Ricercatori statunitensi hanno sviluppato un nuovo metodo per contrastare le mutazioni emergenti del coronavirus e accelerare lo sviluppo dei vaccini
Utilizzando l'intelligenza artificiale (AI), un team di ricerca della University of Southern California (USC) Viterbi School of Engineering ha sviluppato un metodo per accelerare l'analisi delle varianti del virus SARS-CoV-2 e la progettazione di un vaccino efficace. I risultati, riportati a febbraio sulla rivista Scientific Reports del gruppo Nature, descrivono un approccio di deep learning – uno dei rami dell’AI - applicabile alle potenziali mutazioni del virus. Dopo l’identificazione di 26 potenziali vaccini per il SARS-CoV-2, i ricercatori ne hanno identificati 11 da cui costruire un vaccino in grado di dare una risposta immunitaria efficace contro le principali varianti del virus oggi note e le potenziali nuove varianti che potrebbero emergere.
Il virus SARS-CoV-2 e la conseguente infezione COVID-19 ha causato, ad oggi, oltre 3 milioni di morti nel mondo e sta avendo un enorme impatto su tutta la popolazione mondiale sia a livello sanitario che economico. La ricerca a livello globale è concentrata sul trovare possibili soluzioni per fermare la diffusione del Coronavirus, in primis i vaccini. Tra queste, l’utilizzo del deep learning - algoritmi che usano reti neurali artificiali in grado di apprendere relazioni estremamente complesse tra input e output forniti e che superano le abilità umane nell'eseguire compiti, come ad esempio la classificazione delle immagini – potrebbe essere utile per lo sviluppo di un vaccino, specialmente per velocizzare la parte di ricerca preclinica. Una combinazione di immunoinformatica e reti neurali, chiamata DeepVacPred, è stata quindi in grado di prevedere e progettare un vaccino per COVID-19 efficace contro diverse varianti.
In mancanza di terapie antivirali specifiche per SARS-CoV-2, la gestione della COVID-19 si basa sulla diagnosi precoce, la segnalazione, l'isolamento e i trattamenti di supporto. I ricercatori hanno proposto diversi approcci per sviluppare vaccini per la SARS-CoV-2, dai più classici ai più innovativi. Il processo tradizionale di progettazione dei vaccini si basa sulla coltivazione in laboratorio degli agenti patogeni, ma è un processo molto lungo che prevede diverse fasi tra cui l’isolamento e l’inattivazione del virus che causa la malattia. Tale processo richiede solitamente un periodo di tempo abbastanza lungo per ottenere vaccini efficaci e non è compatibile con i tempi di questo virus che si sta velocemente diffonde nella popolazione mondiale. Recentemente, i ricercatori hanno lavorato sulla costruzione di vaccini multi-epitopo, ovvero in grado di riconoscere più elementi presenti sulla superficie del virus, con metodi in silico, cioè basati sui computer, per accelerare il processo di progettazione del vaccino.
I vaccini multi-epitopo sono costruiti da più frammenti proteici del virus ricchi di epitopi sovrapposti. L’epitopo (chiamato anche determinante antigenico) è la piccola porzione dell’antigene che lega l’anticorpo specifico. La singola molecola di antigene può contenere diversi epitopi riconosciuti da anticorpi differenti. Questi vaccini contengono quindi la parte vitale del virus per suscitare una risposta immunitaria, ma non i componenti che possono scatenare l’infezione: proprio per questo possono essere molto utili per combattere le malattie virali. In questi mesi il sequenziamento del genoma del SARS-CoV-2 è stato completato e i ricercatori hanno studiato i dettagli dell’ormai famosa proteina spike, componente chiave per infettare le cellule umane.
Come spiegato nello studio, il metodo è facilmente adattabile per analizzare le potenziali mutazioni del virus e il modello di apprendimento automatico può realizzare cicli di progettazione di vaccini, che richiedono mesi o anni, in pochi secondi e minuti. "Questa infrastruttura di AI, applicata alle specificità di questo virus, può fornire candidati vaccini in pochi secondi e passare quindi rapidamente a studi clinici per ottenere terapie preventive senza compromettere la sicurezza", ha dichiarato Paul Bogdan, professore associato di ingegneria elettrica e informatica alla USC Viterbi e autore dello studio. "Inoltre, questo sistema può essere adattato ed aiutarci a stare un passo avanti al Coronavirus mentre muta e si diffonde in tutto il mondo."
Applicato a SARS-CoV-2 il modello informatico ha eliminato rapidamente il 95% dei composti che avrebbero potuto trattare l'agente patogeno, selezionando solo le migliori opzioni. Inoltre, parametri come l'antigenicità, l'allergenicità, la tossicità, le proprietà fisico-chimiche e la struttura secondaria del vaccino progettato sono valutate tramite approcci bioinformatici all'avanguardia, mostrando una buona qualità del vaccino progettato. La struttura tridimensionale del vaccino progettato è rivista e validata da strumenti in silico. Infine, viene valutato in laboratorio per garantire l'efficienza di clonazione ed espressione. È anche possibile rintracciare le mutazioni nel genoma del SARS-CoV-2, in modo da affrontare le più recenti mutazioni del virus.
In queste settimane sono stati diversi gli scienziati preoccupati per la possibile minor efficacia dei vaccini ora in distribuzione di fronte alle nuove varianti del virus. Il prof. Bogdan ha affermato che il metodo sviluppato dell'USC Viterbi School of Engineering può essere utilizzato per progettare rapidamente altri meccanismi di prevenzione grazie a previsioni fatte attraverso grandi database. Più nello specifico, i dati grezzi per la ricerca provengono da un gigantesco database bioinformatico chiamato Immune Epitope Database (IEDB) in cui gli scienziati di tutto il mondo hanno compilato dati su SARS-CoV-2, ma non solo. Un altro tangibile segno della collaborazione internazionale che si è creata per fronteggiare la pandemia.
