Fido-SNP usa l’intelligenza artificiale per determinare se una mutazione nel DNA del cane sia dannosa per la sua salute, causando o predisponendolo allo sviluppo di malattie come ad esempio tumori.Conoscere gli effetti delle mutazioni sulla salute di un organismo è di cruciale importanza per capirele cause ed i meccanismi di azione delle malattie genetiche e per disegnare efficaci cure personalizzate. Le mutazioni del DNA sono responsabili della maggior parte delle differenze fra individui, incluse le diverse propensioni a sviluppare malattie o risposte ai farmaci. «La nostra idea – spiega la dott.ssa Ludovica Montanucci dell’Università di Padova-è stata quella di integrare, attraverso un algoritmo di machine learning, la dettagliata conoscenza delle mutazioni associate a malattie nell’uomo con le informazioni disponibili nel cane. Trattandosi di due specie diverse, per fare ciò è stato necessario sfruttare l’informazione evolutiva ottenuta dal confronto dei genomi di un totale di 100 specie di mammiferi. Grazie a questo approccio innovativo e integrato, Fido-SNP è in grado di predire l’effetto delle mutazioni nel cane. Fido-SNP raggiunge una accuratezza di predizione molto elevata, paragonabile a quella che otteniamo per le mutazioni del genoma umano, nonostante le evidenze sperimentali sulla genomica del cane siano molto ridotte. Fido-SNP è quindi un potente strumento computazionale a servizio della medicina veterinaria del cane.» Vista la grande efficacia del metodo lo stesso si potrà applicare anche ad altre specie da compagnia o agli animali da reddito. Inoltre, avendo qui dimostrato per la prima volta le sue enormi potenzialità, si apre la strada ad usare questo approccio integrato anche nella direzione opposta, ovvero dal cane all’uomo, soprattutto alla luce del fatto che alcune malattie, come ad esempio i linfomi, presentano una clinica molto simile nelle due specie. Questo progetto dimostra il ruolo imprescindibile che ha ormai assunto la computazione nella ricerca in Biomedicina, al fine di analizzare, integrare ed estrarre informazioni rilevanti e significative dalle enormi moli di dati prodotti negli esperimenti su larga scala. La ricerca, finanziata dal Dipartimento di Biomedicina Comparata e Alimentazione dell’Università di Padova, ha visto la collaborazione dei team dell’Università di Padova e di Bologna, avvalendosi anche delle risorse computazionali di Biodec un’azienda di Bioinformatica attiva sul territorio italiano

Share Button