The DIAS: quantifying coupled curve intersections in pharmacology, ecology, demography, and climatology

Nel mondo naturale, molti processi si sviluppano come due linee che si muovono attraverso un grafico. Una linea potrebbe mostrare quanto un corpo assorbe un farmaco, mentre un'altra mostra quanto un vaso sanguigno si rilassa in risposta. In una foresta, una linea potrebbe tracciare quanti pesci un predatore mangia, mentre un'altra traccia quanti prede sopravvivono. In una città, una linea potrebbe salire per mostrare la crescita della popolazione urbana, mentre un'altra scende per mostrare la diminuzione della popolazione rurale. Gli scienziati sono interessati da tempo al momento esatto in cui queste due linee si incrociano. Quel punto di incrocio spesso contiene la chiave per comprendere un sistema: potrebbe essere la dose precisa in cui un medicinale inizia a funzionare, il punto di equilibrio tra un predatore e una preda, o l'anno in cui una società diventa più urbana che rurale. Per decenni, i ricercatori hanno trovato questi punti di incrocio semplicemente guardando il grafico e indovinando dove le linee si incontrano. Potevano vedere l'intersezione, ma non avevano modo di misurare quanto fossero sicuri di quel punto, o di dimostrare con i numeri che il punto di incrocio si fosse davvero spostato quando cambiatevano le condizioni.

Un nuovo approccio, sviluppato da Rafael Dias de Brito Oliveira, offre un modo per trasformare quell'ipotesi visiva in una misurazione precisa. Il metodo, chiamato Dias' Intercept Analysis System, tratta il punto in cui due linee si incontrano non come un singolo punto fisso, ma come una posizione dotata della propria margini di errore, molto simile a un bersaglio con un centro circondato da un anello di incertezza. Utilizzando strumenti statistici consolidati per calcolare questa incertezza, il sistema permette agli scienziati di porre domande rigorose: Il punto di incrocio si è spostato significativamente quando è stato applicato un trattamento? L'equilibrio tra due popolazioni è diverso in una regione rispetto a un'altra? Il metodo funziona prendendo le descrizioni matematiche delle due linee, calcolando dove si intersecano e poi utilizzando una tecnica chiamata Metodo Delta per determinare quanto quel punto di intersezione possa oscillare a causa del rumore casuale nei dati. Ciò crea una zona di confidenza attorno al punto di incrocio, permettendo ai ricercatori di confrontare diversi scenari con certezza statistica piuttosto che con un semplice sguardo.

La potenza di questo nuovo sistema è stata testata prima in l'ambiente controllato delle simulazioni al computer. I ricercatori hanno creato migliaia di dataset finti che rappresentavano diversi tipi di curve, dalle semplici linee rette a complesse onde che salgono e scendono nel tempo. Hanno aggiunto quantità variabili di rumore a questi dati per mimare la confusione degli esperimenti del mondo reale. I risultati hanno mostrato che il sistema poteva trovare il vero punto di incrocio con una precisione straordinaria, a condizione che ci fossero abbastanza dati. Per le linee semplici e le curve standard a forma di S, il metodo ha funzionato bene anche con piccole quantità di dati. Tuttavia, quando le curve erano ondulate, come i ritmi quotidiani della temperatura o degli orologi biologici, il sistema necessitava di più punti dati per essere altrettanto preciso. In questi casi, se i dati erano troppo radi o troppo rumorosi, il sistema a volte faticava a individuare l'esatto momento in cui le onde si incrociavano, pur fornendo una stima utile. Le simulazioni hanno confermato che i calcoli di incertezza del sistema erano affidabili, il che significa che le zone di confidenza che disegnava attorno ai punti di incrocio erano accurate.

