نگرانی از جهش کرونا ویروس تأیید شده توسط بزرگترین تجزیه و تحلیل توالی ویروسی COVID-19 در ایالات متحده
منابع محاسباتی آرگون از بزرگترین تجزیه و تحلیل جامع توالی ژن COVID-19 در ایالات متحده پشتیبانی می کند و به تایید شواهد در حال رشد جهش پروتئین کمک می کند.
قبل از ورود COVID- 19 به ایالات متحده در ماه مارس ، بیمارستان هیوستون متدیست با توجه به اخبار منتشر شده از ووهان ، چین ، مقدمات آماده سازی آزمایش و تعیین توالی ویروس را در مقیاس وسیع آغاز کرده بود.
بین 5 مارس ، هنگامی که اولین مورد در کلانشهر هوستون مشاهده شد ، و 7 ژوئیه ، پزشک / محققان Houston Methodist ژنوم بیش از 5 ، 085 سویه ویروس را توالی یابی کردند. اینها تقریباً 10 درصد از موارد COVID- 19 را که از طریق سیستم بهداشتی 2 ، 400 تختخوابی هیوستون متودیست ، طی دو موج مشخصی که در آن بازه زمانی رخ داده است ، به خود اختصاص داده اند.
همکاران دانشگاه تگزاس در آستین ، کالج پزشکی ویل کرنل ، دانشگاه شیکاگو و آزمایشگاه ملی آرگون وزارت انرژی ایالات متحده ( DOE ) با هم همکاری کردند تا داده ها را تجزیه و تحلیل کنند و سعی کنند نتایج بیمار را با صفات ویروسی مرتبط کنند.
جیمز دیویس ، دانشمند ستادی در بخش علوم و آموزش داده های آرگون ، گفت: “ این بزرگترین تجزیه و تحلیل توالی ویروسی در حال حاضر در ایالات متحده است و یکی از جامع ترین و مستمر ترین عکس های توالی است که از ابتدای شیوع آن آغاز می شود.” “ این نیز یک تصویر بسیار واضح تر از این که چگونه گونه های در حال تکامل هستند فراهم می کند.”
در طول تحقیق ، این گروه به تقویت مشاهدات و نگرانی های بین المللی مبنی بر غالب شدن جهش در پروتئین سنبله ویروس کمک کرده و نرخ انتقال COVID- 19 را افزایش می دهد ، همانطور که موج دوم که از اواسط ماه مه از طریق هوستون موج می زد ، مشاهده می شود. .
مقاله ای در مورد روش ها و نتایج آنها در 30 اکتبر 2020 در مجله mBio منتشر شد .
که جهش هایی در سنبله – مسئول نفوذ سیستم ایمنی بدن انسان و هدف فعلی تحقیقاتی واکسن – در یک آمینو بود اسید به نام GLY 614 و در نتیجه از یک پروتئین، اسید اسپارتیک بود، جهش به دیگری، گلایسین.
در اولین قسمت های همه گیر ، از مارس تا آوریل ، Gly 614 فقط یک نوع در میان بسیاری دیگر بود. اما در طول موج دوم در ماه مه ، دیویس به یاد می آورد ، تمام مواردی که آنها در Houston Methodist در حال تعیین توالی بودند ، نشان داد که Gly 614 تکثیر یافته تا جایی که به اسید آمینه غالب پروتئین سنبله تبدیل شود.
در واقع ، در بیش از 99 درصد از انواع توالی یافته شده است.
وی گفت : “ ویروس SARS-CoV- 2 به طرز چشمگیری محافظت می شود ، بنابراین هر زمان که تغییراتی از این دست مشاهده می کنید ، قابل توجه تر است زیرا تمایل به دیدن جهش های زیادی ندارید.” ” من مطمئن هستم که اگر آن را می سازد ویروس بدخیم و یا ساده تر برای انتقال، اما مطالعه نشان می دهد برخی از اطلاعات نشان می دهد که بیماران با GLY 614 جهش یک بار ویروسی بزرگتر، هر چند آنها لزوما مریض نیست.”
