Nicole N. Thadani, Sarah Gurev, Pascal Notin, Noor Youssef, Nathan J. Rollins, Daniel Ritter, Chris Sander, Yarin Gal, Debora S. Marks. Aprender de los datos prepandémicos para pronosticar el escape viral. Nature. 2023; 622 (7984): 818–825. Marks Group, Department of Systems Biology, Harvard Medical School, Boston, MA USA. Department of Electrical Engineering and Computer Science, MIT, Cambridge, MA USA
Resumen (Chat-GPT)
El artículo explora cómo los investigadores utilizan datos históricos anteriores a la pandemia de COVID-19 para predecir cómo los virus podrían evolucionar y escapar de la inmunidad. Al analizar datos de otros virus, como el de la gripe, y comprender las mutaciones que les permiten evadir las vacunas, los científicos pretenden desarrollar modelos que puedan anticipar patrones similares en futuros coronavirus. Este enfoque proactivo podría conducir a diseños de vacunas y estrategias de preparación más eficaces contra las amenazas virales emergentes. El artículo subraya la importancia de aprovechar el comportamiento viral pasado para informar las respuestas de salud pública y mejorar la preparación para una pandemia.
Resumen
....." La preparación eficaz para una pandemia se basa en anticipar mutaciones virales que sean capaces de evadir las respuestas inmunitarias del huésped para facilitar el diseño terapéutico y de vacunas. Sin embargo, las estrategias actuales para la predicción de la evolución viral no están disponibles al principio de una pandemia: los enfoques experimentales requieren que los anticuerpos policlonales del huésped se realicen pruebas, y los métodos computacionales existentes se basan en gran medida en la prevalencia de la cepa actual para hacer predicciones confiables de las variantes de interés . Para abordar esto, desarrollamos EVEscape, un marco modular generalizable que combina predicciones de aptitud a partir de un modelo de aprendizaje profundo de secuencias históricas con información biofísica y estructural. EVEscape cuantifica el potencial de escape viral de las mutaciones a escala y tiene la ventaja de ser aplicable antes de que estén disponibles la secuenciación de vigilancia, las exploraciones experimentales o las estructuras tridimensionales de complejos de anticuerpos. Demostramos que EVEscape, experimentado con secuencias disponibles antes de 2020, es tan preciso como los escaneos experimentales de alto rendimiento para anticipar la variación pandémica del SARS-CoV-2 y es generalizable a otros virus, incluidos la influenza, el VIH y virus poco estudiados con potencial pandémico como Lassa. y Nipa. Proporcionamos puntuaciones de escape revisadas continuamente para todas las cepas actuales de SARS-CoV-2 y predecimos probables mutaciones adicionales para pronosticar cepas emergentes como herramienta para continuar el desarrollo de vacunas
Términos del tema: Evasión inmune, Modelos computacionales
EVEscape, es un marco flexible que utiliza aprendizaje profundo e información estructural biofísica, que permite la identificación temprana de mutaciones preocupantes en virus con potencial pandémico, lo que facilita el desarrollo de vacunas y terapias.
Principal
Las enfermedades virales implican una interacción compleja entre la detección inmune en el huésped y la evasión viral, lo que a menudo conduce a la evolución de proteínas antigénicas virales. Las mutaciones de escape de los anticuerpos afectan las tasas de reinfección viral y la duración de la eficacia de la vacuna. Por lo tanto, anticipar variantes virales que eviten la detección inmune con suficiente tiempo de anticipación es clave para desarrollar vacunas y terapias óptimas.
Idealmente, podríamos anticipar la evasión inmune viral utilizando métodos experimentales como ensayos de pseudovirus y escaneos mutacionales profundos de mayor rendimiento que miden la capacidad de las variantes virales para unirse a anticuerpos relevantes. Sin embargo, estos métodos experimentales requieren anticuerpos o sueros representativos de la selección inmune agregada impuesta al virus, que están disponibles solo cuando grandes franjas de la población están infectadas o vacunadas, lo que limita el impacto para la predicción temprana del escape inmunológico.
Además, como los virus pandémicos pueden evolucionar rápidamente (en el SARS-CoV-2 cada mes se secuencian decenas de miles de nuevas variantes), probar sistemáticamente todas las variantes a medida que surgen es practicamente imposible, incluso sin considerar los efectos de las posibles mutaciones en las cepas circulantes.
Por tanto, es interesante desarrollar métodos computacionales para predecir el escape viral que puedan usarse para identificar mutaciones que puedan surgir. Un modelo ideal sería capaz de evaluar la probabilidad de escape de variaciones aún no vistas en toda la proteína antigénica, informaría el diseño de experimentos específicos, se revisaría con información sobre la pandemia y haría predicciones con tiempo suficiente para el desarrollo de la vacuna (es decir, es decir, antes de que se observen respuestas inmunes al virus).
Sin embargo, los métodos computacionales anteriores para pronosticar la aptitud viral o el escape inmunológico dependen críticamente de la secuenciación en tiempo real o de las estructuras de anticuerpos pandémicos, lo que limita su capacidad para predecir variantes invisibles y los hace poco prácticos para el desarrollo de vacunas durante el inicio de una pandemia.
En este trabajo, presentamos EVEscape, un marco flexible que aborda las debilidades de métodos anteriores mediante la combinación de un modelo generativo profundo experimentado en secuencias virales históricas con restricciones estructurales y biofísicas. A diferencia de los métodos anteriores, EVEscape no se basa en la secuenciación pandémica reciente ni en anticuerpos, lo que lo hace aplicable tanto en las primeras etapas de un brote viral como para la evaluación continua de cepas emergentes del SARS-CoV-2...............
(*) Una vez que esta en la pagina del articulo, pulsando el botón derecho puede acceder a su traducción al idioma español. Este blog de bioquímica-clínica está destinado a bioquímicos y médicos; la información que contiene es de actualización y queda a criterio y responsabilidad de los mencionados profesionales, el uso que le den a la misma.
Nueva presentación el 10 de Julio.
Cordiales saludos.
Dr. Anibal E. Bagnarelli,
Bioquímico-Farmacéutico,UBA.
Ciudad de Buenos Aires, R. Argentina
