Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Previsione delle mutazioni stagionali SARS-CoV-2

La malattia 2019 (COVID-19) di Coronavirus si è sparsa a quasi ogni paese nel mondo. Mentre l'amministrazione di massa della vaccinazione ha permesso che molti governi smantellassero le restrizioni, l'afflusso costante di nuove varianti minaccia la stabilità.

Studio: Predizione dei driver mutational delle varianti future SARS-CoV-2 di preoccupazione. Credito di immagine: CROCOTHERY/ShutterstockStudio: Predizione dei driver mutational delle varianti future SARS-CoV-2 di preoccupazione. Credito di immagine: CROCOTHERY/Shutterstock

Molti paesi europei hanno introdotto le nuove misure per porre freno la trasmissione ed incoraggiare le vaccinazioni e le infezioni hanno cominciato ad alzare ancora una volta. Le varianti mostrano spesso preoccupare le funzionalità, quale la capacità di eludere sia l'immunità indotta da vaccino che naturale come pure la trasmissione aumentata.

Recentemente, la variante di Omicron ha bruciato i timori degli ospedali enormi. La maggior parte di queste varianti portano le mutazioni che causano queste funzionalità. In uno studio pubblicato nella medicina di traduzione di scienza, i ricercatori stanno provando a creare una tecnica per predire quale di queste mutazioni si spargeranno. 

Lo studio

I ricercatori hanno classificato tutto il cambiamento specificato del popolare nella frequenza delle mutazioni dell'amminoacido attraverso i paesi multipli come mutazioni “di diffusione„. Hanno tabulato il numero delle sequenze che contengono la mutazione che è modellata contro quelle che non hanno fatto. Un cambiamento del popolare è stato calcolato per ogni mutazione e le mutazioni con un P-valore significativo di regolato di Benjamini-Hochbert da tutto il paese sono state conservate.

L'insieme che poi hanno acquistato più ulteriormente è stato filtrato, richiedente tutta la mutazione di avere un cambiamento del popolare da un riferimento almeno di 10,0 in almeno un paese, un cambiamento del popolare almeno di 2,0 attraverso almeno tre paesi e una frequenza globale minima di 0,1% nella finestra successiva di tempo.

Le sequenze usate per calcolare il cambiamento del popolare dal riferimento e dalla frequenza di minimo sono state raccolte dopo quelle usate affinchè l'addestramento di modello mantengano la buona pratica. Questa definizione è stata trovata per catturare l'espansione delle varianti di interesse (VOIs) e delle varianti di preoccupazione (VOCs) globalmente come pure di parecchie mutazioni meno ben note.

I ricercatori hanno provato a legame fra tutte le paia delle mutazioni di diffusione per assicurarsi che nessuno delle mutazioni identificate non stessero accumulando indipendente. Hanno trovato che più poco di 5% delle paia di mutazione ha mostrato l'arricchimento per l'co-avvenimento ad una tariffa maggior 8 volte.

A seguito di questo, gli scienziati hanno tentato di determinare quali funzionalità degli amminoacidi potrebbero essere usate per predire la loro diffusione dal riferimento. Hanno usato l'affinità obbligatoria dell'enzima di conversione dell'angiotensina 2 (ACE2) mentre il preannunciatore della mutazione si è sparso e cambia nell'espressione in vitro dei mutanti della proteina della punta.

I contributi obbligatori degli epitopi conosciuti dell'anticorpo erano egualmente efficaci alla diffusione di predizione di mutazione, sebbene l'immunizzazione di CD8+ e di CD4+ non fosse utile. I punteggi del linguaggio naturale (NLP) di trattamento per la plausibilità di sequenza erano utili. Eppure, la migliore funzionalità per la predizione sparsa ha usato la probabilità fissa di effetti (FEL) per provare a selezione coerente attraverso i rami di un albero filogenetico.

Le funzionalità epidemiologiche erano egualmente molto utili per le previsioni, come le variabili più direttamente misurano i conteggi campionati di mutazione. La media esponenzialmente pesata che si allinea attraverso le variabili epidemiologiche multiple è conosciuta come “il punteggio di Epi.„ È utile per la cattura sia l'espansione di stirpe che della mutazione ricorrente che accadono negli stirpi multipli dall'evoluzione convergente.

Per assicurare questo approccio funzionerebbe correttamente, i ricercatori ha misurato la prestazione premonitrice dei punteggi obbligatori dell'anticorpo, rivelante il contributo preveduto delle percentuali di ogni sito della punta all'affinità dell'anticorpo. Facendo uso di questo stimare il immunodominance del linfocita B e poi la cattura del massimo del valore attraverso gli anticorpi ha mostrato all'anticorpo massimo il punteggio obbligatorio, aumentante significativamente questo predictiveness metrico. Questo metodo non era efficace quanto le funzionalità epidemiologiche d'esame per il predictiveness durante l'estate di 2021 (quando la variante di delta è emerso).

Per concludere, i ricercatori hanno preparato i modelli per predire la diffusione delle mutazioni facendo uso di altrettante funzionalità discusse precedentemente possibili, facendo uso di regressione logistica con queste funzionalità quanto gli input. Hanno trovato che i migliori preannunciatori erano funzionalità epidemiologiche e funzionalità positive di selezione. Il modello che completo si sono sviluppati era comparabile alla prestazione premonitrice del punteggio di Epi. Ciò ha rivelato che le cinque mutazioni principali con il potenziale di spargersi sono state sparse attraverso le proteine differenti. Nella proteina della punta, G142 e T951 erano la maggior parte a rischio di spargersi; in NSP3, era A1711V; nella proteina del nucleocapsid, era Q9L; e in NSP2, era K81N.

Conclusione

Gli autori evidenziano che hanno stabilito con successo un metodo di lavoro per predire la diffusione delle mutazioni e con successo lo hanno applicato per identificare le mutazioni più probabili in VOCs futuro. Sostengono che questo approccio sarà incredibilmente utile nel contribuire ad identificare le mutazioni molto probabilmente per spargere in anticipo i mesi, permettendo che la ricerca e l'analisi comincino più presto, potenzialmente con conseguente trattamenti e consiglio più rapidi.

Journal reference:
Sam Hancock

Written by

Sam Hancock

Sam completed his MSci in Genetics at the University of Nottingham in 2019, fuelled initially by an interest in genetic ageing. As part of his degree, he also investigated the role of rnh genes in originless replication in archaea.

Citations

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

  • APA

    Hancock, Sam. (2022, January 13). Previsione delle mutazioni stagionali SARS-CoV-2. News-Medical. Retrieved on January 22, 2022 from https://www.news-medical.net/news/20220113/Forecasting-seasonal-SARS-CoV-2-mutations.aspx.

  • MLA

    Hancock, Sam. "Previsione delle mutazioni stagionali SARS-CoV-2". News-Medical. 22 January 2022. <https://www.news-medical.net/news/20220113/Forecasting-seasonal-SARS-CoV-2-mutations.aspx>.

  • Chicago

    Hancock, Sam. "Previsione delle mutazioni stagionali SARS-CoV-2". News-Medical. https://www.news-medical.net/news/20220113/Forecasting-seasonal-SARS-CoV-2-mutations.aspx. (accessed January 22, 2022).

  • Harvard

    Hancock, Sam. 2022. Previsione delle mutazioni stagionali SARS-CoV-2. News-Medical, viewed 22 January 2022, https://www.news-medical.net/news/20220113/Forecasting-seasonal-SARS-CoV-2-mutations.aspx.