stampa

Covid: modello computerizzato predice gravità di nuove varianti

Un team di ricercatori del  Drexel’s College of Engineering di Philadelphia ha realizzato un modello computerizzato in grado di individuare la gravità delle nuove varianti di Covid Per mettere a punto questo modello è stato impiegato un algoritmo utilizzato nell’analisi dei dati di vendita dalle grandi aziende, opportunamente “informato”  con i dati  di GISAID, il più grande database genetico di persone infettate dal coronavirus.

Un modello computerizzato potrebbe aiutare gli scienziati a prepararsi meglio a un’eventuale prossima pandemia di COVID-19. Grazie a un algoritmo di apprendimento automatico, formato per identificare correlazioni tra cambiamenti nella sequenza genetica del virus che causa il COVID-19 e dati su ricoveri e morti, il modello può evidenziare precocemente la gravità delle nuove varianti.

A idearlo è stato un gruppo di ricercatori americani guidato da Bahrad Sokhansanj, del Drexel’s College of Engineering di Philadelphia.

Il lavoro è stato pubblicato su Computers in Biology and Medicine e si basa sull’analisi genetica della sequenza della proteina spike del virus, la parte virale che consente al microrganismo di evadere il sistema immunitario e infettare le cellule sane, che è anche la parte che ha subito più frequentemente mutazioni nel corso della pandemia.

Per realizzare il modello i ricercatori hanno usato un algoritmo di apprendimento automatico chiamato GPBoost, comunemente applicato nell’analisi dei dati di vendita dalle grandi aziende.

L’algoritmo è stato usato per l’analisi genetica del virus e dei dati dei pazienti, come età e sesso, nonché per gli outcome medici relativi alla malattia, quindi casi lievi, ricoveri e morti.

“Quando abbiamo una sequenza, possiamo predire il rischio di malattia grave da una variante prima di condurre esperimenti con animali da laboratorio o in vitro”, ha spiegato Sokhansanj, leader del team di ricerca.

Per informare l’algoritmo sono stati impiegati i dati di GISAID, il più grande database genetico di persone infettate dal coronavirus.

Fonte: Computers in Biology and Medicine (2022)

https://pubmed.ncbi.nlm.nih.gov/36041271/

Virus respiratorio sinciziale: strategie di prevenzione per ridurre decessi e spese per il Ssn

Ue verso un nuovo patto per la competitività. Soddisfazione dell’industria del farmaco 

Alzheimer: nuovo metodo per predire il rischio prima della comparsa dei sintomi

Covid. Da Ema via libera ai vaccini di Pfizer e Moderna adattati alla variante BA.1 di Omicron

TC addominale può predire rischio eventi cardiovascolari

Policy Brief Camerae Sanitatis – La gestione dello scompenso cardiaco in epoca di pandemia Covid-19