COVID radarı: Genetik sıralama, bir sonraki varyantın ciddiyetini tahmin etmeye yardımcı olabilir
Dünyanın dört bir yanındaki halk sağlığı yetkilileri, COVID-19 salgınının en son varyantıyla mücadele ederken, ABD Ulusal Bilim Vakfı-desteklenen araştırmacılar Drexel Üniversitesi bir sonrakine daha iyi hazırlanmaya yardımcı olabilecek bir bilgisayar modeli oluşturduk.
COVID-19 virüsünün genetik sekansındaki değişiklikler ile bulaşma, hastaneye yatış ve ölümlerdeki artışlardaki korelasyonları belirlemek için eğitilmiş makine öğrenimi algoritmalarını kullanan model, yeni varyantların ciddiyeti hakkında erken uyarı sağlayabilir.
NSF’nin Bilgisayar ve Bilişim Bilimi ve Mühendisliği Direktörlüğü program direktörü Sylvia Spengler, “Sadece mutasyonları değil, etkilerini de tahmin etme yeteneği, uygun halk sağlığı yanıtı için kritik derecede önemlidir” dedi.
Salgının üzerinden iki yılı aşkın bir süredir bilim insanları ve halk sağlığı yetkilileri, SARS-CoV-2 virüsünün hangi mutasyonlarının onu daha bulaşıcı, bağışıklık sistemine kaçamak ve ciddi enfeksiyonlara neden yapacağını tahmin etmek için ellerinden gelenin en iyisini yapıyorlar. Ancak yeni varyantları belirlemek için genetik verileri toplamak ve analiz etmek – ve bu verileri hasta olan hastalarla ilişkilendirmek – hala zorlu bir süreç.
Bu nedenle, yeni “endişe varyantları” hakkındaki halk sağlığı tahminlerinin çoğu – Dünya Sağlık Örgütü’nün onları kategorize ettiği şekliyle – zaten yayıldıkları bölgelerin gözetim testlerine ve gözlemlerine dayanmaktadır.
Geliştirmeden Bahrad Sokhansanj, “Omicron gibi yeni varyantların dünya çapında yayılma hızı, halk sağlığı yetkililerinin nüfuslarının ne kadar savunmasız olabileceği konusunda iyi bir fikir sahibi olduklarında virüsün çoktan ulaştığı anlamına geliyor” dedi. bilgisayar modelinin. “Onlara – meteorologlar için gelişmiş hava modellemesi gibi – bir erken uyarı sistemi vermeye çalışıyoruz, böylece yeni bir varyantın ne kadar tehlikeli olabileceğini hızlı bir şekilde tahmin edebilir ve buna göre hazırlanabilirler.”
Dergide yayınlanan model Biyoloji ve Tıpta Bilgisayarlarvirüsün başak proteininin (virüsün bağışıklık sisteminden kaçmasına ve sağlıklı hücreleri enfekte etmesine izin veren kısmı ve ayrıca pandemi boyunca en sık mutasyona uğradığı bilinen kısmı) genetik dizisinin bir analizi ile yönlendirilir. COVID hastalarının yaşı, cinsiyeti ve coğrafi konumu gibi faktörlerin karma efektli makine öğrenimi analizi.
Sokhansanj, “Gelecekteki omikron alt varyantlarının daha şiddetli hastalığa neden olma olasılığının yüksek olduğunu gösteriyoruz.” Dedi. “Elbette, gerçek dünyada, artan hastalık şiddeti, önceki omikron varyantları tarafından önceki enfeksiyonla hafifletilecektir – bu faktör, modellemeye de yansıtılmaktadır.”