Individuazione guidata dai dati delle varianti di SARS-CoV-2 con mesi di anticipo
Uno strumento online è in grado di rilevare e caratterizzare le varianti di SARS-CoV-2 che destano preoccupazione fino a tre mesi prima della loro designazione formale da parte dell'OMS
Dall'inizio della pandemia di SARS-CoV-2, diverse varianti del virus si sono trasformate in Varianti Preoccupanti (VOC), come classificato dall'Organizzazione Mondiale della Sanità (OMS). Le VOC sono varianti del virus che si prevede o si sa che causeranno grandi ondate di infezioni a causa delle loro caratteristiche fenotipiche alterate e che rischiano di alterare la gravità della malattia, di ridurre l'efficacia del vaccino o di comportare un maggiore onere per i sistemi sanitari. La piattaforma web CoVerage per la sorveglianza genomica del virus SARS-CoV-2 consente di identificare e caratterizzare in modo rapido e computazionale le potenziali varianti di interesse (pVOI), con un tempo di attesa di quasi tre mesi prima della loro designazione da parte dell'OMS come VOC o come categorie di varianti correlate, e di prevedere la loro capacità di sfuggire all'immunità esistente acquisita con vaccinazioni o infezioni precedenti. I ricercatori guidati da Alice McHardy lo hanno dimostrato con successo in un'analisi completa pubblicata su Nature Communications. L'individuazione precoce dei COV è particolarmente importante per lo sviluppo dei vaccini, al fine di garantire la protezione contro le nuove varianti virali.
"Abbiamo sviluppato un nuovo metodo di analisi per CoVerage che dovrebbe contribuire a rendere più visibili i cambiamenti antigenici delle varianti virali", spiega Alice McHardy. In particolare, viene utilizzata una matrice basata sulle osservazioni dello sviluppo a lungo termine di alcuni virus influenzali (influenza A H3N2). Questa matrice collega importanti cambiamenti nel materiale genetico del virus alle sue proprietà. I ricercatori stanno osservando con particolare attenzione i cambiamenti di una specifica proteina del virus, nota come proteina spike. Questa proteina svolge un ruolo importante perché permette al virus di attaccarsi alle cellule umane e perché è un bersaglio principale per vaccini e terapie.
Il sistema CoVerage ottiene i dati rilevanti dal database dei genomi dei virus GISAID, un'iniziativa di condivisione dei dati che promuove lo scambio rapido di dati su agenti patogeni prioritari come influenza, hCoV-19, RSV, hMpxV, SARS-CoV-19 e arbovirus come chikungunya, dengue e Zika. A marzo 2024 il GISIAD aveva a disposizione oltre 16,5 milioni di sequenze di SARS-CoV-2. CoVerage analizza i dati del genoma del SARS-CoV-2 in base al Paese di origine per verificare la dinamica dei ceppi e i cambiamenti antigenici. Viene utilizzato un metodo statistico per determinare quali ceppi virali hanno modificato in modo significativo la loro capacità di fuga immunitaria. Si tratta di confrontare i cambiamenti aminoacidici che si verificano nella proteina spike dei ceppi virali di un determinato mese. I ceppi che si distinguono chiaramente, cioè quelli che mostrano cambiamenti significativamente maggiori rispetto alla media, vengono selezionati come significativamente alterati. I ceppi virali che si prevede si diffonderanno più rapidamente o saranno significativamente alterati in termini di immunità vengono quindi visualizzati sulla piattaforma CoVerage in speciali grafici ("mappe di calore"), in modo che gli utenti possano vedere a colpo d'occhio quando e dove si verificano i principali cambiamenti nel virus.
Per testare l'affidabilità del nuovo metodo di analisi, i ricercatori hanno esaminato i dati relativi alla sequenza del genoma di ceppi virali già noti come COV, tra cui la variante Omicron del SARS-CoV-2. Il gruppo di lavoro ha riscontrato che il nuovo metodo è in grado di fornire un'analisi completa del virus. Il gruppo di lavoro ha scoperto che il nuovo metodo permetteva di identificare retrospettivamente le linee virali come COV fino a tre mesi prima della designazione da parte dell'OMS. "È stato interessante vedere che le varianti virali che sono state ufficialmente classificate come importanti dall'OMS hanno mostrato valori significativamente più alti nelle nostre analisi rispetto ad altre varianti meno notate", spiega McHardy. I numeri sono aumentati in un ordine chiaro: prima per le varianti che vengono solo monitorate (Varianti sotto monitoraggio, o VUM), poi per le Varianti di interesse (VOI) e infine, in modo più marcato, per le varianti VOC, considerate particolarmente preoccupanti.
"Nel complesso, questi risultati sottolineano la capacità del nostro metodo di prevedere efficacemente l'emergere di varianti del SARS-CoV-2 rilevanti per la salute con un vantaggio di crescita, ben prima che raggiungano la loro massima frequenza o siano formalmente identificate dall'OMS come preoccupanti", riassume il bioinformatico. "Questo potrebbe fornire tempo prezioso per avviare analisi approfondite necessarie per l'adeguamento dei vaccini o per adottare misure mirate per proteggere i gruppi vulnerabili, ad esempio".
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Norwood K, Deng ZL, Reimering S, Robertson G, Foroughmand-Araabi MH, Goliaei S, Hölzer M, Klawonn F, McHardy AC. In silico genomic surveillance by CoVerage predicts and characterizes SARS-CoV-2 variants of interest. Nat Commun. 2025 Jul 8;16(1):6281
Altre notizie dal dipartimento scienza
