Hubungan antara fisik dan termodinamika lipat dan serikat protein. Varian kemampuan tinggi dapat menunjukkan stabilitas yang lebih baik di negara bagian lipat atau di United ACE2 untuk memfasilitasi penerimaan sel atau memiliki kemampuan untuk mengacaukan Amerika Serikat dengan antibodi, yang memungkinkan penghindaran. Kredit: Dianzhuo Wang
Ketika pandemia Covid-19 dimulai, kami melihat seberapa cepat virus SARS-COV-2 berkembang. Varian baru muncul dengan mutasi yang meningkatkan transmisibilitas atau membantu virus menghindari sistem kekebalan tubuh kita. Tetapi memprediksi mutasi mana yang akan lebih sukses, dan mengapa, itu tetap menjadi tantangan.
Dalam penelitian kami, diterbitkan di dalamnya Prosiding Akademi Ilmu Pengetahuan NasionalKami mengadopsi pendekatan yang berbeda. Alih -alih murni mempercayai pengawasan genomik, kami menerapkan prinsip -prinsip biofisik untuk memahami evolusi virus. Secara khusus, kami mengembangkan model mekanika statistik yang menghubungkan sifat termodinamika protein lonjakan virus dengan kemampuan menyebar.
Peta biofisik dari bakat virus
Pemain kunci dalam proses infeksi SARS-COV-2 adalah domain persimpangan reseptor (RBD) dari protein spike. RBD menentukan seberapa baik virus bergabung dengan ACE2, penerima sel manusia dan seberapa efektif menghindari netralisasi dengan antibodi.
Kami menemukan bahwa afinitas yang bersatu, bagaimana ia bergabung dengan antibodi ACE2 dan menetralkan antibodi. variasi Itu akan berperilaku dalam suatu populasi. Serikat ACE2 terkuat dapat membuat varian lebih menular, sedangkan Union Antibodi terlemah memungkinkan Anda untuk menghindari pertahanan kekebalan tubuh.
Model biofisik kami mengintegrasikan pengukuran molekuler ini untuk menghasilkan panorama pengkondisian fisik, sebuah peta yang memprediksi mutasi virus mana yang akan disukai oleh evolusi, yang kami validasi dengan data sekuensing dunia nyata.
Prediksi bakat menggunakan prediksi eksperimental dan pembelajaran otomatis
Untuk membuat model ini praktis, kami menggabungkan data afinitas serikat eksperimental dengan prediksi pembelajaran otomatis. Beberapa mutasi RBD telah dipelajari di laboratorium, tetapi banyak yang belum melakukannya. Untuk mengisi celah, kami melatih transformator untuk memperkirakan konstanta disosiasi (KD) untuk mutasi yang tidak terlihat.
Nilai -nilai yang diprediksi ini diberi makan pada model biofisik kami, yang memungkinkan kami untuk memperkirakan bakat varian sebelum muncul dalam jumlah besar dalam populasi.
Kecakapan yang direncanakan dibandingkan dengan bakat nyata untuk varian yang diamati pada tahun 2020, 2021 dan 2022. Setiap titik adalah varian dari SARS-COV-2 yang afinitas yang mengikat diperoleh oleh model pembelajaran otomatis kami yang terlatih. Kredit: Dianzhuo Wang
Mengapa beberapa mutasi menghilang
Model kami juga membantu menjelaskan pembalikan evolusioner yang membingungkan. Sebagai contoh, mutasi Q493R awalnya membantu virus menghindari antibodi, tetapi varian posterior seperti Ba.4 dan Ba.5 jatuh mutasi ini. Karena? Karena bakat fisik adalah kompensasi, sedangkan Q493R membantu melarikan diri dengan kekebalan tubuh, penyatuan ACE2 juga melemah. Ketika mutasi lain terakumulasi, biaya pemeliharaan Q493R menjadi terlalu tinggi, dan seleksi alam membalikkannya.
Ini adalah contoh epistosis: cara mutasi berinteraksi satu sama lain. Alih -alih bertindak secara mandiri, mutasi dapat memperkuat atau membatalkan efek orang lain. Model kami menangkap interaksi ini, membuatnya lebih realistis daripada pendekatan sebelumnya yang mengasumsikan segalanya Mutasi Bertindak secara terpisah.
Beyond Covid-19: Pendekatan universal untuk evolusi virus
Meskipun kami mengembangkan model ini untuk SARS-COV-2, prinsip-prinsip di belakangnya berlaku untuk banyak virus lainnya. Setiap virus yang didasarkan pada penyatuan protein untuk infeksi dan pelarian kekebalan tubuh, seperti influenza atau HIV, dapat dianalisis menggunakan metode serupa.
Dengan menghubungkan sifat molekuler dengan epidemiologi dunia nyata, pendekatan kami menawarkan alat yang kuat untuk persiapan pandemi. Alih -alih menunggu varian baru menyebar, kami dapat memprediksi kondisi fisik mereka terlebih dahulu, memandu keputusan kesehatan masyarakat, pembaruan vaksin, dan strategi perawatan. Melalui darat Evolusi Viral Dalam realitas biofisik, kami maju melampaui pengawasan bukti dan kesalahan terhadap ilmu prediktif evolusi pandemi.
Kisah ini adalah bagian dari X Dialog Sainsdi mana para peneliti dapat menginformasikan hasil artikel penelitian yang diterbitkan. Kunjungi halaman ini Untuk mendapatkan informasi tentang dialog Science X dan cara berpartisipasi.
Informasi lebih lanjut:
Dianzhuo Wang et al, Prinsip-prinsip biofisik memprediksi bakat varian SARS-COV-2, Prosiding Akademi Ilmu Pengetahuan Nasional (2024). Doi: 10.1073/pnas
Dianzhuo Wang adalah mahasiswa doktoral senior di Laboratorium Biofisika Shakhnovich di Harvard. Gunakan alat yang diekstraksi dari mekanika statistik dan pembelajaran otomatis untuk mengungkap evolusi kompleks virus SARS-COV-2. Tujuannya adalah untuk mengembangkan model prediktif yang memberikan informasi berharga tentang lintasan virus di masa depan.
Kutipan: Memprediksi infektivitas varian SARS-cov-2 dengan prinsip biofisik (2025, 3 Maret) pulih pada 3 Maret 2025 dari https://phys.org/news/2025-03-sars-cov-variant-fectivity-biophysical.html
Dokumen ini tunduk pada hak cipta. Selain pengobatan yang adil dengan tujuan studi atau penelitian pribadi, Anda tidak dapat mereproduksi bagian apa pun tanpa izin tertulis. Konten disediakan hanya untuk tujuan informasi.
