Difference between revisions of "Dynamique physiologique dans les maladies démyélinisantes : démêler les relations complexes grâce à la modélisation informatique"

Dynamique physiologique dans les maladies démyélinisantes : démêler les relations complexes grâce à la modélisation informatique (view source)

Revision as of 08:50, 3 May 2023

335 bytes added , 2 years ago

no edit summary

Luca

Editor, Editors, USER, editor, translator

5,845

edits

@@ Line 45: / Line 45: @@
 Additional article information
-== Abstract ==
+== Abstrait ==
-Despite intense research, few treatments are available for most neurological disorders. Demyelinating diseases are no exception. This is perhaps not surprising considering the multifactorial nature of these diseases, which involve complex interactions between immune system cells, glia and neurons. In the case of multiple sclerosis, for example, there is no unanimity among researchers about the cause or even which system or cell type could be ground zero. This situation precludes the development and strategic application of mechanism-based therapies. We will discuss how computational modeling applied to questions at different biological levels can help link together disparate observations and decipher complex mechanisms whose solutions are not amenable to simple reductionism. By making testable predictions and revealing critical gaps in existing knowledge, such models can help direct research and will provide a rigorous framework in which to integrate new data as they are collected. Nowadays, there is no shortage of data; the challenge is to make sense of it all. In that respect, computational modeling is an invaluable tool that could, ultimately, transform how we understand, diagnose, and treat demyelinating diseases.
+Malgré des recherches intenses, peu de traitements sont disponibles pour la plupart des troubles neurologiques. Les maladies démyélinisantes ne font pas exception. Ce n'est peut-être pas surprenant compte tenu de la nature multifactorielle de ces maladies, qui impliquent des interactions complexes entre les cellules du système immunitaire, la glie et les neurones. Dans le cas de la sclérose en plaques, par exemple, il n'y a pas d'unanimité parmi les chercheurs sur la cause ou même sur le système ou le type de cellule qui pourrait être le point zéro. Cette situation empêche le développement et l'application stratégique de thérapies basées sur les mécanismes. Nous discuterons de la manière dont la modélisation computationnelle appliquée à des questions à différents niveaux biologiques peut aider à relier des observations disparates et à déchiffrer des mécanismes complexes dont les solutions ne se prêtent pas au simple réductionnisme. En faisant des prédictions vérifiables et en révélant des lacunes critiques dans les connaissances existantes, ces modèles peuvent aider à orienter la recherche et fourniront un cadre rigoureux dans lequel intégrer de nouvelles données au fur et à mesure de leur collecte. De nos jours, les données ne manquent pas ; le défi est de donner un sens à tout cela. À cet égard, la modélisation informatique est un outil inestimable qui pourrait, à terme, transformer la façon dont nous comprenons, diagnostiquons et traitons les maladies démyélinisantes.
+Mots-clés : myéline, démyélinisation, sclérose en plaques, maladie neurodégénérative, modèle informatique, découverte de médicaments
-Keywords: myelin, demyelination, multiple sclerosis, neurodegenerative disease, computational model, drug discovery