Modelli matematici per le complessità della malattia cronica
L'avvento della genomica e della proteomica ha significato un'esplosione di dati che necessita ora di integrazione su larga scala al fine di massimizzare la sua applicazione nelle tecnologie biomediche. Uno dei principali ostacoli, specialmente per le piccole e medie imprese (PMI) è la mancanza di strumenti appropriati per generare modelli dinamici. Consapevole di questa carenza, il progetto Biobridge ("Integrative genomics and chronic disease phenotypes: modelling and simulation tools for clinicians") mirava a integrare database contenenti informazioni genomiche, proteomiche e metabolomiche. Lo scopo era incorporare i dati ottenuti da queste tre scienze in pathway metabolici appropriati e inserire poi questi ultimi in un ambiente di simulazione per migliorare la comprensione di processi metabolici complessi. Biobridge ha selezionato lo squilibrio NO-redox nel sistema cardiovascolare come esperienza di prova. Si ritiene che lo squilibrio No-redox rafforzi tre malattie croniche: insufficienza cardiaca cronica, broncopneumopatia cronica ostruttiva (Bpco) e diabete. Non solo questi disturbi condividono meccanismi metabolici comuni, ma poiché regolano l'utilizzo dell'ossigeno, presentano tutti prognosi infausta e consumano un'elevata percentuale delle risorse sanitarie. La ricerca traslazionale integrativa è un approccio estremamente adeguato per questi disturbi. La predisposizione genetica e le componenti ambientali quali la dieta e l'abitudine di fumare creano una trama estremamente difficile da sciogliere. I ricercatori si sono concentrati sugli effetti dell'allenamento di resistenza dei muscoli scheletrici in soggetti sani rispetto ai pazienti Bpco. Sono stati analizzati diversi livelli del sistema, come il sangue e i muscoli scheletrici, per verificare fattori multidimensionali, inclusi quelli genomici, proteomici e metabolomici, e i rilevamenti psicologici. Due gruppi di pazienti Bpco in due regimi di esercizi, con e senza atrofia muscolare, sono stati messi a confronto con soggetti di controllo sani. Altri approcci hanno colmato le lacune lasciate nell'analisi. Per esempio, studi su animali e colture cellulari hanno contribuito a risolvere le questioni poste dall'uso dell'approccio bioinformatico con analisi dei dati. Altre attività nel corso del progetto includevano uno studio di data mining sul diabete di tipo II e un altro sui collegamenti tra composizione della massa corporea e capacità di allenamento nei pazienti affetti da Bpco. Biobridge è riuscito a generare i risultati conclusivi auspicati per mezzo della simulazione, utilizzando fonti di dati integrati a più livelli. I risultati più importanti includono la preparazione di strumenti per modelling probabilistico, lo sviluppo di modelling deterministico del trasporto di ossigeno e della produzione di specie reattive dell'ossigeno, e l'integrazione dell'ambiente di simulazione nel portale web Biobridge. Lo strumento di simulazione sviluppato potrebbe contribuire a identificare biomarker appropriati per il monitoraggio non invasivo dello squilibrio NO-redox, e offrire nuovi mezzi ai medici per migliorare l'efficacia delle risorse sanitarie. Il sistema potrebbe essere applicabile ad altre condizioni croniche e potrebbe anche portare a strategie sanitarie personalizzate nelle prime fasi delle malattie.