همزمان با تصاحب Gly 614 در موج دوم ، بیماران تمایل به جوان تر بودن داشتند ، علائم شدید کمتری را نشان می دادند ، به احتمال زیاد اسپانیایی / لاتین بودند و در مناطقی با درآمد متوسط پایین زندگی می کردند. هنوز دلایل آن مشخص نبود و آنها امیدوار بودند كه منابع محاسباتی آرگون دریچه ای برای علل باز كند.
روابط کاری حال حاضر در محل، هوستون متودیست آرگون برای کمک نزدیک با ژنوم توالی تجزیه و تحلیل از 5 ، 000 به علاوه COVID سویه، و همچنین آنالیز فیلوژنتیک، که در تغییرات در یک موجود زنده و یا از ویژگی های خاص در طول زمان نگاه.
آرگون از طریق پروژه مرکز منابع بیوانفورماتیک خود که توسط انستیتوی ملی آلرژی و بیماری های عفونی پشتیبانی می شود ، منابع محاسباتی و فنی را در اختیار همكاران انجام پروژه های بزرگ مبتنی بر بیولوژیك قرار می دهد. در این مورد ، آن اجزای توالی را مدیریت کرد و شامل کنترل کیفیت ، ترازبندی ژنوم و ساختن درختان فیلوژنتیک بود.
“ برای یک ویروس، آن را تا ژنوم بسیار بزرگ،” اشاره کرد دیویس، “ بنابراین، روند محاسباتی گران شد.” اما آرگون با داشتن زرادخانه بزرگ رایانه ای ، بزرگ و فوق العاده ، آماده مقابله با هجوم داده ها بود.
جنبه دیگری از آن کار شامل تکنیک هوش مصنوعی به نام یادگیری ماشین بود. در حالی که تمرکز یادگیری ماشین در بین بسیاری از موسسات تحقیقاتی ، از جمله آرگون ، بر تعیین چگونگی تعامل داروها با COVID- 19 متمرکز شده است ، مارکوس نگوین امیدوار است که پیش بینی کند که آیا توالی ویروس در نهایت می تواند نتیجه بیمار یا آمار جمعیتی بیمار را پیش بینی کند.
نگوین ، یک متخصص تحقیق با انتصاب مشترک در آرگون و دانشگاه شیکاگو ، ارتباط بین توالی ژنوم و اطلاعات بیمار را بررسی کرد.
این فرایند یک الگوریتم یادگیری ماشین را در مورد توالی های ژنومی از هیوستون متدیست و همچنین نتایج گذشته بیمار – طول مدت بستری در بیمارستان ، نیاز به تهویه مکانیکی ، مرگ و میر – آموزش داد تا به طور بالقوه این نتایج را تعیین کند.
نگوین گفت: “ متأسفانه ، ما به نتایجی که می خواستیم نرسیدیم.” “ اگر چه وجود داشته است چند همبستگی در قطعات مختلف از ابرداده بیمار پیدا شده است، من فکر نمی کنم چیزی در ژنوم است که نشان دهنده نتیجه بیمار وجود دارد، بنابراین باید چیز دیگری رفتن وجود دارد.”
در حالی که این گروه تغییرات دیگری را در سنبله مشاهده کرد ، تحقیقات در مورد Gly 614 برای درک پویایی آن و تعیین اینکه در صورت وجود چه نقشی در درمان های درمانی ایفا می کند ، ادامه دارد.
دیویس گفت: “ این باید در تولید واکسن مفید باشد زیرا توالی های مختلف و انواع مختلفی را نشان می دهد که شما می توانید تصویر خوبی از آنچه را که باید جستجو کنید از نظر نوع غالب در جمعیت به دست آورید.”
اگرچه ویروس تا حدودی پایدار مانده است ، اما این مطالعه – و تاریخچه طبیعی – نشان داده است که فقط یک جهش لازم است تا بتواند تأثیر قدرتمندی در زندگی ، اعم از بزرگ و کوچک ایجاد کند.
دیویس خاطرنشان کرد: ” 99 درصد 100 درصد نیست.” “ در صورتی که یک جهش است که حساب برای فقط یک درصد از جمعیت وجود دارد، و شما را سرکوب یا از بین بردن اکثریت، شما می توانید درایو تا برخی از صفت که یک درصد، چه حدت و انتقال آن، و سپس آن را یک مسابقه متفاوت است.”
