I modelli computazionali o in silico consentono di descrivere e simulare processi biologici a diversi livelli di complessità — molecolare, cellulare, tissutale e sistemico — integrando dati sperimentali e clinici all’interno di architetture matematiche e algoritmiche.
Tra i principali approcci:
- QSAR e modelli di read-across
Analizzano la relazione tra struttura chimica e attività biologica, permettendo di prevedere tossicità o proprietà farmacologiche di nuove sostanze sulla base di composti analoghi. - Modelli PBPK (Physiologically Based Pharmacokinetic)
Simulano l’assorbimento, distribuzione, metabolismo ed eliminazione di una sostanza nell’organismo umano, fornendo stime quantitative di esposizione interna. - Tossicologia computazionale e machine learning
Algoritmi di apprendimento automatico identificano pattern in grandi dataset tossicologici e omici per prevedere effetti avversi o meccanismi di azione. - Modelli di biologia dei sistemi (Systems Biology)
Reti computazionali che integrano dati genomici, proteomici e metabolomici per descrivere le interazioni dinamiche all’interno di cellule e tessuti. - Approcci basati su AOP (Adverse Outcome Pathways)
Strutturano le conoscenze meccanicistiche in sequenze causali modellabili computazionalmente, collegando un evento molecolare iniziale a un esito avverso a livello d’organo o organismo.
