Il team guidato dall’UC Riverside ha sviluppato un nuovo metodo computazionale che applica le tecniche dei modelli matematici della fisica statistica nell’epidemiologia.
Durante la pandemia da SARS-CoV-2, sono emerse molteplici nuove e più trasmissibili varianti del virus. Capire come specifiche mutazioni influenzino la trasmissione di SARS-CoV-2 potrebbe aiutarci a comprendere meglio la biologia del virus e a controllare i focolai. “Questo, tuttavia, è un compito impegnativo”, ha affermato John Barton, assistente Professore di fisica e astronomia presso l’Università della California, Riverside, che presenta i risultati della sua ricerca intitolata “Inferring the Effects of Mutations on SARS-CoV-2 Transmission From Genomic Surveillance Data”, all’incontro di marzo dell’American Physical Society.
Vedi anche:SARS-CoV-2 è qui per restare?
“I metodi computazionali esistenti per studiare questo problema tendono ad essere difficili da applicare a grandi quantità di dati o si basano su ipotesi molto restrittive”, ha affermato Barton. “Gli esperimenti possono anche fornire informazioni eccellenti su come diverse mutazioni influenzano il virus, ma non possono essere utilizzati per studiare direttamente la trasmissione SARS-CoV-2 negli esseri umani“.
Barton e i suoi colleghi hanno sviluppato un nuovo metodo computazionale per risolvere questo problema applicando tecniche di fisica statistica e modelli matematici all’epidemiologia. Questo metodo consente loro di esaminare i dati di sorveglianza genomica – sequenze SARS-CoV-2 raccolte da individui infetti – nel tempo e in molte regioni del mondo e di trovare gli effetti di diverse mutazioni sulla trasmissione di SARS-CoV-2 che spiegano meglio la storia evolutiva osservata del virus durante la pandemia.
“Alcune nuove caratteristiche del nostro metodo sono che può spiegare il viaggio di individui infetti tra le regioni, cosa che la maggior parte degli altri modelli non è in grado di fare, e che i metodi basati sulla fisica che utilizziamo ci consentono di scrivere un’esatta espressione matematica per gli effetti di trasmissione di diverse mutazioni, piuttosto che fare affidamento su simulazioni numeriche per stimare questi parametri”, ha detto Barton.
Dopo aver convalidato il loro metodo sulle simulazioni, Barton e i suoi colleghi lo hanno applicato a oltre 1,6 milioni di sequenze SARS-CoV-2 dal database GISAID, che sono state raccolte da 87 regioni geografiche.
“Molte ricerche si sono concentrate sulle mutazioni nella proteina Spike di SARS-CoV-2 e la nostra analisi supporta questa enfasi su Spike come motore principale della trasmissione di SARS-CoV-2”, ha affermato Barton. “Circa la metà delle mutazioni di maggior impatto che troviamo si trovano in Spike, comprese tre delle prime quattro mutazioni. Tuttavia, troviamo anche molteplici mutazioni al di fuori di Spike che sembrano aumentare fortemente la trasmissione del virus. Alcuni di questi possono essere buoni bersagli per esperimenti futuri per capire come le diverse mutazioni influenzino la funzione SARS-CoV-2”.
Barton ha spiegato che il loro metodo è anche abbastanza sensibile da rivelare benefici alla trasmissione SARS-CoV-2 per mutazioni che in precedenza erano ritenute neutre. Il suo team è anche in grado di rilevare molto rapidamente una maggiore trasmissione per le principali nuove varianti come Alpha e Delta, entro una settimana dalla loro comparsa nei dati regionali. Il set di dati considerato dal team durante la stesura del documento non includeva sequenze della variante Omicron perché i dati sono stati raccolti solo fino ad agosto 2021.
“Tuttavia, anche senza osservare alcuna sequenza di Omicron nei dati, stimiamo già che Omicron si trasmetterebbe più prontamente di Alpha solo sulla base delle mutazioni che condivide con altre varianti di SARS-CoV-2”, ha affermato Barton. “Mentre ci siamo concentrati specificamente su SARS-CoV-2 nella nostra analisi, il nostro metodo è molto generale e potrebbe essere applicato per studiare la trasmissione di altri agenti patogeni, come il virus dell’influenza”.
Questa ricerca è stata condotta dagli studenti laureati Brian Lee ed Elizabeth Finney nel laboratorio di Barton, affiancati dai collaboratori Muhammad Sohail, Syed Ahmed e Ahmed Quadeer presso l’Università di Scienza e Tecnologia di Hong Kong e Matthew McKay all’Università di Melbourne, Australia.
Fionte:Scitechdaily
