Crédito: Pixabay/CC0 Dominio público
Investigadores han desarrollado un nuevo método que utiliza inteligencia artificial para prever las mutaciones más probables de patógenos como el SARS-COV- 2, el virus que causa el COVID-19.
La nueva investigación tiene implicaciones para el rápido desarrollo de vacunas, tratamientos y pruebas de diagnóstico que tendrían muchas menos probabilidades de verse afectados por variantes de preocupación nuevas o emergentes.
Mohammad Kohandel, profesor y director del Laboratorio de Medicina Matemática del Departamento de Matemáticas Aplicadas de la Universidad de Waterloo, ayudó a iniciar la investigación en el contexto de la pandemia en curso.
«Con un patógeno altamente infeccioso como el SARS-COV-2, quiero tener un método para extraer la información mutacional lo más rápido posible», dijo Kohandel. «Las variantes son un gran problema porque no sabemos si las pruebas de diagnóstico que están disponibles van a funcionar o si los tratamientos o vacunas serán efectivos a largo plazo».
El equipo de investigación de Kohandel inicialmente se centró en usar una sola secuencia ancestral para identificar las partes del genoma viral que no se ven significativamente afectadas por las mutaciones. Estas son las llamadas partes «conservadas» del virus.
La identificación de las partes conservadas de un patógeno es valiosa porque incluso si hay mutaciones, no afectará la eficacia de las vacunas, los tratamientos o las pruebas que trabajar enfocándose en esas partes estables.
«Imagínese que desde el comienzo de la pandemia, sabíamos exactamente qué partes del genoma iban a ser estables y cuáles probablemente cambiarían», dijo Amirhossein Darooneh, un miembro del equipo de investigación y profesor de matemáticas aplicadas en Waterloo. «Todo sería diferente en este momento.
«Ahora que tenemos tantos datos sobre la secuenciación del SARS-COV2 y sus variantes, podemos usar toda esa información para entrenar una red neuronal para predecir el mutaciones más probables del genoma. Nuestra IA puede predecir las mutaciones que ocurrieron con una precisión realmente alta».
Después de identificar las partes conservadas, el equipo entrenó una IA para anticipar las mutaciones que ocurrirían en un patógeno. El programa de aprendizaje automático evaluó millones de secuencias genómicas como parte de su proceso de entrenamiento. Luego, la IA se probó en la secuencia genómica de la cepa original de coronavirus.
Basándose en su análisis del virus original, la IA predijo e identificó las variantes que vinieron ser conocidas como alfa, beta, gamma, delta y otras variantes de preocupación como regiones muy probablemente mutables del genoma Si esta información hubiera estado disponible en las primeras etapas de la pandemia y cuando las vacunas se desarrollaron por primera vez, podría haber llevado a pruebas más efectivas y vacunas que eran mucho más resistentes contra las variantes actuales.
Junto con sus impactos en la pandemia, la nueva tecnología también puede contribuir a otros tratamientos médicos.
«Incluso con cáncer, deberíamos ser ab le para identificar los objetivos terapéuticos para superar la resistencia a los medicamentos impulsada por mutaciones», dijo Michelle Przedborski, otra de los miembros del equipo y profesora de matemáticas aplicadas en Waterloo. «Muchos medicamentos se dirigen a una parte específica de la proteína en las células cancerosas. Pero si hay mutaciones en ellas, entonces los medicamentos ya no serían efectivos. Podemos aplicar el mismo análisis y método de IA a otros patógenos».
Explore más
La OMS supervisa la nueva variante del coronavirus llamada ‘Mu’ Proporcionado por la Universidad de Waterloo Cita: La nueva IA puede predecir mutaciones del virus y ayudar a crear tratamientos y vacunas más eficaces (2021, octubre 25) obtenido el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-10-ai-virus-mutations-effect-treatments.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.