Cela fait cinq ans que Covid-19 a été déclaré pandémique mondiale. Alors que le SRAS-COV-2 passe au statut endémique, des questions sur son évolution future demeurent. De nouvelles variantes du virus émergeront probablement, entraînées par une sélection positive pour les traits tels qu'une transmissibilité accrue, une durée d'infection plus longue et la capacité d'échapper aux défenses immunitaires. Ces changements pourraient permettre au virus de se propager parmi les populations précédemment immunisées, déclenchant potentiellement de nouvelles vagues d'infection.
Prédire de nouvelles mutations dans les virus est crucial pour faire progresser la recherche en sciences de la vie, en particulier lorsque vous essayez de comprendre comment les virus évoluent, se propagent et affectent la santé publique. Traditionnellement, les chercheurs comptent sur des expériences de laboratoire humide pour étudier les mutations. Cependant, ces expériences peuvent être coûteuses et longues.
Des chercheurs du College of Engineering and Computer Science de la Florida Atlantic University ont développé une nouvelle méthode pour prédire les mutations dans les séquences de protéines appelées Novel Mutation Search (DNMS), un type de modèle d'intelligence artificielle qui utilise des réseaux de neurones profonds.
Pour l'étude, ils se sont concentrés sur la protéine de pointe SARS-COV-2 – la partie du virus responsable de l'aider à entrer dans les cellules humaines – et ont utilisé un modèle de langue protéique pour prédire les nouvelles mutations potentielles de cette protéine jamais vues auparavant.
Pour ce faire, les chercheurs ont utilisé un modèle linguistique, Protbert, qui était spécifiquement affiné pour comprendre le « dialecte » des protéines de pointe SARS-COV-2. Le modèle fonctionne en examinant les mutations potentielles et en les classant en fonction de plusieurs facteurs. Il s'agit notamment de la grammaticalité, qui fait référence à la probabilité ou à la «corriction» d'une mutation selon les règles grammaticales apprises par le modèle, ainsi qu'à la façon dont la séquence mutée est similaire à la protéine d'origine, qui est mesurée par le changement sémantique et le changement d'attention.
Résultats de l'étude, publiés dans la revue Biologie des communicationsmontrez que le modèle de langue DNMS peut séparer les séquences en groupes en fonction de leurs similitudes. Le modèle peut prédire quelles mutations sont susceptibles de se produire en recherchant des mutations qui ne provoquent que de petits changements dans la structure et la fonction de la protéine. Ceci est important car, dans la plupart des cas, des virus comme les SAR-CoV-2 évoluent à travers de petits changements qui leur permettent de s'adapter sans modifier considérablement leur fonction globale.
La méthode DNMS utilise toutes les informations disponibles sur la séquence et les mutations pour créer une prédiction plus précise des mutations susceptibles de se produire. Contrairement aux recherches antérieures, qui examinent généralement les modifications d'une séquence de protéines de référence, le DNMS introduit un modèle de prédiction de mutation parent-enfant. La séquence parentale (une séquence de protéines existante) est utilisée pour prédire les mutations, et ces mutations sont analysées en fonction de la façon dont elles pourraient évoluer avec le temps.
Notre modèle classe toutes les mutations possibles pour trouver celles qui sont les plus susceptibles de se produire à l'avenir. Notre étude montre que les mutations suivant les grammaires de la protéine, avec un minimum de changements par rapport à la séquence d'origine et de faibles différences d'attention, sont considérées comme les mutations futures les plus probables. «
Xingquan « Hill » Zhu, Ph.D., auteur principal et professeur au Département de génie électrique et informatique de FAU
La méthode prend d'abord une séquence de protéines de pointe SARS-CoV-2 donnée et simule toutes les mutations possibles à point unique. Pour chaque version mutée de la protéine, le DNMS utilise le modèle Protbert pour calculer la probabilité que chaque mutation soit de suivre la « grammaire » de la protéine (grammaticalité) et de la similitude de la séquence mutée à la séquence d'origine (changement sémantique). De plus, le modèle examine l'attention, une mesure qui a été utilisée pour étudier la structure et la fonction des protéines, mais jamais appliqué auparavant à la prédiction de mutation.
« La clé de notre méthode réside dans l'utilisation du contexte fourni par la séquence parent. Ce contexte est crucial pour évaluer si une mutation potentielle s'aligne sur la » grammaire « de la protéine », a déclaré Zhu. « Le DNMS fonctionne en sélectionnant une séquence parent à partir d'un arbre phylogénétique – essentiellement un arbre généalogique de souches virales – et simulant toutes les mutations possibles. »
L'étude a également examiné la relation entre les mutations prévues et la forme physique du virus, ou la façon dont il peut se répliquer et survivre. Les résultats montrent que des mutations avec une grammaticalité élevée, un petit changement sémantique et un faible changement d'attention étaient associés à une forme virale plus élevée. Cela suggère que les mutations qui s'inscrivent bien dans les «règles» biologiques de la protéine et provoquent une perturbation minimale de la structure ou de la fonction de la protéine sont plus susceptibles d'être bénéfiques pour le virus.
« Nous pensons que l'utilisation de données de séquence peut aider à faire ces prédictions, car les protéines suivent certaines règles biologiques », a déclaré Zhu.
Les chercheurs ont testé l'efficacité des DNM par analyse statistique. Leurs résultats montrent que les MNC surpassent d'autres méthodes pour prédire de nouvelles mutations car elle combine tous les facteurs pertinents dans un seul modèle de prédiction plus précis.
« Le modèle linguistique pré-formé et affiné développé par nos chercheurs peut prédire quelles mutations SAR-COV-2 sont plus susceptibles de se produire à l'avenir », a déclaré Stella Batalama, Ph.D., doyen du Collège d'ingénierie et d'informatique. « Cette méthode peut être utile pour guider la recherche expérimentale, car elle fournit des prédictions sur les mutations avant d'être observées dans la population, aidant les responsables de la santé publique à suivre et à se préparer à de nouvelles mutations avant de se propager largement. »
Le co-auteur de l'étude est Magdalyn E. Elkin, un doctorant du Département de génie électrique et d'informatique de FAU.
La recherche a été parrainée par la United States National Science Foundation.
