Els seus resultats, on participa l’Institut de Biologia Integrativa de Sistemes (CSIC-UV), han sigut publicats en la revista internacional microLife.

Investigadors i investigadores de la Universitat Politècnica de València, pertanyents al grup d’ALFA de l’institut Valencià d’Intel·ligència Artificial (VRAIN), han participat en el desenvolupament i validació d’un nou simulador de pandèmies que ajuda a preveure la seua evolució tenint en compte diferents escenaris epidemiològics. El sistema, denominat LOIMOS, s’ha desenvolupat en el context de la COVID-19 i els seus resultats se cenyeixen al virus SARS-CoV-2. No obstant això, podria aplicar-se a l’estudi de qualsevol altra pandèmia, d’origen diferent de la provocada per aquest virus.

“La versatilitat de LOIMOS fa que siga una eina molt útil en la presa de decisions sobre mesures no farmacèutiques per a limitar la transmissió de virus, tant en aquesta pandèmia, com en unes altres que pogueren vindre. Podem dibuixar múltiples escenaris, plantejar totes les preguntes i hipòtesis que vulguem i predir els seus efectes. Això ajuda moltíssim a decidir quines mesures prendre, a establir aquelles que resulten més efectives per a evitar o almenys limitar la propagació del virus”, destaca José M. Sempere, investigador del grup ALFA-VRAIN de la Universitat Politècnica de València.

LOIMOS ha sigut desenvolupat per investigadors i investigadores de la Universitat Politècnica de València, el Grup Biologia i Evolució de Microorganismes de l’Institut Ramón i Cajal d’Investigació Sanitària (IRYCIS) de Madrid, el CIBER en Epidemiologia i Salut Pública, la Fundació FISABIO, la Universitat de València, el Consell Superior d’Investigacions Científiques (CSIC), l’Hospital General Universitari de València, l’Hospital Universitari la Pau de Madrid i la spin-off de la Universitat de València Biotechvana, en el Parc Científic de la institució acadèmica. Els seus resultats han sigut publicats en la revista internacional microLife.

Disseny virtual i jerarquitzat del comportament i evolució dels virus

El sistema es basa en models de computació amb membranes, que permeten dissenyar de manera virtual el comportament de virus en diversos entorns, condicions i nivells de gravetat.

“Aquests models reprodueixen els virus i les seues interaccions amb un nivell de detall sense precedents. D’aquesta manera, podem avaluar i predir la incidència d’un virus en un barri, en una ciutat o en un país, sota diferents situacions i observar la seua evolució a curt, mitjà i llarg termini”, explica José M. Sempere.

“L’important és que se simulen baix determinats supòsits, per exemple, diversos tipus de mesures preventives, i s’avalua la taxa d’infecció i la seua variació amb el temps en la població. Òbviament, si els supòsits canvien, podrien canviar els efectes del virus. Per això és tan rellevant disposar d’una eina com la que ací s’ha desenvolupat: perquè pot ajudar a proposar mesures efectives contra l’expansió d’aquesta epidèmia per part del virus i, per extensió, de qualsevol altre patogen”, explica Andrés Moya, investigador del Institut de Biologia Integrativa de Sistemes (I2SysBio, CSIC-UV) y Fisabio.

LOIMOS és a més un model amb diferents nivells jeràrquics que interactuen entre si, a diferència d’altres utilitzats a hores d’ara. D’aquesta manera, en modificar un paràmetre d’aquests nivells permet veure els efectes no sols en aquest nivell, sinó també en tots els altres. “Per exemple, podríem augmentar en el model el període en què el virus pot produir contagis i veure com afectaria això a la quantitat de gent que treballarà”, explica Marcelino Campos, investigador de l’IRYCIS i també del grup ALFA-Institut VRAIN de la Universitat Politècnica de València.

Variables de LOIMOS

Entre altres variables, LOIMOS incorpora el tipus d’infeccions –asimptomàtiques o simptomàtiques; el grau d’immunitat adquirida per haver passat la infecció o el període i índexs de contagi –LOIMOS permet definir diferents valors segons la zona i el rang d’edat de la persona infectada o la mecànica de la infecció.

“En aquest últim cas, a l’hora de simular la infecció podem definir el seu creixement, com actua el sistema immune en un primer moment, quan es pot generar la immunitat i les probabilitats que això succeïsca -fins i tot poden ser diferents segons el rang d’edat- i els efectes sobre la persona infectada -sense símptomes, símptomes lleus, símptomes greus, símptomes crítics o la mort”, apunta Marcelino Campos.

L’escenari, una ciutat europea de 10.000 habitants

Per a la validació de LOIMOS, l’equip d’investigació el va aplicar en una ciutat tipus –fictícia- europea, de poc més de 10000 habitants, reproduint la dinàmica de l’epidèmia i els efectes de la immunitat sobre la transmissió del virus SARS-CoV-2 i en diferents franges d’edat.

El model va predir les conseqüències de retardar l’adopció d’intervencions no farmacèutiques entre 15 i 45 dies després dels primers casos notificats i l’efecte d’aqueixes intervencions sobre les taxes d’infecció i mortalitat. Els investigadors i les investigadores també van simular intervencions no farmacèutiques per a reduir els contagis en tres nivells diferents: un 20%, un 50% i un 80%.

I una altra de les conclusions més rellevants va ser la comprovació de la importància de centrar els primers esforços en la gent més sensible i de major edat. “Si tan prompte com comencen els contagis s’aïlla a la gent més sensible i de major edat, s’aconsegueixen frenar un poc, però on més es nota és en els recursos sanitaris utilitzats i en la mortalitat, perquè aquestes persones són les que tenen una major probabilitat de patir pitjors símptomes en estar infectats”, afig Campos.

Actualment, l’equip de LOIMOS treballa en la incorporació –i simulació en el model- de la incidència de noves soques en el període de vacunació.

Amb quines dades es treballa

Un dels trets més destacats de models com el de LOIMOS és la seua contribució per a aportar informació que cobrisca la impossibilitat de realitzar proves en la vida real. L’equip de LOIMOS treballa per a això amb tres tipus de dades: en primer lloc, amb aquells que es poden extraure del coneixement que ja existeix; el segon grup són les dades que es poden mesurar directament; i el tercer els que s’han de deduir. “En models com LOIMOS hi ha un gran esforç per a ajustar al màxim aquestes últimes dades. Provem molts valors en diferents experiments, buscant resultats que se semblen el màxim possible a la realitat. Trobar possibles valors a aquests paràmetres els pot resultar molt valuós a biòlegs per als seus propis estudis”, conclou Marcelino Campos.

Referència:

Campos M, Sempere JM, Galán JC, Moya A, Llorens C, de-Los-Angeles C, Baquero-Artigao F, Cantón R, Baquero F. Simulating the impact of non-pharmaceutical interventions limiting transmission in COVID-19 epidemics using a membrane computing model. Microlife, 2021 Sep 9;2:uqab011. DOI: 10.1093/femsml/uqab011. PMID: 34642663; PMCID: PMC8499911

Hipoxia doradas adaptación ejercicio IATS

Material de descàrrega
Imatge (jpeg)
Nota de premsa (pdf)

Share This