Padova, Network Medicine 2.0: una nuova visione per comprendere le malattie complesse

La Network Medicine, disciplina emergente che applica i principi della scienza della complessità alla biologia, sta ridefinendo il modo in cui vengono analizzate e trattate le malattie complesse. Utilizzando dati che spaziano dal genoma alle proteine fino ai metaboliti, questa branca della medicina crea mappe dinamiche delle reti biologiche del corpo umano, distinguendo con maggiore precisione gli stati di salute da quelli patologici.

Grazie all’integrazione di tecniche provenienti dalla fisica statistica e dall’intelligenza artificiale, la comprensione delle interazioni tra molecole, tessuti e sistemi biologici ha compiuto passi significativi, aprendo nuove strade nella ricerca e nel trattamento delle patologie. Tuttavia, restano sfide importanti: la difficoltà di definire con precisione le unità biologiche e le loro interazioni, l’interpretazione dei modelli non sempre univoca e la gestione dell’incertezza dei dati sperimentali. Superare questi limiti è fondamentale per ampliare l’applicabilità della disciplina.

Un nuovo studio pubblicato su «Cell Press - MED» dal titolo “Challenges and opportunities in the network medicine of complex diseases” presenta un approccio innovativo. Firmato dai ricercatori Valeria d’Andrea e Manlio De Domenico del Dipartimento di Fisica e Astronomia dell’Università di Padova insieme a Joseph Loscalzo della Harvard Medical School, lo studio propone un cambiamento di paradigma basato su tre principi fondamentali.

Comprendere le malattie come sistemi complessi
Le patologie non devono essere viste come eventi isolati: geni, proteine e metaboliti interagiscono in reti che determinano il comportamento delle cellule e dei tessuti. Piccole alterazioni possono avere effetti a catena sull’intero organismo. Questo approccio permette di spiegare perché una stessa malattia può manifestarsi in modi differenti tra individui e di individuare nuovi biomarcatori e bersagli terapeutici, anche attraverso il riposizionamento dei farmaci.

Accettare l’incertezza dei dati
Le reti biologiche non sono mappe definitive. La loro incompletezza deriva dai margini di errore dei metodi sperimentali. Lo studio propone l’uso di modelli probabilistici che considerano fin dall’inizio questa incertezza, rendendo più affidabili le stime e più trasparenti le applicazioni cliniche.

Integrare fisica e chimica nei modelli biologici
Le interazioni nelle reti non sono solo nodi e connessioni: le dinamiche molecolari, le strutture tridimensionali e le affinità chimiche determinano i processi biologici. Inserire questi vincoli nei modelli permette di avvicinarsi ai veri meccanismi che regolano salute e malattia.

Secondo Valeria d’Andrea, i recenti progressi nella fisica delle reti e negli strumenti computazionali consentono di descrivere la complessità dei sistemi viventi in modo senza precedenti. La collaborazione tra fisici, medici, biologi, matematici e informatici, come quella tra il Padua Center for Network Medicine e la Harvard Medical School, è fondamentale per sviluppare strumenti avanzati, come i gemelli digitali guidati dai dati, che supportano una medicina realmente personalizzata.

«La Network Medicine 2.0 – conclude Manlio De Domenico – trasforma la crescente complessità dei dati biomedici in strumenti utili per medici e pazienti, inaugurando una fase che potrà rivoluzionare la comprensione, la prevenzione e la cura delle malattie complesse».