Introduzione

Questo metodo permette di stimare la protezione conferita da un vaccino nei confronti di ceppi della bronchite infettiva aviare (IBV), senza ricorrere alle infezioni sperimentali. Questa malattia ha una grande rilevanza clinica ed economica in quanto causa di focolai di sintomatologia respiratoria, riproduttiva, diminuzione delle performance produttive e mortalità.

Caratteristiche Tecniche

Attualmente il controllo della Bronchite infettiva aviare (IBV) è basato sull’utilizzo di vaccini vivi attenuati. Tuttavia la grande variabilità di questo patogeno e la continua comparsa di nuovi ceppi dovuta anche all’intensificarsi degli scambi commerciali di animali vivi, per i quali la cross-protezione è spesso insoddisfacente, rendono necessario il continuo aggiornamento dei vaccini utilizzati e un’accurata scelta degli stessi in funzione dello scenario locale. Attualmente, per predire la cross protezione tra ceppi, l’unico strumento a disposizione sono le infezioni sperimentali, estremamente costose e eticamente discutibili. La presente invenzione, basandosi sullo sviluppo di algoritmi di machine learning, ricava e confronta in breve tempo e con costi esigui, le proprietà chimico-fisiche della proteina immunogena, permettendo di scegliere il ceppo vaccinale più adatto al contesto locale.

Possibili Applicazioni

• Trattamento utilizzabile nel settore dell’allevamento avicolo;
• Applicabile anche ai patogeni umani;
• Utilizzabile anche da veterinari, ditte farmaceutiche, istituti di ricerca.

Vantaggi

• Consente di selezionare precocemente il vaccino più efficace, riducendo le perdite economiche;
• Può essere validato anche per patogeni di interesse umano, con ripercussioni rilevanti anche sulla salute pubblica.