Modellizzazione dinamica a ordine frazionario del modello neurofisiologico reazione-diffusione del declino cognitivo indotto da adiposità tramite reti neurali informate dalla fisica.
Titolo originaleFractional-order dynamical modelling of neurophysiological reaction-diffusion model of adiposity-induced cognitive decline using physics-informed neural networks.
Journal of biological physics · 2026
Sintesi in italiano
L'obesità, l'iperglicemia e l'invecchiamento rappresentano fattori di rischio primari per disturbi dementigeni, in particolare per la malattia di Alzheimer. Questo studio sviluppa un modello matematica a tempo frazionario di tipo reazione-diffusione, integrando nove compartimenti biologici interagenti regolati da cinetiche di Michaelis-Menten e funzioni di Hill, allo scopo di caratterizzare le interazioni non lineari tra disfunzione metabolica e neurodegenerazione. Un'attenta analisi teorica ha confermato la limitatezza, la stabilità e l'esistenza di un attrattore globale che descrive il comportamento a lungo termine del sistema. Per migliorare il realismo biologico e la capacità predittiva, il modello implementa reti neurali profonde informate dalla fisica, che inglobano equazioni alle derivate parziali frazionarie. Questo consente di catturare dinamiche di diffusione spazio-temporali con memoria, tipiche delle patologie neurologiche, e di stimare parametri variabili nel tempo, ordini frazionari e stati latenti. L'analisi della sensibilità globale ha individuato i fattori chiave responsabili della patologia da tau, della disfunzione insulinica e della progressione della demenza. Le simulazioni hanno messo in luce pattern difformi di diffusione che correlano obesità e accelerazione dei processi neurodegenerativi. Il modello suggerisce inoltre un framework di controllo ottimale che combina interventi comportamentali e terapie anti-amiloidi personalizzate per ritardare il declino cognitivo. Vengono sottolineati ruoli critici della neuroinfiammazione e della permeabilità della barriera ematoencefalica nell'aggravamento della malattia. L'approccio FPI-NN ha dimostrato elevate accuratezze predittive con valori di R² fra 0.92 e 0.95, RMSE compresi tra 0.078 e 0.099 e MAPE fra 6.50% e 8.40%. La robustezza è stata confermata da cross-validation. Il lavoro fornisce una piattaforma computazionale riproducibile e interpretabile per modellare dinamiche neurodegenerative a ordine frazionario e ottimizzare strategie terapeutiche in demenza associata all'obesità.
Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.
Abstract e pubblicazione originale
L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.
Leggi nella fonte originale ↗Parole chiave
Come citare questo studio
Tahir Abbas, Saima Rashid, Muhammad Imran. (2026). Fractional-order dynamical modelling of neurophysiological reaction-diffusion model of adiposity-induced cognitive decline using physics-informed neural networks.. Journal of biological physics. DOI: 10.1007/s10867-026-09727-8
Consulta la pubblicazione originale ↗