmunorespuesta. Utilizaron una fijación del parámetro para reproducir variabilidad sabida del inter-paciente y estadísticas epidemiológicas generales.

El día 25 del poste de los títulos del anticuerpo de infección es un factor pronóstico para determinar el resultado COVID-19

Los investigadores hicieron varias observaciones clínicas in silico y determinaron factores críticos en la evolución estadística de la infección COVID-19. Encontraron las pruebas de la significación de la reacción humoral sobre la reacción citotóxica y también observaron que la medición del día 25 del poste de los títulos del anticuerpo de infección es un factor pronóstico para comprobar el resultado clínico de la infección.

El marco de modelado de las personas utiliza la infección SARS-CoV-2 para ilustrar la eficacia procesable de simular la inmunorespuesta en los niveles del individuo y de la población. El modelo desarrollado por las personas puede explicar e interpretar observó configuraciones de la infección y hace predicciones temporales comprobables.

“Los resultados de un gran número de simulaciones que llamamos virtual o in silico cohorte, demuestran que la gran variabilidad observada en el pandémico real puede ser el simple resultado de tal diversidad en características virales y humanas.”

Las conclusión destacan la significación de las predicciones modelo

Según los autores, este estudio propone cuantitativo que la alta variabilidad observada en resultados clínicos de COVID-19 en la vida real pueda ser debido a las diferencias sutiles en carga viral y la capacidad inmune de la población.

Para resumir, este trabajo muestra la potencia de las predicciones modelo, determina las puntos finales clínicas ideales para el modelado de cómputo de la inmunorespuesta a COVID-19, y define la resolución y la cantidad de datos necesarios para autorizar tales modelos para los propósitos de translación del remedio. Los investigadores también demuestran cómo el modelado de cómputo de la inmunorespuesta ofrece los discernimientos dominantes para discutir hipótesis y para desarrollar nuevos experimentos.

“A pesar de la complejidad extraordinaria de la dinámica del sistema inmune, el progreso de las plataformas de la simulación sugiere que una acción recíproca más intensa entre los clínicos y los investigadores en el modelo de cómputo podría traer estos modelos a la calidad deseada para el despliegue en el campo médico.”

Advertencia *Important

el bioRxiv publica los partes científicos preliminares que par-no se revisan y, por lo tanto, no se deben mirar como concluyentes, conduce práctica clínica/comportamiento relativo a la salud, o tratado como información establecida.

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 el modelado ofrece la nueva comprensión de la inmunorespuesta a SARS-CoV-2. News-Medical. Retrieved on December 06, 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 el modelado ofrece la nueva comprensión de la inmunorespuesta a SARS-CoV-2". News-Medical. 06 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 el modelado ofrece la nueva comprensión de la inmunorespuesta 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 06, 2021).

  • Harvard

    Cheriyedath, Susha. 2021. In silico el modelado ofrece la nueva comprensión de la inmunorespuesta a SARS-CoV-2. News-Medical, viewed 06 December 2021, https://www.news-medical.net/news/20210106/In-silico-modeling-provides-new-understanding-of-immune-response-to-SARS-CoV-2.aspx.