עברו חמש שנים מאז שהוכרז קוביד -19 כמגפה עולמית. כאשר SARS-COV-2 עובר למעמד אנדמי, נותרו שאלות לגבי ההתפתחות העתידית שלה. גרסאות חדשות של הנגיף ככל הנראה יופיעו, מונעות על ידי בחירה חיובית לתכונות כמו העברה מוגברת, משך זיהום ארוך יותר ויכולת להתחמק מהגנות חיסוניות. שינויים אלה עשויים לאפשר לנגיף להתפשט בקרב אוכלוסיות שחוסנו בעבר, ועלולים להפעיל גלים חדשים של זיהום.
חיזוי מוטציות חדשות בנגיפים הוא קריטי לקידום מחקר מדעי החיים, במיוחד כאשר מנסים להבין כיצד נגיפים מתפתחים, מתפשטים ומשפיעים על בריאות הציבור. באופן מסורתי, החוקרים מסתמכים על ניסויים עם מעבדה רטובה לחקר מוטציות. עם זאת, ניסויים אלה יכולים להיות יקרים וגוזלים זמן.
חוקרים מהמכללה להנדסה ומדעי המחשב באוניברסיטת אטלנטיק פלורידה פיתחו שיטה חדשה לחיזוי מוטציות ברצפי חלבון הנקראים חיפוש מוטציה Deep Novel (DNMS), סוג של מודל בינה מלאכותית המשתמש ברשתות עצביות עמוקות.
לצורך המחקר הם התמקדו בחלבון SARS-COV-2 ספייק-החלק של הנגיף האחראי לסייע לו להיכנס לתאים אנושיים-והשתמשו במודל שפת חלבון כדי לחזות מוטציות חדשות פוטנציאליות בחלבון זה שמעולם לא נראה.
לשם כך, החוקרים השתמשו במודל שפה, פרוטברט, שהיה מכוון באופן ספציפי כדי להבין את "הניב" של חלבוני ספייק SARS-Cov-2. המודל פועל על ידי התבוננות במוטציות פוטנציאליות ודירוגן על סמך מספר גורמים. אלה כוללים דקדוקיות, המתייחסת עד כמה סביר או "נכון" מוטציה היא על פי הכללים הדקדוקיים שנלמדו על ידי המודל, כמו גם עד כמה הרצף המוטציה דומה לחלבון המקורי, שנמדד על ידי שינוי סמנטי ושינוי קשב.
תוצאות המחקר שפורסמו בכתב העת ביולוגיה של תקשורתהראה שמודל שפת DNMS יכול להפריד רצפים לקבוצות על סמך קווי הדמיון שלהם. המודל יכול לחזות אילו מוטציות עשויות להתרחש על ידי חיפוש מוטציות הגורמות רק לשינויים קטנים במבנה ובתפקודו של החלבון. זה חשוב מכיוון שברוב המקרים, וירוסים כמו SARS-COV-2 מתפתחים באמצעות שינויים קטנים המאפשרים להם להסתגל מבלי לשנות באופן דרסטי את תפקידם הכללי.
שיטת DNMS משתמשת בכל המידע הזמין אודות הרצף והמוטציות כדי ליצור חיזוי מדויק יותר אילו מוטציות ככל הנראה מתרחשות. בניגוד למחקר קודם, אשר בדרך כלל בוחן שינויים ברצף חלבון התייחסות, DNMs מציג מודל חיזוי מוטציה של הורה לילד. רצף ההורים (רצף חלבון קיים) משמש לחיזוי מוטציות, ומוטציות אלה מנותחות על סמך האופן בו הן עשויות להתפתח עם הזמן.
המודל שלנו מדרג את כל המוטציות האפשריות כדי למצוא את אלה שסביר להניח שהן מתרחשות בעתיד. המחקר שלנו מראה כי מוטציות בעקבות הדקדוקיות של החלבון, עם שינויים מינימליים בהשוואה לרצף המקורי והבדלי תשומת לב נמוכים, נחשבות למוטציות העתידיות הסבירות ביותר. "
Xingquan "Hill" Zhu, Ph.D., סופר בכיר ופרופסור במחלקה להנדסת חשמל ומדעי המחשב של FAU
השיטה לוקחת תחילה רצף חלבון SARS-COV-2 ספייק ומדמה את כל המוטציות האפשריות של נקודה יחידה. עבור כל גרסה מוטציה של החלבון, DNMS משתמשת במודל Protbert כדי לחשב עד כמה סביר להניח שכל מוטציה היא לעקוב אחר "הדקדוק" של החלבון (דקדוקיות) וכמה דומה הרצף המוטציה לרצף המקורי (שינוי סמנטי). בנוסף, המודל בוחן את תשומת הלב, מדד ששימש לחקר מבנה ותפקוד חלבון, אך מעולם לא הוחל לפני כן על חיזוי מוטציה.
"המפתח לשיטה שלנו טמון בשימוש בהקשר המסופק על ידי רצף ההורים. הקשר זה הוא קריטי להערכת האם מוטציה פוטנציאלית מתיישרת עם 'הדקדוק' של החלבון", אמר ג'ו. "DNMS פועל על ידי בחירת רצף הורים מעץ פילוגנטי – בעיקרון אילן יוחסין של זנים ויראליים – ומדמה את כל המוטציות האפשריות."
המחקר בדק גם את הקשר בין המוטציות החזויות לכושר הנגיף, או כמה טוב הוא יכול לשכפל ולשרוד. הממצאים מראים כי מוטציות עם דקדוקיות גבוהה, שינוי סמנטי קטן ושינוי תשומת לב נמוכה היו קשורות לכושר נגיפי גבוה יותר. זה מצביע על כך שמוטציות המתאימות היטב ל"כללים "הביולוגיים של החלבון וגורמות לשיבוש מינימלי למבנה או לתפקודו של החלבון נוטות יותר להועיל לנגיף.
"אנו מאמינים כי שימוש בנתוני רצף בלבד יכול לעזור לגרום לתחזיות אלה, שכן חלבונים עוקבים אחר כללים ביולוגיים מסוימים", אמר ג'ו.
החוקרים בדקו את היעילות של DNMs באמצעות ניתוח סטטיסטי. התוצאות שלהם מראות ש- DNMs עולה על שיטות אחרות בחיזוי מוטציות חדשות מכיוון שהוא משלב את כל הגורמים הרלוונטיים למודל חיזוי יחיד ומדויק יותר.
סטלה באטלמה, דוקטורט, דיקנית המכללה למכללה להנדסה ומדעי המחשב, אמרה כי "מודל השפה המשובחת והמאומנת מראש שפותחה על ידי חוקרינו יכול לחזות אילו מוטציות של SARS-COV-2 יש סיכוי גבוה יותר להתרחש בעתיד. "שיטה זו יכולה להיות שימושית להנחיית מחקר ניסיוני, מכיוון שהיא מספקת תחזיות לגבי מוטציות לפני שהם נצפים באוכלוסייה, ועוזרת לפקידי בריאות הציבור לעקוב ולהתכונן למוטציות חדשות לפני שהם מתפשטים באופן נרחב."
מחבר משותף הוא מגדלין א. אלקין, דוקטורנט במחלקה להנדסת חשמל ומדעי המחשב של FAU.
המחקר נערך בחסות הקרן הלאומית למדע ארצות הברית.
