Un modelo matemático apunta que los murciélagos son los más probables hospedantes del SARS-CoV-2
AGENCIA FAPESP/DICYT – Un modelo matemático desarrollado en la Universidad de São Paulo (USP), en Brasil, con el apoyo de la FAPESP, confirmó que los murciélagos son los más probables hospedantes del SARS-CoV-2. Y puede ayudar a prever la existencia de animales que constituyen repositorios de nuevos coronavirus. Estos resultados salieron publicados en la revista Scientific Reports.
“Cruzamos información referente de la proteína S, la espícula [la parte que se une al receptor humano o animal] de distintos coronavirus en un modelo de aprendizaje automático. Y arribamos al murciélago, que sería el más probable hospedante inicial del SARS-CoV-2”, comenta Irina Yuri Kawashima, primera autora del trabajo, realizado como parte de su doctorado en el Programa de Posgrado Interunidades en Bioinformática, con sede en el Instituto de Matemática y Estadística (IME) de la USP, en la ciudad de São Paulo.
Los investigadores esperan que este modelo pueda aplicarse en casos de surgimiento de nuevas emergencias de virus de la misma familia, toda vez que también mostro capacidad para señalar a los hospedantes de otros coronavirus como el SARS-CoV y el MERS, que causaron brotes de enfermedades en 2003 y 2012 respectivamente.
“Este resultado constituye un alerta al respecto de la necesidad de mantener una mayor vigilancia con relación al surgimiento de nuevos virus. La deforestación y los cambios climáticos, entre otras causas, pueden exponernos al contacto con virus que infectan a animales y que pueden pasar a infectar a humanos”, afirma Ronaldo Fumio Hashimoto, docente del IME-USP, quien cuenta con el apoyo de la FAPESP y es el coordinador del estudio.
Según el investigador, este trabajo tiene su corroboración en estudios recientes, como en el caso de uno publicado el año pasado en la revista PLOS Pathogens. En ese artículo también se señala que el murciélago es el mejor candidato a hospedante del coronavirus que desencadenó la pandemia de COVID-19.
“Esperábamos que el modelo apuntase en primer lugar hacia los humanos como hospedantes iniciales, incluso porque las muestras de SARS-CoV-2 que utilizamos eran en su mayoría extraídas de humanos. Pero los coronavirus coexisten con los murciélagos desde hace mucho tiempo. Aunque salten a otro hospedante, tarda mucho para que este último se consolide como el principal reservorio del virus”, dice Yuri Kawashima.
Un nuevo método
La inspiración del modelo matemático provino de un artículo anterior, publicado en el año 2015, en el cual se indicaron cuáles eran los hospedantes de otros coronavirus que emergieron mucho antes de la actual pandemia.
Los investigadores de la USP aplicaron ese modelo al SARS-CoV-2, pero el mismo fue infructuoso a la hora de prever un hospedante coherente con los datos con los cuales se contaba hasta ese momento.
“Cuando aplicamos el modelo existente entonces, apuntaba aves como hospedantes. Por eso entendimos que debíamos crear nuestra propia herramienta”, comenta Marielton dos Passos Cunha, quien lleva adelante una pasantía posdoctoral en la Plataforma Científica Pasteur-USP (SPPU, por sus siglas en inglés), otro coautor del estudio.
Los científicos de la USP reemplazaron entonces el tipo de información biológica utilizada como punto de partida en los análisis. Mientras que en el modelo de 2015 se consideraron los denominados dinucleótidos de la proteína S –fragmentos del ARN que contienen una determinada información del genoma viral–, en el nuevo modelo se aplicó una técnica conocida como uso relativo de codones sinónimos (RSCU, por sus siglas en inglés), también de la proteína S.
Los codones son combinaciones de tres nucleótidos (unidades que forman el material genético, en este caso, el ARN viral) que codifican un aminoácido (la unidad que forma las proteínas). Los codones sinónimos son aquellos que codifican el mismo aminoácido, y cada organismo posee una “predilección” en el empleo de estos (el sesgo de uso), que puede medirse con el RSCU. De este modo, esta medida puede aplicarse a un determinado ARN viral, y así se obtienen patrones que pueden estar relacionados con la adaptación de un virus a un determinado hospedante.
Al cruzar los datos, el modelo puede apuntar con precisión cuáles son los hospedantes naturales de los otros coronavirus, como así también del SARS-CoV-2. De esta manera, los investigadores esperan que, ante una nueva emergencia de virus de la familia Coronaviridae, esta herramienta pueda indicar cuál es su principal hospedante.
“Es sumamente interesante saber cuál es el primer hospedante del virus, a los efectos de orientar la investigación más básica y en lo que hace a la vigilancia de nuevos virus. Los modelos de aprendizaje automático funcionan muy bien y su producción es relativamente barata, pero dependen en buena medida de los datos disponibles. Por eso es vital que se fomente el estudio de nuevos virus extrayendo muestras de animales silvestres, secuenciando los genomas virales y dejándolos disponibles en bancos de datos públicos”, culmina Dos Passos Cunha.