Porównanie sekwencji genomu SARS-CoV-2 i innych koronawirusów

W niedawnym badaniu opublikowanym w dniu pole wyszukiwania* naukowcy porównali sekwencję genetyczną ciężkiego ostrego koronawirusa układu oddechowego 2 (SARS-CoV-2) i różnych koronawirusów (CoV).

tło

Koronawirusy to wirusy RNA, które powodują infekcje dróg oddechowych i przewodu pokarmowego. CoV zawierają białko wypustek (S), które pośredniczy w wejściu do komórek gospodarza. CoV należą do rodziny Coronaviridae, która obejmuje cztery rodzaje: Alpha, Beta, Gamma i Delta. Wirusy alfa i beta infekują ssaki, podczas gdy wirusy gamma i delta infekują głównie ptaki.

Badania genetyczne wykazały złożoną ewolucję CoV. Wirusy te wykorzystują „przełączanie szablonów”, unikalny mechanizm, który prowadzi do wyższych szybkości rekombinacji homologicznej RNA. Ludzkie wirusy chorobotwórcze są patogenne, w tym wirus SARS, który spowodował wybuch SARS, zespół oddechowy na Bliskim Wschodzie (MERS)-COV, który doprowadził do wybuchu epidemii MERS, oraz SARS-CoV-2, czynnik sprawczy obecnego koronawirusa 2019 ( COVID -19) to pandemia.

SARS-CoV-2, który jest beta-CoV, jest otoczony i zawiera jednoniciowy (ss) genom RNA o dodatnim znaczeniu. Jego genom ma około 29,9 kilozasad. Zawiera 11 otwartych ramek odczytu oraz nieulegające translacji regiony 5′ i 3′ (UTR). Niedawne badanie wykazało, że genom SARS-CoV-2 jest wynikiem rekombinacji CoV nietoperzy i łuskowców.

Badanie i wyniki

W bieżącym badaniu wykorzystano bioinformatykę i narzędzia do przetwarzania sygnałów, aby zrozumieć różnice wewnątrzgenowe między różnymi genomami CoV i zbadać pochodzenie SARS-CoV-2. Skompilowali bibliotekę 26 sekwencji genomów CoV, w tym SARS-CoV-2, publicznie dostępną w GenBank. Najpierw wygenerowali wykres/obraz reprezentujący grę Chaos (CGR), iteracyjną metodę mapowania, w której każdemu współrzędnemu nukleotydu (X, Y) przypisuje się je w dwuwymiarowej (2D) przestrzeni.

Wykres CGR podzielono na równe podobrazy i obliczono środek każdego podregionu (centroid). Określili odległość między centroidami genomu SARS-CoV-2 a innymi sekwencjami dla każdego podregionu. Następnie przeprowadzili mapowanie pseudopotencjału interakcji elektron-jon (EIIP), aby uzyskać sygnały z sekwencji genetycznych. Przeanalizowali go przy użyciu metod dyskretnej wygładzonej transformacji Fouriera (SDFT) i ciągłej transformacji falkowej (CWT).

Ponadto autorzy zbadali podobieństwa między sekwencjami przy użyciu narzędzia Clustal X, a następnie przeprowadzili analizę rekombinacji przy użyciu narzędzia Simplot. 25 sekwencji genomowych przekształcono do reprezentacji cyfrowej na histogramie/obrazie 2D CGR. Odkryli podobieństwa między genomem SARS-CoV-2 a pięcioma innymi sekwencjami CoV: Bat CoV RaTG13, COVZC45 i COVZXC21 oraz łuskowce CoV GXP2V i MP789. Najbliższymi genomami dla SARS-CoV-2 były RaTG13, GXP2V i MP789.

Podobieństwa między sekwencją genomu SARS-CoV-2 a pięcioma sekwencjami potwierdzono stosując techniki SDFT i CWT do sygnałów EIIP. Analiza Simplot wykazała podobieństwo genomu SARS-CoV-2 do łuskowca CoV MP789 i nietoperza CoV RaTG13.

Wnioski

Podsumowując, w obecnej pracy autorzy zaproponowali oryginalne metody manipulacji genami i identyfikacji, które pomagają porównywać różne genomy koronawirusa i identyfikować podobieństwa między wirusami, takimi jak SARS-CoV-2 atakującymi ludzi i innymi wirusami z tej samej rodziny, które wpływają na inne. Ocean. Zdaniem autorów takie badania są niezbędne do zrozumienia pochodzenia i ewolucji genomu SARS-CoV-2.

Badacze porównali ze sobą wyniki uzyskane przy użyciu różnych metod reprezentacji DNA z wynikami uzyskanymi tradycyjnymi metodami, takimi jak analiza Simplot i porównanie Blast, próbując zidentyfikować potencjalne zdarzenia rekombinacji.

Nowe algorytmy zaproponowane przez autorów opierają się na częstotliwościach nukleotydów i mogą pomóc w klasyfikacji i identyfikacji wielu innych sekwencji DNA poprzez analizę widm korelacji między sekwencjami. Autorzy mają nadzieję, że wyniki uzyskane na drzewach filogenetycznych przy użyciu klasyfikacji numerycznej opartej na sekwencjach DNA są odzwierciedleniem działania algorytmu, a ich metody mogą pomóc w rozwiązaniu złożonych problemów biologicznych.

*Ważna uwaga

Research Square publikuje wstępne raporty naukowe, które nie były recenzowane, a zatem nie powinny być uznawane za rozstrzygające, ukierunkowywać praktykę kliniczną/zachowania związane ze zdrowiem lub być traktowane jako ustalone informacje.