Aprender de los datos prepandémicos para pronosticar el escape viral

Área de la Ciencia:

• Virología
• Biología computacional
• Inmunología

Sus antecedentes:

• La preparación para una pandemia requiere predecir las mutaciones virales que escapan a la inmunidad del huésped para una vacuna y un diseño terapéutico efectivos.
• Los métodos de predicción actuales son limitados, se basan en datos experimentales o en la prevalencia actual de la cepa, lo que dificulta la respuesta temprana a la pandemia.

Objetivo del estudio:

• Desarrollar un marco computacional generalizable, EVEscape, para predecir el potencial de escape de la mutación viral.
• Permitir la identificación temprana de las variantes virales antes de que se disponga de una vigilancia extensa o de datos experimentales.

Principales métodos:

• EVEscape combina un modelo de aprendizaje profundo entrenado en secuencias históricas con información biofísica y estructural.
• El marco cuantifica el potencial de escape viral de las mutaciones a escala.

Principales resultados:

• EVEscape, entrenado en secuencias previas a 2020, predice con precisión la variación de la pandemia de SARS-CoV-2, comparable a los métodos experimentales.
• El marco demuestra la generalización en diversos virus, incluidos los virus de la gripe, el VIH, Lassa y Nipah.

Conclusiones:

• EVEscape proporciona una herramienta escalable para anticipar la evolución viral y el escape inmune, crucial para el desarrollo proactivo de vacunas y terapias.
• El marco ofrece puntuaciones de escape continuamente actualizadas y pronostica cepas emergentes para la preparación pandémica en curso.