I ricercatori hanno poi applicato questo strumento a domande scientifiche reali in quattro campi molto diversi. In farmacologia, hanno riesaminato i dati su come i vasi sanguigni si rilassano in risposta a una molecola di segnalazione. Studi precedenti avevano dimostrato che il blocco di un enzima specifico cambiava la relazione tra la produzione della molecola e il rilassamento del vaso. Utilizzando il nuovo sistema, i ricercatori sono stati in grado di quantificare esattamente quanto il punto di incrocio si fosse spostato. Hanno scoperto che, quando l'enzima veniva bloccato, il punto in cui le curve di produzione e di rilassamento si incontravano si spostava significativamente, passando da un livello di concentrazione specifico a uno molto più alto, e il rilassamento in quel punto diminuiva di oltre la metà. Ciò ha fornito una prova numerica chiara di come il farmaco alterasse la via biologica, andando oltre il semplice confronto delle forme delle curve.

Nello studio del comportamento animale, il metodo è stato utilizzato per osservare come il consumo di prede da parte di un predatore sia correlato alla sopravvivenza delle prede. Analizzando i dati su capelin e merluzzo, i ricercatori hanno identificato il momento esatto in cui l'ammontare cumulativo di prede mangiate eguagliava la percentuale di prede sopravvissute. Questo punto di intersezione rappresentava un equilibrio dinamico nell'ecosistema. Il sistema ha calcolato questo momento a circa 103,5 minuti dall'inizio del periodo di osservazione, con un margine di errore molto stretto. Ciò ha dato agli ecologi un modo standard per descrivere il punto di equilibrio di una relazione predatore-preda, che ora può essere confrontato in diversi ambienti o periodi temporali per vedere se l'equilibrio sta cambiando.

Lo strumento si è rivelato utile anche per comprendere la demografia umana. Analizzando i dati del censimento di due stati brasiliani, i ricercatori hanno tracciato gli anni in cui la popolazione urbana ha superato quella rurale. Sebbene entrambi gli stati abbiano infine raggiunto il punto in cui metà della popolazione viveva in città, il sistema ha rivelato che vi sono arrivati in tempi diversi. Uno stato ha raggiunto questo traguardo nel 1968, mentre l'altro non ci è arrivato fino al 1973. La differenza di quasi sei anni era statisticamente significativa, mostrando che le due regioni hanno attraversato le loro transizioni urbane con ritmi differenti, una sfumatura che sarebbe potuta sfuggire semplicemente guardando i numeri grezzi della popolazione.

Infine, il sistema è stato applicato ai dati climatici per vedere se i modelli stagionali della temperatura di due città stessero cambiando nello stesso modo. I ricercatori hanno esaminato i mesi in cui le temperature medie di Brasilia e Porto Alegre erano uguali. Queste città hanno climi diversi, ma le loro curve di temperatura si incrociano due volte l'anno, una volta in autunno e una volta in primavera. Confrontando i dati degli anni 1960 e degli anni 2000, i ricercatori hanno scoperto che, sebbene le temperature effettive in questi punti di incrocio fossero aumentate di circa 0,8 gradi Celsius, i mesi in cui le temperature erano uguali non erano cambiati affatto. L'incrocio autunnale avveniva ancora a metà marzo e l'incrocio primaverile avveniva ancora all'inizio di ottobre. Ciò ha suggerito che entrambe le città si stessero scaldando in modo parallelo, spostando verso l'alto l'intero profilo delle loro curve di temperatura senza alterare la tempistica del loro equilibrio stagionale.

I ricercatori sottolineano che questo metodo non è un sostituto dei modi esistenti per confrontare le curve, ma piuttosto uno strumento specializzato per un problema specifico che da tempo manca di una soluzione formale. Non dice se due curve sono diverse nel complesso, ma dice esattamente dove sono uguali e quanto si può essere sicuri di tale posizione. Il sistema è disponibile come applicazione open-source gratuita che consente ai ricercatori privi di avanzate competenze di programmazione di caricare i propri dati e ricevere queste misurazioni precise. Sebbene il metodo funzioni meglio con dati sufficienti e curve chiare, offre un nuovo modo per quantificare i momenti di equilibrio e transizione che definiscono così tanti sistemi complessi nella natura e nella società. Trasformando un'intersezione visiva in un punto misurato con un noto margine di errore, permette agli scienziati di effettuare confronti che prima erano impossibili da verificare con certezza.