Una migliore comprensione delle reti complesse
Per comprendere i sistemi complessi, di solito non è sufficiente analizzare le loro parti costituenti. Le reti complesse non sono uniformi e sono generalmente composte da diversi gruppi che interagiscono in modo dinamico. Il progetto GRODYNET (Group-based dynamics on complex networks), finanziato dall’UE, ha sviluppato un quadro teorico generale che potrebbe essere utilizzato per comprendere l’interazione tra la struttura della rete e la dinamica dei sistemi. A lungo termine, l’obiettivo è quello di applicare tale quadro di riferimento per i sistemi biologici e socioeconomici di interesse. Utilizzando modelli di inferenza basati sui gruppi, per prevedere l’evoluzione delle reti, i ricercatori GRODYNET hanno esteso questi strumenti per i sistemi che di per sé non costituiscono reti di sistemi, come per esempio per la previsione del comportamento umano e delle decisioni. Essi hanno inoltre confermato l’importanza dei nodi di gruppo piuttosto che dei singoli nodi, come per esempio un gruppo di film sulle dinamiche di rete. È interessante notare che, anche mettendo da parte le conoscenze del campo, come per esempio i sistemi giudiziari nel caso delle decisioni giudiziarie, i modelli di inferenza sviluppati sono più specifici rispetto ai metodi specifici del campo. È stato applicato lo stesso modello per comprendere la polarità cellulare nel lievito e per la delineazione delle interazioni mesoscala in fatto di proteine coinvolte nella rete. I ricercatori hanno dimostrato che un modello con una sola costante cinetica per ogni gruppo di proteine è in grado di prevedere la dinamica delle singole proteine. Le applicazioni per il modello GROYDYNET coprono una vasta gamma in molti settori importanti, tra cui l’area biomedica e sanitaria. La migrazione delle cellule tumorali nella metastasi, la predizione delle interazioni tra farmaci nella medicina personalizzata e la lotta contro la resistenza microbica ai farmaci sono tutti elementi sottostanti a tale “ombrello” di sistemi.
