Un article récent publié sur Place de la recherche* Le serveur de préimpression a démontré que les mutants du coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) et la variabilité du vaccin proviennent de l’inexactitude de la polymérase de l’acide ribonucléique (RNAP).
Sommaire
Arrière plan
Depuis le début de la pandémie de la maladie CoV 2019 (COVID-19), le monde a vu l’émergence de nouvelles variantes préoccupantes du SRAS-CoV-2 (VOC) et de lignées virales qui peuvent échapper à la protection vaccinale. Les vaccins COVID-19 à ARN messager (ARNm) centrés sur la protéine de pointe (S) du SRAS-CoV-2 ont été couramment utilisés pour éviter le COVID-19 et induire une réponse immunitaire protectrice contre les COV après plusieurs doses.
Les vaccins à ARNm COVID-19 pour leur synthèse et le SRAS-CoV-2 pour leur réplication nécessitent des RNAP. Néanmoins, ces enzymes sont intrinsèquement sujettes aux pannes que leurs équivalents d’acide désoxyribonucléique (ADN) et pourraient introduire des mutants du SRAS-CoV-2 dans l’ARN3.
À ce jour, aucune recherche empirique n’a directement évalué la fréquence des défauts RNAP ARN-dépendants (RdRp) du SRAS-CoV-2 pendant la réplication, un paramètre critique pour modéliser l’évolution virale. De même, la fréquence et la nature des variants d’ARN produits lors de la production de vaccins ne sont pas claires. La distribution et l’étendue des erreurs générées par les RNAP participant à chaque phase sont cruciales pour comprendre l’évolution du SRAS-CoV-2 et l’efficacité de la vaccination. Les approches actuelles ne sont pas suffisamment sensibles et spécifiques pour détecter de novo Mutants d’ARN dans des échantillons à faible apport tels que des isolats de virus.
À propos de l’étude
Dans le présent travail, en utilisant une approche ciblée et précise de séquençage consensus d’ARN (tARC-seq), les scientifiques établissent la nature et la fréquence des défauts d’ARN dans le SRAS-CoV-2 et sa vaccination. tARC-seq intègre les caractéristiques de base d’ARC-seq et la technique de capture hybride pour l’amélioration de la cible afin de permettre un sondage approfondi des variantes d’échantillons SARS-CoV-2 à faible apport. Les chercheurs proposent une approche de séquençage ciblé pour trouver des mutants d’ARN dans des échantillons de faible abondance et des transcrits peu fréquents.
L’équipe a initialement validé tARC-seq en Escherichia coli (E. coli). Ils ont ensuite examiné l’ARN du SRAS-CoV-2 extrait de cellules Vero infectées à l’aide de tARC-seq. Pour déterminer si les variants d’ARN étaient distribués de manière aléatoire dans tout le génome du SRAS-CoV-2, les fréquences ont été déterminées par position.
Étant donné que le SRAS-CoV-2 s’est développé en plusieurs lignées distinctes, chacune avec son propre ensemble de mutations et de COV, les chercheurs ont analysé si la fréquence des variants d’ARN différait d’une lignée virale à l’autre. Ils ont appliqué tARC-seq aux variantes SARS-CoV-2 Alpha et Delta.
En outre, l’équipe a examiné la fréquence et le spectre des variants d’ARN dans la vaccination Pfizer, car l’ARNm du vaccin était abondant et susceptible d’être séquencé à l’aide du séquençage consensus d’ARN en vrac, c’est-à-dire ARC-seq. Une séquence de T7 in vitro les réactions de transcription (IVT) ont été effectuées simultanément à différentes températures sur deux modèles distincts : 1) le gène S natif de la souche SARS-CoV-2 WT et 2) la structure S à codons optimisés du vaccin COVID-19 Pfizer .
Résultats
Dans l’ensemble, les auteurs ont découvert que le SARS-CoV-2 RdRp crée une erreur pour 10 000 nucléotides, plus que les estimations précédentes en séquençant trois isolats de SARS-CoV-2. Bien que cette fréquence soit plus élevée que d’autres prévisions, elle était équivalente aux découvertes antérieures concernant le poliovirus, qui utilise un RdRp pour la réplication mais n’a pas de fonction de relecture. L’équipe a également découvert que les mutants d’ARN n’étaient pas dispersés au hasard dans tout le génome, bien qu’ils soient liés à des caractéristiques génomiques et à des gènes spécifiques, comme la protéine S.
Les estimations de la fréquence des erreurs étaient basées sur la découverte d’une exoribonucléase de relecture 3′ à 5′ (ExoN, protéine non structurelle 14 (nsp14)) distincte du SARS-CoV-2 RdRp. Le même processus de relecture a été lié au changement de modèle, que les chercheurs ont trouvé sujet aux erreurs.
De grandes délétions, insertions et mutations complexes ont été détectées à l’aide de tARC-seq, qui pourraient être simulées à l’aide d’un retournement de modèle RdRp non programmé. De nombreuses altérations génétiques substantielles identifiées dans l’évolution de plusieurs lignées SARS-CoV-2 dans le monde, y compris la variante Omicron, peuvent être expliquées par la fonction de commutation de modèle de RdRp. Le séquençage ultérieur du vaccin COVID-19 Pfizer-BioNTech a montré une fréquence de variantes d’ARN d’environ un sur 5 000, ce qui implique que la majorité des transcriptions du vaccin générées in vitro par l’ARNP du phage T7 contiennent un variant.
Dans l’ensemble, ces découvertes accentuent la variété génétique exceptionnelle des populations SARS-CoV-2 et le trait divers d’un vaccin d’ARNm alimenté par l’inefficacité de RNAP.
conclusion
Pour résumer, les résultats de l’étude montrent que le RdRp du SRAS-CoV-2 était dû à la promiscuité en raison d’une mauvaise incorporation de nucléotides et d’un retournement de matrice défectueux, qui étaient tous deux régulés par la même exonucléase. ExoN pourrait être une protéine cruciale dans le réglage de l’évolution virale. Ces résultats démontrent la biologie fondamentale qui a conduit la variété virale et l’évolution à une si grande échelle dans la pandémie de SRAS-CoV-2.
On ne sait pas encore quel rôle joue l’hétérogénécité de la vaccination dans la réponse immunologique. Les données de l’analyse du vaccin Pfizer BioNTech SARS-CoV-2 utilisant ARC-seq pourraient expliquer pourquoi les vaccins à ARNm contre le COVID-19 offrent une immunité plus large contre les nouvelles souches après le rappel.
Les spectres de variants tARC-seq, lorsqu’ils sont combinés à des enquêtes fonctionnelles et à des ensembles de données pandémiques, peuvent aider les modèles à anticiper l’évolution du SRAS-CoV-2. En fin de compte, les découvertes actuelles s’ajoutent à un corpus croissant d’études sur la médecine et la santé publique qui promeut la technologie thérapeutique basée sur l’ARNm. À mesure que les thérapies à base d’ARNm gagnent du terrain, ces découvertes pourraient contribuer au développement futur du vaccin COVID-19 et à la conception de la recherche.
*Avis important
Research Square publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, guider la pratique clinique/les comportements liés à la santé, ou traités comme des informations établies.
