M. Cyrus Maher u.a. (Hg.): Predicting the mutational drivers of future SARS-CoV-2 variants of concern, in: Science Translational Medicine 14, Nr. 633 (11. Januar 2022) S. 1-10, online in: https://doi.org/10.1126/scitranslmed.abk3445.
Abstract
Die Evolution von SARS-CoV-2 bedroht die durch Impfstoffe und natürliche Infektionen ausgelöste Immunität und die Wirksamkeit therapeutischer Antikörper. Um die Bereitschaft des öffentlichen Gesundheitswesens zu verbessern, wollten die Autor*innen vorhersagen, welche bestehenden Aminosäuremutationen in SARS-CoV-2 zu zukünftigen bedenklichen Varianten beitragen könnten. Sie testeten den Vorhersagewert von Merkmalen, die Epidemiologie, Evolution, Immunologie und auf neuronalen Netzwerken basierende Proteinsequenzmodellierung umfassen, und identifizierten die primären biologischen Treiber der intrapandemischen Evolution von SARS-CoV-2. Die Autor*innen fanden Hinweise darauf, dass die ACE2-vermittelte Übertragbarkeit und die Resistenz gegen die Wirtsimmunität auf Populationsebene im Laufe der Zeit als Haupttreiber der SARS-CoV-2-Evolution zu- und abgenommen hat. Sie haben rückwirkend mit hoher Genauigkeit (Fläche unter der Receiver-Operator-Charakteristik-Kurve = 0,92 bis 0,97) Mutationen identifiziert, die sich in den verschiedenen Phasen der Pandemie bis zu 4 Monate im Voraus ausbreiten werden. Das Verhalten des Modells stand im Einklang mit einer plausiblen Kausalstruktur, bei der epidemiologische Kovariaten die Auswirkungen verschiedener und sich verändernder Faktoren der viralen Fitness kombinieren. Die Autor*innen haben ihr Modell angewandt, um Mutationen vorherzusagen, die sich in Zukunft ausbreiten werden, und um zu charakterisieren, wie diese Mutationen die Bindung von therapeutischen Antikörpern beeinflussen. Diese Ergebnisse zeigen, dass es möglich ist, die treibenden Mutationen vorherzusagen, die in den neu entstehenden SARS-CoV-2-Varianten auftreten könnten, die Anlass zur Sorge geben. Die Autor*innen haben dieses Ergebnis anhand von Omikron validiert. Es zeigte sich, dass die Vorhersagewerte für die Mutationskomponenten vor dem Auftreten des Virus erhöht sind und dass die Werte für die täglichen Vorhersagen während des Auftretens schnell ansteigen. Dieser Modellierungsansatz kann auf alle sich schnell entwickelnden Krankheitserreger mit ausreichend dichten genomischen Überwachungsdaten angewendet werden, wie z.B. Influenza und unbekannte zukünftige Pandemieviren.