Usando un modelo computacional del sistema inmunológico humano, los científicos han demostrado que los esfuerzos para combatir la sepsis podrían ser más efectivos si se enfocan en múltiples pasos en los procesos moleculares que impulsan la enfermedad. Este hallazgo se presenta en Biología Computacional PLOS .
La sepsis es una desregulación de la respuesta inflamatoria normal del cuerpo a las lesiones e infecciones. Las personas con sepsis pueden recibir oxígeno y líquidos por vía intravenosa, así como antibióticos para combatir la infección subyacente, pero la afección mata del 28 al 50 por ciento de los pacientes afectados.Hasta ahora, los medicamentos desarrollados para atacar los procesos moleculares que sustentan la sepsis no han mostrado éxito clínico.
Para explorar los desafíos moleculares del tratamiento de la sepsis, Chase Cockrell y Gary An de la Universidad de Chicago emplearon un modelo computacional del sistema inmunológico humano, que habían desarrollado previamente específicamente para investigar la inflamación sistémica. El modelo simula cómo las células del sistema inmunológico yLas moléculas de señalización se comportan durante la sepsis, así como los efectos de interrumpir varias partes de estos procesos.
Usando su modelo, los investigadores demostraron que interrumpir un solo proceso de señalización en un solo punto o solo unos pocos puntos en el tiempo no sería adecuado para tratar la sepsis. Esto puede explicar por qué los intentos anteriores que emplearon tal estrategia no han sidoEn cambio, mostró la simulación, un tratamiento exitoso requeriría medicamentos que con frecuencia se dirigen a múltiples procesos del sistema inmunológico.
El modelo también mostró que un enfoque de múltiples objetivos de "talla única" aún sería inadecuado, y la verdadera "medicina de precisión" requeriría un tratamiento que se adaptara a la respuesta individual de cada paciente. Los investigadores concluyeron queEl modelado computacional es necesario para generar la cantidad de datos que requieren los algoritmos de aprendizaje automático para ayudar al desarrollo de medicamentos eficaces contra la sepsis.
"Este proyecto proporciona una verificación de la realidad sobre cómo las personas están pensando actualmente en tratar de tratar la sepsis a nivel de diseño de fármacos", dice Cockrell. Es de esperar que ayude a enfocar la investigación en aquellas áreas que realmente proporcionarán un camino hacia una terapia efectiva, como diagnósticos y muestreo de alta resolución, y darse cuenta de que no existe una respuesta única para todos ".
Fuente de la historia :
Materiales proporcionados por PLOS . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :