Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Os pesquisadores desenvolvem o modelo computacional para prever mudanças na aptidão viral de SARS-CoV-2

Com as mutações vantajosas que podem ocorrer na proteína do ponto do vírus, os testes mostraram que a emergência de diversas variações novas do coronavirus 2 da Síndrome Respiratória Aguda Grave (SARS-CoV-2) pode ajudar o vírus a contaminar mais eficientemente pilhas de anfitrião humanas.

Apesar das várias medidas da mitigação, a pandemia da doença 2019 do coronavirus (COVID-19) continua, com mais de 138,7 milhões de pessoas contaminados e sobre 3 milhão mortes.

A pesquisa para compreender a patogénese viral, a administração vacinal em grande escala, e a revelação de agentes terapêuticos eficazes ajudaram em lidar com a crise global. Contudo, todas estas medidas foram acompanhadas da emergência das variações novas, que podem derrubar a escala para umas condições mais graves para muitos.

O aumento na imunidade viral a nível da população devido à infecção SARS-CoV-2, à vacinação ou à imunização passiva através de apanha (resultados dos anticorpos de neutralização) em uma pressão mais forte da selecção no vírus SARS-CoV-2. Esta é a causa da emergência das variações novas que exibiram a capacidade iludir respostas imunes.

Os estudos computacionais e experimentais podem assim centrar-se em compreender estes mecanismos de escape na infecção SARS-CoV-2 viral e sobre estabelecer a monitoração SARS-CoV-2 imune da população de mundo à trilha e eventualmente limitar o espalhamento de variações potencial de escape.

Dois pesquisadores do Université Libre de Bruxelas em Bélgica, em Fabrizio Pucci e em Marianne Rooman, construíram recentemente um modelo computacional simplificado, chamado SpikePro, para prever a aptidão SARS-CoV-2 da seqüência de ácido aminado e da estrutura da proteína do ponto. Este estudo centra-se sobre a estabilidade e a afinidade obrigatória da proteína do ponto ao receptor do anfitrião. Uma pré-impressão que esboça os detalhes deste modelo está disponível para ler completamente no server do bioRvix*.

SpikePro é um programa fácil de usar que identifique com boa precisão e dentro de alguns segundos. Está livremente disponível no repositório www.github.com/3BioCompBio/SpikeProSARS-CoV-2 de GitHub.

Usando este modelo, os pesquisadores relataram três contribuições: 1) o transmissibility viral previu da estabilidade da proteína do ponto, 2) a infectividade computada em termos da afinidade da proteína do ponto para o receptor da pilha de anfitrião ACE2, e 3) a capacidade do vírus para escapar da resposta imune humana baseada na afinidade obrigatória da proteína do ponto para um grupo de anticorpos de neutralização.

Certamente, mesmo que SARS-CoV-2 tenha uma taxa moderado da mutação comparada a outros vírus do RNA devido a sua réplica mais exacta, seguir a dinâmica viral no espaço enorme de combinações variantes possíveis (incluindo igualmente supressões e inserções) sob a influência da imunidade humana faz as previsões que desafiam altamente.”

Os pesquisadores demonstraram que o modelo de SpikePro reproduz bem os dados experimentais, epidemiológicos e clínicos disponíveis no impacto das variações nas características biofísicas do vírus.

Se a validação está executada em dados em grande escala da mutagênese, apanhar os cocktail ou os soros humanos polyclonal, 367 se a comparação envolve a aptidão da proteína do ponto, do complexo do ponto protein/ACE2, ou de uma série 368 de proteína do ponto/apanhar complexos, os resultados é muito bom com coeficientes de correlação nas 0,3 a 0,5 escalas.”

Para elaborar, mostraram que poderia identificar as tensões virais de circulação que se tornaram recentemente dominantes a nível da população. Estas tensões virais aumentaram sua aptidão. Porque o SpikePro identifica as variações SARS-CoV-2 novas com aptidão alta, que precisam de ser monitoradas pròxima por agências da saúde, este modelo tem um papel fundamental a jogar em programas genomic da fiscalização das tensões SARS-CoV-2 novas. Especialmente no futuro, com o número crescente de povos vacinados e que criam assim uma pressão selectiva maior no vírus, SpikePro seria altamente útil.

Também, os pesquisadores sublinharam que o modelo de SpikePro (além de poder reproduzir resultados conhecidos) prevê verdadeiramente, e descrevem e interpretam o efeito das variações novas da proteína do ponto que se transformam no futuro a evolução SARS-CoV-2 fixada. Usando o PoPMuSiC e o BeAtMuSiC estrutura-baseados conhecidos 376 predictors, os pesquisadores conseguem este pela descrição física da aptidão em termos das contribuições da energia livre.

No papel, os pesquisadores igualmente discutiram as limitações do estudo: algumas aproximações foram feitas no processo da construção, não esclarecendo supressões ou inserções possíveis do ácido aminado na proteína do ponto. Os efeitos Epistatic foram deixados igualmente para fora e não estendidos a outras proteínas do vírus SARS-CoV-2, tais como a proteína não-estrutural 1 (Nsp1), que igualmente contribui à evasão imune.

Considerando uma combinação tornada mais pesada de 386 em todos os efeitos de variações de RBD apanham segundo factores diferentes tais como o tempo e o estado da vacinação melhoraria mais nosso método em imitar a resposta imune e sua evolução temporal.”

Neste estudo, os pesquisadores desenvolveram e validaram SpikePro: um modelo computacional simples que prever o impacto de variações da proteína do ponto na aptidão SARS-CoV-2 e, mais especificamente, no transmissibility viral, na infectividade e na capacidade escapar do sistema imunitário do anfitrião.

O duo da pesquisa reivindicou que SpikePro é um instrumento útil para a fiscalização genomic do vírus SARS-CoV-2. Prevê em um rápido e maneira exacta a emergência de tensões virais novas e de seu perigo, escrevem.

Observação *Important

o bioRxiv publica os relatórios científicos preliminares que par-não são revistos e, não devem conseqüentemente ser considerados como conclusivos, guia a prática clínica/comportamento saúde-relacionado, ou tratado como a informação estabelecida.

Journal reference:
Dr. Ramya Dwivedi

Written by

Dr. Ramya Dwivedi

Ramya has a Ph.D. in Biotechnology from the National Chemical Laboratories (CSIR-NCL), in Pune. Her work consisted of functionalizing nanoparticles with different molecules of biological interest, studying the reaction system and establishing useful applications.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Dwivedi, Ramya. (2021, April 19). Os pesquisadores desenvolvem o modelo computacional para prever mudanças na aptidão viral de SARS-CoV-2. News-Medical. Retrieved on June 17, 2021 from https://www.news-medical.net/news/20210419/Researchers-develop-computational-model-to-predict-changes-in-SARS-CoV-2e28099s-viral-fitness.aspx.

  • MLA

    Dwivedi, Ramya. "Os pesquisadores desenvolvem o modelo computacional para prever mudanças na aptidão viral de SARS-CoV-2". News-Medical. 17 June 2021. <https://www.news-medical.net/news/20210419/Researchers-develop-computational-model-to-predict-changes-in-SARS-CoV-2e28099s-viral-fitness.aspx>.

  • Chicago

    Dwivedi, Ramya. "Os pesquisadores desenvolvem o modelo computacional para prever mudanças na aptidão viral de SARS-CoV-2". News-Medical. https://www.news-medical.net/news/20210419/Researchers-develop-computational-model-to-predict-changes-in-SARS-CoV-2e28099s-viral-fitness.aspx. (accessed June 17, 2021).

  • Harvard

    Dwivedi, Ramya. 2021. Os pesquisadores desenvolvem o modelo computacional para prever mudanças na aptidão viral de SARS-CoV-2. News-Medical, viewed 17 June 2021, https://www.news-medical.net/news/20210419/Researchers-develop-computational-model-to-predict-changes-in-SARS-CoV-2e28099s-viral-fitness.aspx.