Herramientas y enfoques bioinformáticos para el descubrimiento de virus en datos genómicos: una revisión sistemática

Área de la Ciencia:

• Bioinformática
• Virología
• Biología Computacional

Sus antecedentes:

• Los datos metagenómicos virales están creciendo exponencialmente, lo que requiere herramientas avanzadas de descubrimiento.
• La extrema diversidad viral, la rápida evolución y las bases de datos limitadas desafían los métodos tradicionales.
• La secuenciación de alto rendimiento genera grandes cantidades de datos que requieren un análisis eficiente para la identificación de virus.

Objetivo del estudio:

• Revisar sistemáticamente las tendencias y avances en las herramientas de descubrimiento de virus desde 1990 hasta 2025.
• Centrarse en las herramientas de primera línea para analizar datos de secuenciación de alto rendimiento.
• Resumir el conocimiento actual y las direcciones futuras en la detección viral.

Principales métodos:

• Revisión sistemática siguiendo las directrices PRISMA 2020.
• Búsqueda en la base de datos PubMed con enfoque de bola de nieve.
• Análisis de más de 54 estudios clave sobre metodologías de descubrimiento de virus.

Principales resultados:

• Se evaluaron métodos basados en alineación, estimación de similitud, HMM, k-mer y aprendizaje automático.
• Los enfoques de aprendizaje automático muestran una mejor detección de virus divergentes.
• Los desafíos incluyen la interpretación de las decisiones del modelo y la gestión de genomas virales incompletos.

Conclusiones:

• Los avances metodológicos, en particular el aprendizaje automático, mejoran el descubrimiento de virus.
• Se necesita un mayor desarrollo para abordar los desafíos de interpretabilidad y genomas incompletos.
• Esta revisión proporciona una base para el desarrollo futuro de herramientas de detección de virus.