Modelo computacional analiza cómo los virus escapan del sistema inmunológico

Una razón por la que es tan difícil producir vacunas eficaces contra algunos virus, incluidos la influenza y el VIH, es que estos virus mutan muy rápidamente. Esto les permite evadir los anticuerpos generados por una vacuna en particular, a través de un proceso conocido como “escape viral”.

Los investigadores del MIT han ideado ahora una nueva forma de modelar computacionalmente el escape viral, basándose en modelos que se desarrollaron originalmente para analizar el lenguaje. El modelo puede predecir qué secciones de proteínas de la superficie viral tienen más probabilidades de mutar de una manera que permita el escape viral, y también puede identificar secciones que tienen menos probabilidades de mutar, lo que las convierte en buenos objetivos para nuevas vacunas.

“El escape viral es un gran problema”, dice Bonnie Berger, profesora de matemáticas de Simons y jefa del grupo de Computación y Biología en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT. “El escape viral de la proteína de la superficie de la influenza y la proteína de la superficie de la envoltura del VIH son ambos muy responsables del hecho de que no tenemos una vacuna universal contra la influenza, ni tenemos una vacuna para el VIH, los cuales causan cientos de miles de muertes al año “.

En un estudio que aparece hoy en Science, Berger y sus colegas identificaron posibles objetivos para las vacunas contra la influenza, el VIH y el SARS-CoV-2. Desde que ese artículo fue aceptado para su publicación, los investigadores también han aplicado su modelo a las nuevas variantes de SARS-CoV-2 que surgieron recientemente en el Reino Unido y Sudáfrica. Ese análisis, que aún no ha sido revisado por pares, señaló las secuencias genéticas virales que deberían investigarse más a fondo por su potencial para escapar de las vacunas existentes, dicen los investigadores.

Berger y Bryan Bryson, profesor asistente de ingeniería biológica en el MIT y miembro del Instituto Ragon de MGH, MIT y Harvard, son los autores principales del artículo, y el autor principal es el estudiante graduado del MIT Brian Hie.