ricerche

Strumenti matematici per studiare i tumori

Strumenti matematici per studiare i tumori

L'analisi matematica delle immagini dei tumori infantili aiuta a capire il loro grado di aggressività.

I ricercatori del Dipartimento di Biologia Cellulare dell'Università di Siviglia e dell'Istituto di Biomedicina di Siviglia (IBiS) hanno pubblicato uno studio volto a sviluppare nuove terapie per combattere il cancro infantile.

Questo progetto rappresenta un passo in avanti dello studio del cancro che potrebbe aprire nuove vie di ricerca per aiutare a capire cosa rende un tumore meno aggressivo e come può essere combattuto. Tuttavia, i ricercatori sottolineano che la loro scoperta non rappresenta di per sé una cura per il cancro.

Il neuroblastoma è un tipo di cancro che ha origine durante lo sviluppo del sistema nervoso. Colpisce principalmente i bambini con meno di 18 mesi. È il tumore solido più comune nella prima infanzia e, nonostante i grandi miglioramenti apportati al tasso di guarigione per altri tumori infantili, il tasso di sopravvivenza per i pazienti affetti da questa tipologia tumorale è molto meno soddisfacente.

È evidente che il luogo in cui si trova e la matrice extracellulare che lo supporta svolgono un ruolo importante nella crescita iniziale e nello sviluppo del tumore. Questa impostazione è formata da una rete di fibre e fibrille che, a seconda della loro densità e del modo in cui sono collegate, conferiscono più o meno rigidità a questo microambiente tumorale.

Pertanto, è importante capire in che modo le cellule tumorali sono correlate alla matrice extracellulare e come sono organizzate le fibre e le fibrille. Questo non è facile.

Per raggiungere questo obiettivo, i ricercatori hanno combinato in questo studio l'analisi di immagini di campioni bioptici di tumori da pazienti affetti da neuroblastoma, con nuove procedure matematiche (Graph Theory) che hanno permesso loro di descrivere come sono organizzate le fibrille di vitronectina.

L'apprendimento automatico predice la morte o l'infarto

L'apprendimento automatico predice la morte o l'infarto

L'apprendimento automatico sta superando gli umani nel predire la morte o l'infarto. Questo è quello che suggerisce uno studio presentato recentemente all'ICNC 2019.

Analizzando ripetutamente 85 variabili in 950 pazienti con aspettative di vita di sei anni, un algoritmo ha “imparato” come interagiscono i dati dei loro volti. Ha quindi identificato i modelli che correlavano le variabili alla morte e all'attacco cardiaco con una precisione superiore al 90%.

L'apprendimento automatico, il moderno fondamento dell'intelligenza artificiale (AI), viene utilizzato ogni giorno. Il motore di ricerca di Google, il riconoscimento facciale su smartphone, le auto a guida autonoma, i sistemi di raccomandazione di Netflix e Spotify utilizzano tutti algoritmi di apprendimento automatico per adattarsi al singolo utente.

I medici si basano sui punteggi inerenti alle probabilità di rischio per prendere decisioni terapeutiche. Tuttavia, questi punteggi derivano da una serie di variabili e spesso hanno una precisione modesta nei singoli pazienti. Tuttavia, mediante la reiterazione e l'aggiustamento di alcuni processi di calcolo, l'apprendimento automatico può sfruttare grandi quantità di dati e identificare modelli complessi che potrebbero non essere evidenti agli esseri umani.

L'autore dello studio, il dottor Luis Eduardo Juarez-Orozco, (1) del Turku PET Centre, (2) in Finlandia, ha dichiarato: “Gli umani hanno difficoltà a pensare oltre tre dimensioni (un cubo) o quattro dimensioni (un cubo nel tempo). Il momento in cui saltiamo nella quinta dimensione ci perdiamo. i modelli ad alta dimensionalità sono più utili dei modelli a singola dimensione per prevedere i risultati negli individui e per questo abbiamo bisogno dell'apprendimento automatico.”

Pesci marini colonizzano habitat di acqua dolce

Pesci marini colonizzano habitat di acqua dolce

Il vantaggio genetico consente ad alcuni pesci marini di colonizzare gli habitat di acqua dolce

In che modo alcuni pesci marini riuscirono a farsi strada dal mare salato alle nuove nicchie di acqua dolce dopo l'ultima glaciazione e alla fine si differenziarono dai loro fratelli marini? Secondo un gruppo di scienziati della Research Organization of Information and Systems (ROIS) in Giappone, furono la genetica e la dieta ad innescare le dinamiche di questa colonizzazione. Lo studio è stato pubblicato sulla rivista Science. (1)

Il professor Jun Kitano, (2) autore dello studio presso il laboratorio ecologico dell'Istituto nazionale di genetica, parte di ROIS, ha affermato: “Uno dei limiti sottovalutati per la colonizzazione delle acque dolci da parte degli animali marini è la scarsa qualità nutrizionale del cibo negli ecosistemi d'acqua dolce. Generalmente, la catena alimentare negli ambienti marini è ricca di acido grasso omega-3 DHA, essenziale per lo sviluppo e la salute degli animali, ma gli ecosistemi di acqua dolce contengono pochissimo DHA.”

Il dottor Jun Kitano, in collaborazione con l'autore principale Asano Ishikawa e il suo team, ha paragonato i genomi dello spinarello d'acqua dolce con quelli dello spinarello marino, un piccolo pesce con tre spine sul dorso.

Gli scienziati hanno scoperto che lo spinarello (Three-Spined Stickleback) d'acqua dolce (3) ha più copie di un gene chiamato Fads2, che aiuta a sintetizzare il DHA. (4) Con più copie del gene, il pesce può sintetizzare più DHA rispetto ai loro cugini marini che hanno un'abbondanza di DHA disponibile nella loro dieta.

Pagine