Salvatore Loguercio, et al. DOI: https://doi.org/10.1016/j.patter.2023.100800
Recopilado por Carlos Cabrera Lozada. Miembro Correspondiente Nacional, ANM puesto 16. ORCID: 0000-0002-3133-5183. 14/08/2023
Resumen
Un objetivo fundamental para gestionar la rápida evolución de la pandemia de SARS-CoV-2 es la capacidad de anticipar con anticipación la próxima cepa viral que pondrá en peligro la salud humana: el equilibrio «huésped-patógeno». Los impulsores de la pandemia son las variantes de preocupación (COV), cepas de virus que logran el dominio secuencialmente utilizando patrones únicos de mutaciones genéticas que conducen a una mejor condición física. Para descubrir el patrón emergente de los COV, desarrollamos una nueva herramienta de inteligencia artificial: detección de anomalías de alerta temprana (EWAD). EWAD brinda un aviso con semanas o meses de anticipación sobre cómo podría ser el próximo VOC, lo que nos ayuda a anticipar las medidas de respuesta que inclinan el equilibrio huésped-patógeno a favor del huésped. El algoritmo de reconocimiento de patrones que habilita EWAD tiene implicaciones importantes más allá de la pandemia de COVID-19.
Hemos desarrollado un enfoque de aprendizaje automático (ML) utilizando la covarianza espacial (SCV) basada en el proceso gaussiano (GP) para rastrear el impacto de los eventos mutacionales espacio-temporales que impulsan el equilibrio huésped-patógeno en biología. Mostramos cómo SCV se puede aplicar para comprender la respuesta de las relaciones covariantes en evolución que vinculan el patrón variante de propagación del virus a la patología para todo el genoma del SARS-CoV-2 a diario. Mostramos que las relaciones de SCV basadas en GP junto con el análisis de co-ocurrencia de todo el genoma proporcionan un sistema de detección de anomalías de alerta temprana (EWAD) para la aparición de variantes de preocupación (VOC). EWAD puede anticipar cambios en el patrón de desempeño de la propagación y la patología con semanas de anticipación, identificando firmas destinadas a convertirse en COV. Los análisis de variación basados en GP en genomas virales completos se pueden usar para monitorear características micro y macro responsables del equilibrio huésped-patógeno. La versatilidad del SCV basado en GP define el punto de partida para comprender el camino evolutivo de la naturaleza hacia la complejidad a través de la selección natural.