Martedì, 23 marzo 2021

Varianti virali: nuovi algoritmi per studiare come nascono e si diffondono

Pubblicati 2 nuovi studi del Team di Ricerca Bicocca-IBFM-CNR sulle riviste Patterns e iScience che utilizzano tecniche di Data Science per analizzare i dati di sequenziamento del virus SARS-CoV-2
u8 drone resize news

 

Pubblicati due nuovi studi del gruppo di ricerca Bicocca-Istituto di Bioimmagini e Fisiologia Molecolare (IBFM-CNR)

composto da Alex Graudenzi, ricercatore IBFM-CNR, dai prof. Rocco Piazza, Marco Antoniotti, Carlo Gambacorti-Passerini,

dagli assegnisti Daniele Ramazzotti, Fabrizio Angaroni e dall’assegnista IBFM-CNR Davide Maspero.

Studio VERSO

Lo studio pubblicato su Patterns introduce un innovativo approccio di data science denominato VERSO (Viral Evolution ReconStructiOn) per l’analisi di dati di sequenziamento di genomi virali.

Il nuovo approccio consente di identificare un modello ad alta risoluzione dell’evoluzione di un patogeno attraverso il tracciamento delle mutazioni genomiche, permettendo di ricostruire collegamenti epidemiologici tra persone infette, ossia un potenziale contatto infettivo tra individui, così come di intercettare varianti possibilmente pericolose prima che queste si diffondano nella popolazione.  

L'applicazione di VERSO a 6726 campioni di sequenziamento del virus SARS-CoV-2 ha consentito di ricostruire in maniera approfondita l’evoluzione del virus e di ricostruire con grande dettaglio i contatti epidemiologici fra individui. Inoltre, l’analisi del “landscape” mutazionale del virus ha rivelato un incremento significativo del numero di mutazioni nella popolazione, consentendo al contempo di individuare alcune varianti potenzialmente pericolose, alcune delle quali localizzate sul gene “spike”.

"VERSO: a comprehensive framework for the inference of robust phylogenies and the quantification of intra-host genomic diversity of viral samples", Patterns (2021)

Studio Mutational

Lo studio pubblicato su iScience mira ad identificare e quantificare i meccanismi responsabili della generazione di varianti, sempre a partire dall’analisi di dati di sequenziamento di campioni virali.

Al centro dello studio vi è l’analisi dei processi che determinano l’insorgenza e la diffusione di varianti virali, e i quali derivano dalla complessa combinazione di processi mutazionali indotti dall’interazione fra il virus e il suo “ospite” e dalla dinamica di trasmissione del virus fra individui contagiati. Tecniche di data science già applicate nello studio del cancro si sono rivelate efficaci per identificare differenti “firme mutazionali” in diversi gruppi di pazienti.

A partire dall’analisi dai dati di sequenziamento di un elevato numero di campioni di SARS-CoV-2, lo studio ha permesso di identificare alcuni enzimi umani (APOBEC e ADAR) come potenzialmente responsabili della generazione di specifiche tipologie di mutazione osservate sul genoma virale. Inoltre, l’analisi ha mostrato come l’intensità e la presenza di tali processi mutazionali appaia estremamente eterogenea nei pazienti, suggerendo la possibilità che essi possano essere correlati ai distinti decorsi della malattia. Entrambi gli studi forniscono nuovi importanti strumenti ai ricercatori che nel mondo studiano le sequenze virali per meglio comprendere le proprietà e i mutamenti del virus nel tempo, consentendo di inquadrare tale evoluzione e la comparsa di nuove mutazioni nel contesto di precisi meccanismi molecolari.

"Mutational signatures and heterogeneous host response revealed via large-scale characterization of SARS-CoV-2 genomic diversity", iScience (2021)