Redacción Farmacosalud.com

Un equipo investigador de la Universitat Rovira i Virgili (URV, en Tarragona) ha diseñado un sistema de aprendizaje automático que, mediante el uso de redes neuronales artificiales, está capacitado para prever mutaciones recurrentes de los coronavirus, como sería el caso del SARS-CoV-2. Esta herramienta inteligente permitirá adelantarse a la elaboración de fármacos y velar por la efectividad de las vacunas, tal y como expone en declaraciones a www.farmacosalud.com el Dr. Santiago Garcia-Vallvé, miembro del grupo de investigación de Quimioinformática y Nutrición de la URV’: “conocer algunas de las mutaciones recurrentes que se van a producir puede ser importante en la elaboración de fármacos, para prevenir o estar preparados si se producen resistencias a estos fármacos” (y dejen de ser efectivos) y también en caso de que “las vacunas pierdan efectividad”.

“Pero todavía nos falta saber más acerca del efecto de las mutaciones. También hay mutaciones que se dan de forma aleatoria, cuando por ejemplo el virus se replica”, agrega. Así, si una de estas mutaciones aleatorias proporciona una ventaja sensible al virus, es muy posible que se imponga en la población viral y “la observemos a partir de un momento en todas las variantes que se observan. Esto ha pasado en diversas ocasiones durante esta pandemia”, explica Garcia-Vallvé, quien también es coautor del artículo ‘Prediction of Recurrent Mutations in SARS-CoV-2 Using Artificial Neural Networks’.

“Lo que no sabemos ahora mismo es el efecto que tendrán cada una de estas mutaciones”
“El sistema que hemos desarrollado permite predecir algunas de las mutaciones recurrentes (aquellas que se dan más de una vez de forma independiente). Lo que no sabemos ahora mismo es el efecto que tendrán cada una de ellas; si permitirán, por ejemplo, que el virus sea más infeccioso, que no tengan ningún efecto sobre el virus o que no las observemos nunca porque, si se dan, el virus no se puede replicar. Las mutaciones del SARS-CoV-2 que prosperan y que se imponen en la población de virus circundantes son difíciles de identificar porque, a priori, es difícil saber su efecto y porque hay otros factores intervinientes”, señala el investigador.

“Lo que sí que hemos visto de forma retrospectiva es que muchas de las mutaciones de las variantes del SARS-CoV-2 que hemos ido encontrando, como las variantes alfa, delta u ómicron, tenían mutaciones recurrentes que nuestro sistema era capaz de predecir. Pero también había mutaciones que el sistema predecía pero que no se habían observado; sin embargo, algunas de estas mutaciones no observadas, se observaron cuando dispusimos de más datos recogidos en fechas posteriores”, sostiene.

Por ahora el equipo de la URV no ha trabajado el ámbito cronológico, es decir, no se ha orientado en pronosticar el momento en el que podría llegar una nueva mutación del SARS-CoV-2. “A priori me parece difícil predecir cuándo podrían llegar porque hay un componente aleatorio y hay otros factores que intervienen. Si se da una mutación en un enfermo, pero esta persona no infecta a ninguna más, dicha mutación no prosperará. Las mutaciones recurrentes que nosotros predecimos son mayoritariamente causadas por nuestros enzimas (por ejemplo enzimas que son capaces de desaminar las citosinas -C- a uracilos -U-), pero puede haber un componente aleatorio en el hecho de que un enzima desamine una C concreta del genoma del virus y no otra. Lo que sí podemos esperar es que encontraremos a largo plazo las mutaciones recurrentes que no tengan un efecto negativo sobre el virus”, detalla el Dr. Garcia-Vallvé.

‘Entrenar’ una red neuronal artificial
Los virus son agentes infecciosos que necesitan células vivas de un huésped para replicarse. Cuando infectan a una célula, fuerzan a sus mecanismos reproductores a sintetizar la información genética del propio virus. En el caso del SARS-CoV-2, las instrucciones necesarias para el proceso de replicación están contenidas en su núcleo en forma de ácido ribonucleico (ARN). Mientras que el ADN humano presenta una estructura de doble hélice, el ARN está formado por una sola cadena, que codifica la información mediante cuatro componentes: adenina, guanina, citosina y uracilo. Cuando existen errores en el proceso de replicación –cambios en el orden en que se presentan estas cuatro bases– aparecen las mutaciones.

Si bien se creía que estos desórdenes en las cadenas de ARN eran totalmente aleatorios, investigaciones anteriores detectaron que existían unos errores más frecuentes que otros. Más concretamente, algunas enzimas —sustancias orgánicas que catalizan reacciones químicas— propias del huésped tendían a convertir la citosina del ARN del virus en uracilo. En este contexto, el grupo de Quimioinformática y Nutrición de la URV, liderado por el propio Garcia-Vallvé y Gerard Pujadas, ha diseñado el novedoso sistema de aprendizaje automático, que es capaz de pronosticar las mutaciones del virus derivadas del contacto de la información genética con ciertas enzimas del huésped.

Una vez analizada la evolución del patógeno teniendo en cuenta sus mutaciones, el doctorando de la URV Bryan Saldivar ‘entrenó’ una red neuronal artificial con datos de más de 800.000 genomas del virus para que la red aprendiera a predecir qué alteraciones recurrentes se darían de cara al futuro. Una red neuronal artificial es un sistema computacional de aprendizaje automático que conecta múltiples nodos llamados neuronas artificiales que, cuando se entrenan para realizar una tarea en particular, son capaces de trabajar conjuntamente para procesar grandes volúmenes de datos. Estos programas aprenden por sí solos y pueden moldearse a sí mismos para conseguir un determinado resultado, a petición de los científicos.

Típicamente, el procedimiento consiste en utilizar una parte del genoma para crear la red y reservar una parte, suficientemente amplia, para testearla y corregir su funcionamiento si fuera necesario. En este caso, el equipo reservó cuatro genes, de los que uno contenía la información de la proteína que permite al virus entrar en las células para infectarlas, con el fin de focalizar el estudio en esta dirección. Este sistema, que nunca se había aplicado en la predicción de mutaciones virales, ha permitido a los investigadores adelantarse a los cambios recurrentes de estos patógenos, catalizados por las enzimas propias del cuerpo humano. El sistema también identifica aquellas partes del virus que no pueden cambiar, puesto que si lo hacen, el agente infeccioso es incapaz de replicarse.

Toda esta información podría permitir, por un lado, adelantarse en el diseño de fármacos y, por otro, hacerlos más efectivos de cara a la eliminación del virus, utilizando las debilidades detectadas para dificultar su replicación. “Esta investigación aporta información relevante para la comunidad científica, y queda aquí para que se pueda consultar”, explica Garcia-Vallvé mediante un comunicado. El especialista considera, asimismo, que la nueva metodología es replicable en futuras pandemias, especialmente si las causa un coronavirus o nueva variante del SARS-CoV-2.

Artículo de referencia:
Saldivar-Espinoza B, Macip G, Garcia-Segura P, Mestres-Truyol J, Puigbò P, Cereto-Massagué A, et al. Prediction of Recurrent Mutations in SARS-CoV-2 Using Artificial Neural Networks. Int J Mol Sci. 2022;23(23):14683.