fbpx Due complici per la morte improvvisa | Scienza in rete

Due complici per la morte improvvisa

Read time: 1 min

Ad armare la mano del gene responsabile di circa la metà dei casi clinici di sindrome del QT lungo, chiamato KCNQ1, è un altro gene, in sigla KCNQ1. La diversa penetranza del primo dipende infatti, almeno in parte, dalla presenza di varianti comuni dell'altro, che nelle persone normali inducono solo un lieve e ininfluente allungamento dell'intervallo QT all'elettrocardiogramma, ma che insieme ai difetti del primo fanno raddoppiare il rischio di sincope e morte improvvisa. L'effetto letale dell'associazione è stato individuato, con il sostegno di Telethon, dai ricercatori guidati da Peter Schwartz, dell'Università di Pavia, in collaborazione con un gruppo internazionale, in una popolazione preziosa per i genetisti: 500 sudafricani discendenti da un unico progenitore olandese, giunto a Cape Town nel 1690. In questa famiglia ben 205 persone presentano una mutazione a carico del gene KCNQ1, identica a quella del loro antenato. Eppure, a parità di difetto genetico, il 20-30 per cento non ha aritmie. A scatenarle sarebbe la presenza di varianti patologiche nel gene modificatore.

Circulation pubblicato online il 12 ottobre 2009 doi: 10.1161/CIRCULATIONAHA.109.879643

 

Autori: 
Sezioni: 
Genetica

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

disegno di ricercatore al computer

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.