Naučnici su razvili pristup mašinskog učenja za praćenje evolucije SARS‑CoV‑2, virusa koji izaziva COVID-19, i potencijalno drugih virusa, prema studiji objavljenoj u časopisu PNAS.
Od početka pandemije COVID-19, 1.185.413 ljudi u Sjedinjenim Državama umrlo je od virusa, prema podacima koje su prikupili Centri za kontrolu i prevenciju bolesti.
RNK virusi, kao što je SARS‑CoV‑2, brzo mutiraju kada uđu u domaćina. Većina RNK virusa, uključujući HIV-1 ili influencu, dobija veliki broj mutacija do tačke u kojoj, u mnogim slučajevima, dve kopije virusa unutar jedne osobe nemaju potpuno isti genom.
Ovi mutirani sojevi mogu zatim da pređu na opštu populaciju, gurajući napred evoluciju ovih virusa na globalnom nivou. Iako je prijavljeno da SARS‑CoV‑2 mutira nižim stopama u poređenju sa sličnim virusima, pokazao je visok kapacitet da se razvija sa novim varijantama koje se pojavljuju iznenada umesto progresivno.
Ovo zapažanje dovodi u pitanje prethodnu ideju o niskom mutacijskom kapacitetu SARS-CoV-2, rekao je dr Ramon Lorenzo-Redondo, docent medicine na Odseku za infektivne bolesti i direktor bioinformatike Centra za genomiku patogena i evoluciju mikroba (CPGME), koji je bio koautor studije.
Poreklo ovih veoma mutiranih varijanti, kao što je omikron, koji je brzo stekao veoma veliki broj mutacija, još uvek je slabo shvaćeno, rekao je on.
U studiji, Lorenco-Redondo i njegovi saradnici primenili su novu metodu sekvenciranja sledeće generacije da sekvenciraju genom SARS-CoV-2 iz trideset pojedinačnih uzoraka nosnih briseva dobijenih u roku od 19 dana.
Sa ovom novom metodom, koju su razvili viši autor studije, dr Esteban Domingo, i koautor studije dr Selija Perales, istraživači u Španskom nacionalnom istraživačkom savetu, tim je uspeo da uhvati široku zastupljenost svakog mutant virusa prisutan u svakom pacijentu. Na ovaj način bi mogli da prouče da li bi manjinske mutacije nastale unutar zaraženog pacijenta mogle biti poreklo mutacija koje se kasnije prenose na opštu populaciju.
Zatim, koristeći model mašinskog učenja koji su prvi razvili Lorenzo-Redondo i dr Soledad Delgado, vanredni profesor na Politehničkom univerzitetu u Madridu, istraživači su vizuelizovali genetske podatke iz uzoraka u mape koje su pokazale mnoge varijacije virusa unutar jednog domaćina i zacrtali njihov predviđeni opstanak i proliferaciju u odnosu na druge varijante.
Tehnika može omogućiti naučnicima da prate kako se virusi poput SARS-CoV-2 razvijaju tokom vremena unutar jedne osobe i predvide opasne mutacije, rekao je Lorenco-Redondo.
„Ovom tehnikom možemo ići dublje. Možemo analizirati evoluciju i analizirati kako se virus prilagođava osobi i kako evoluira da bi se suprotstavio imunološkom sistemu“, rekao je Lorenco Redondo. „Neki od ovih prilagođenih virusa tada bi mogli postati važni na nivou populacije.“
Sekvenciranjem SARS-CoV-2 unutar pojedinca, istraživači su primetili kako je virus „testirao“ mutaciju u svom šiljkom proteinu kod nekih pojedinaca, za koje se navodi da menja ulazak virusa. Ova specifična varijanta mutantnog proteina šiljaka bila je mala podskupina unutar nekih od ovih domaćina, ali je kasnije brzo pretekla druge varijante zbog svoje superiorne infektivnosti i postala dominantna soj globalno tokom prvih meseci pandemije.
Nalazi mogu objasniti kako se nove varijante materijalizuju i skaču od osobe do osobe i postaju dominantne, jačajući čitavu virusnu populaciju, rekao je Lorenco Redondo.
„Ovo je veoma interesantno jer izgleda da sugeriše da se svi ovi veliki skokovi koje vidimo, na primer u omikronskom talasu COVID-19, mogu dešavati na nivou unutar domaćina kod više pacijenata u isto vreme, a zatim biti prebačeni na opštu populaciju“, rekao je on.
U nastavku, Lorenco Redondo i njegovi saradnici će imati za cilj da iskoriste ovu kombinaciju novih tehnika molekularne biologije i pristupa mašinskom učenju za mapiranje evolucije unutar domaćina u SARS-CoV-2 i drugim virusima, rekao je on. Njegova grupa se takođe nada da će koristiti ovaj pristup da predvidi kako bi virus mogao evoluirati u budućnosti i potencijalno sprečiti da se opasne vrste prevladaju.
„Sledeći korak je: možemo li da koristimo metode mašinskog učenja da predvidimo moguće buduće mutacije znajući šta je virus već istražio i kakvu mu je vrstu prednosti dao unutar domaćina?“ rekao je Lorenco Redondo.
