Nueva herramienta de inteligencia artificial puede frustrar mutaciones del coronavirus
Esta imagen de microscopio electrónico de transmisión muestra el SARS-CoV-2, también conocido como 2019-nCoV, el virus que causa el COVID-19, aislado de un paciente en EE. UU. Se muestran partículas de virus emergiendo de la superficie de las células cultivadas en el laboratorio. Los picos en el borde exterior de las partículas de virus dan a los coronavirus su nombre, en forma de corona. Crédito: NIAID-RML
Investigadores de la USC han desarrollado un nuevo método para contrarrestar las mutaciones emergentes del coronavirus y acelerar el desarrollo de vacunas para detener el patógeno responsable de matar a miles de personas y arruinar la economía.
Usando inteligencia artificial (IA), el equipo de investigación de la Escuela de Ingeniería Viterbi de la USC desarrolló un método para acelerar el análisis de vacunas y concentrarse en la mejor terapia médica preventiva potencial.
El método es Fácilmente adaptable para analizar posibles mutaciones del virus, asegurando que las mejores vacunas posibles se identifiquen rápidamente, soluciones que brindan a los humanos una gran ventaja sobre el contagio en evolución. Su modelo de aprendizaje automático puede lograr ciclos de diseño de vacunas que antes tomaban meses o años en cuestión de segundos y minutos, dice el estudio.
«Este marco de IA, aplicado a las características específicas de este virus, puede proporcionar candidatos a vacunas en cuestión de segundos y pasarlos a ensayos clínicos rápidamente para lograr terapias médicas preventivas sin comprometer la seguridad», dijo Paul Bogdan, profesor asociado de ingeniería eléctrica e informática en la USC Viterbi y autor correspondiente del estudio. «Además, esto se puede adaptar para ayudarnos a adelantarnos al coronavirus a medida que muta en todo el mundo».
Los hallazgos aparecen hoy en los informes científicos de Nature Research
Cuando se aplican al SARS -CoV-2, el virus que causa el COVID-19, el modelo informático eliminó rápidamente el 95 % de los compuestos que posiblemente podrían haber tratado al patógeno y identificó las mejores opciones, dice el estudio.
El método asistido por IA predijo 26 posibles vacunas que funcionarían contra el coronavirus. A partir de ellos, los científicos identificaron los mejores 11 a partir de los cuales construir una vacuna multiepítopo, que puede atacar las proteínas de pico que utiliza el coronavirus para unirse y penetrar en una célula huésped. Las vacunas se enfocan en la región o el epítopo del contagio para interrumpir la proteína de pico, neutralizando la capacidad de replicación del virus.
Además, los ingenieros pueden construir una nueva vacuna multiepítopo para un nuevo virus en menos de un minuto. y validar su calidad en una hora. Por el contrario, los procesos actuales para controlar el virus requieren cultivar el patógeno en el laboratorio, desactivarlo e inyectar el virus que causó la enfermedad. El proceso lleva mucho tiempo y lleva más de un año; mientras tanto, la enfermedad se propaga.
El método USC podría ayudar a contrarrestar las mutaciones de COVID-19
El método es especialmente útil durante esta etapa de la pandemia, ya que el coronavirus comienza a mutar en las poblaciones de todo el mundo. mundo. A algunos científicos les preocupa que las mutaciones puedan minimizar la eficacia de las vacunas de Pfizer y Moderna, que ahora se distribuyen. Las variantes recientes del virus que han surgido en el Reino Unido, Sudáfrica y Brasil parecen propagarse más fácilmente, lo que, según los científicos, conducirá rápidamente a muchos más casos, muertes y hospitalizaciones.
Pero Bogdan dijo que si El SARS-CoV-2 se vuelve incontrolable con las vacunas actuales, o si se necesitan nuevas vacunas para hacer frente a otros virus emergentes, entonces el método asistido por IA de la USC se puede utilizar para diseñar otros mecanismos preventivos rápidamente.
Por ejemplo, el estudio explica que los científicos de la USC usaron solo un epítopo de células B y un epítopo de células T, mientras que la aplicación de un conjunto de datos más grande y más combinaciones posibles puede desarrollar una herramienta de diseño de vacunas más completa y rápida. El estudio estima que el método puede realizar predicciones precisas con más de 700 000 proteínas diferentes en el conjunto de datos.
«El marco de diseño de la vacuna propuesto puede abordar las tres mutaciones observadas con mayor frecuencia y ampliarse para tratar otras mutaciones potencialmente desconocidas, «, dijo Bogdan.
Los datos sin procesar para la investigación provienen de una base de datos bioinformática gigante llamada Immune Epitope Database (IEDB) en la que científicos de todo el mundo han estado recopilando datos sobre el coronavirus, entre otras enfermedades. IEDB contiene más de 600 000 epítopos conocidos de unas 3600 especies diferentes, junto con Virus Pathogen Resource, un depósito complementario de información sobre virus patógenos. La secuencia del genoma y la proteína espiga del SARS-CoV-2 proviene del Centro Nacional de Información Biotécnica.
COVID-19 ha provocado 87 millones de casos y más de 1,88 millones de muertes en todo el mundo, incluidas más de 400 000 muertes en los Estados Unidos. Ha devastado el tejido social, financiero y político de muchos países.
Los autores del estudio son Bogdan, Zikun Yang y Shahin Nazarian del Departamento de Ingeniería Eléctrica e Informática Ming Hsieh de la USC Viterbi.
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Información de la revista: Informes científicos
Proporcionado por la Universidad del Sur de California Cita: La nueva herramienta de IA puede frustrar las mutaciones del coronavirus (5 de febrero de 2021) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-02-ai-tool-thwart-coronavirus-mutations.html Este documento está sujeto a los derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.