Medicalxpress: Новый метод помогает предсказывать изменения, которые могут сделать штаммы COVID более заразными

По мере эволюции SARS-CoV-2 ожидается появление новых мутаций вируса, которые могут обладать повышенной способностью заражать людей и обходить иммунную защиту организма. Первым ключевым шагом в заражении является связывание спайкового белка вируса с рецептором ACE2 с клетками человека.

Представители Пенсильванского университета создали новую систему, позволяющую с достаточной точностью предсказать аминокислотные изменения в белке шипа вируса, которые могут улучшить его связывание с клетками человека и придать вирусу повышенную заразность. Это может стать ключевым решением для предотвращения развития коронавируса и появления новых штаммов.

Этот инструмент может позволить проводить мониторинг SARS-CoV-2 и заранее предупреждать о потенциально опасных вариантах с еще более высоким потенциалом сродства к связыванию с человеческими клетками. Это может помочь в ранней реализации мер общественного здравоохранения по предотвращению распространения вируса и, возможно, даже послужит основой для разработки рецептур вакцин. Статья с результатами исследования специалистов была опубликована в издании Medicalxpress.

Ведущим автором исследования выступил Суреш Кучипуди, который занимает должность профессора ветеринарных и биомедицинских наук и помощник директора лаборатории диагностики животных в штате Пенсильвания.


Был использован специальный механизм прогнозирования развития вируса для создания модели, позволяющей заранее предугадывать изменения в аминокислотах - молекулах, связанных вместе для образования белков - могут произойти в домене связывания рецептора (RBD) белка шипа SARS-CoV-2, что может повлиять на его способность связываться с рецепторами ACE2 клеток человека и других животных.

По словам Кучипуди, циркулирующие в настоящее время варианты включают одну или несколько мутаций, которые привели к аминокислотным изменениям в RBD белка spike.


Была использована специальная регрессионная модель нейронной сети - тип алгоритма глубокого обучения - и обучили модель, используя экспериментально доступные данные о связывании в вариантах с изменениями в одной аминокислоте. Специалисты выяснили, что могут с точностью более 80% предсказать, улучшают или ухудшают сродство связывания определенные аминокислотные изменения в исследуемом наборе данных.

Новый метод помогает узнать о силе связывания различных уже наблюдавшихся аминокислотных изменений SARS-CoV-2 в вариантах Альфа, Бета, Гамма и Дельта. Это может обеспечить вычислительные средства для прогнозирования такого сродства в еще не открытых вариантах.


Кучипуди добавил, что SARS-CoV-2 может инфицировать людей в результате усиления контакта между вирусом и потенциальными новыми носителями вируса. Этот инструмент может помочь разобраться в огромных данных о последовательности вируса, полученных в результате геномного наблюдения. В частности, он может помочь определить, может ли вирус адаптироваться и распространяться среди сельскохозяйственных животных, тем самым информируя о целевых мерах по смягчению последствий.