Quotidiano on line
di informazione sanitaria
Mercoledì 12 GIUGNO 2024
Scienza e Farmaci
segui quotidianosanita.it

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.

02 SET -

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/



02 settembre 2022
© Riproduzione riservata

Altri articoli in Scienza e Farmaci

ISCRIVITI ALLA NOSTRA NEWS LETTER
Ogni giorno sulla tua mail tutte le notizie di Quotidiano Sanità.

gli speciali
Quotidianosanità.it
Quotidiano online
d'informazione sanitaria.
QS Edizioni srl
P.I. 12298601001

Sede legale:
Via Giacomo Peroni, 400
00131 - Roma

Sede operativa:
Via della Stelletta, 23
00186 - Roma
Direttore responsabile
Luciano Fassari

Direttore editoriale
Francesco Maria Avitto

Tel. (+39) 06.89.27.28.41

info@qsedizioni.it

redazione@qsedizioni.it

Coordinamento Pubblicità
commerciale@qsedizioni.it
    Joint Venture
  • SICS srl
  • Edizioni
    Health Communication
    srl
Copyright 2013 © QS Edizioni srl. Tutti i diritti sono riservati
- P.I. 12298601001
- iscrizione al ROC n. 23387
- iscrizione Tribunale di Roma n. 115/3013 del 22/05/2013

Riproduzione riservata.
Policy privacy