TempSnap-Trace: Un marco basado en instantáneas temporales para el rastreo de redes de haplotipos

Área de la Ciencia:

• Virología
• Biología Computacional
• Genómica

Sus antecedentes:

• El rastreo de la historia evolutiva viral a gran escala presenta desafíos computacionales significativos.
• Los métodos existentes pueden tener dificultades con la escala y la complejidad de los datos genómicos virales.

Objetivo del estudio:

• Presentar TempSnap-Trace, un marco computacional novedoso para rastrear la historia evolutiva viral a gran escala.
• Mejorar las capacidades de vigilancia viral y rastreo del origen de variantes.

Principales métodos:

• Generar cadenas de haplotipos con características de variantes a partir de datos genómicos.
• Emplear el algoritmo de red de arborescencia de costo mínimo (McAN) para la inferencia filogenética.
• Construir redes ponderadas de instantáneas temporales e identificar nodos evolutivos centrales a través de la detección de comunidades.

Principales resultados:

• El marco integra sitios de mutación, topología de red e información direccional para reconstruir vías evolutivas.
• Se logró un aumento del 17,4% en la modularidad y una reducción del 30,1% en la longitud del código en comparación con métodos de grafos no ponderados.
• Se rastrearon con éxito variantes de SARS-CoV-2 y Mpox, se identificaron centros de transmisión y se demostró una aceleración de 27 veces en comparación con VENAS, procesando datos que VENAS no pudo por límites de memoria.

Conclusiones:

• TempSnap-Trace es computacionalmente eficiente y escalable para la vigilancia viral a gran escala.
• El marco proporciona ventajas distintas para la advertencia de transmisión transfronteriza y el rastreo del origen de variantes.
• Se validó la utilidad en SARS-CoV-2 y Mpox, demostrando una reconstrucción robusta de la trayectoria evolutiva.