پیش‌بینی تکامل ویروس آنفلوآنزا با کمک مدل‌های رایانه‌ای

پژوهشگران آمریکایی در بررسی جدید خود تلاش کردند تا با کمک مدل‌های رایانه‌ای به پیش‌بینی ویروس آنفلوآنزا بپردازند.

به گزارش ایسنا و به نقل از مدیکال‌اکسپرس، ترکیب داده‌های ژنتیکی و آزمایشی می‌تواند به پیش‌بینی دقیق رشته ویروس‌های آنفلوآنزا که ابتلا به آنها طی زمستان متداول است، کمک کنند. شاید این کار به طراحی واکسن‌های آنفلوانزا بیانجامد که عملکرد دقیق‌تری دارند و می‌توانند از انسان‌ها در برابر مرگ و میر ناشی از این ویروس محافظت کنند.

واکسن‌ها، بهترین روش محافظت در برابر آنفلوانزا هستند اما ویروس هر سال، ظاهر خود را تغییر می‌دهد تا سیستم ایمنی نتواند آن را شناسایی کند. به همین دلیل، دانشمندان سعی دارند واکسن‌ها را به روزرسانی کنند تا با ویروس جدید مطابقت داشته باشند. از آنجا که ساخت یک واکسن جدید، تقریبا یک سال زمان می‌برد، پژوهشگران حوزه آنفلوآنزا باید بتوانند این موضوع را پیش‌بینی کنند که احتمال بروز کدام نوع از ویروس‌های آنفلوآنزا در آینده بیشتر است.

روش‌های استانداردی که در حال حاضر برای بررسی آنفلوآنزا به کار می‌روند، مبتنی بر آزمایش‌هایی هستند که به کار و زمان زیادی نیاز دارند. پژوهشگران "دانشگاه واشنگتن"(University of Washington) به جای استفاده از این روش‌ها، از رایانه‌ها استفاده کردند تا نحوه تکامل ویروس را پیش‌بینی کنند.

"جان هادلستون"(John Huddleston)، پژوهشگر ارشد این پروژه گفت: جامعه پژوهشی حوزه آنفلوآنزا مدت‌ها قبل، اهمیت بررسی ویژگی‌های فیزیکی ویروس آنفلوآنزا، تغغیرات آن و ویژگی‌های ژنتیکی آن را تشخیص داده است. ما تصمیم گرفتیم تا در این پژوهش، با ترکیب توالی ژنتیکی ویروس آنفلوآنزا و داده‌های آزمایش‌های دیگر، به پیش‌بینی رشته‌های جدید آنفلوانزا بپردازیم که در زمستان آینده ظاهر می‌شوند.

پژوهشگران با استفاده از داده‌های مربوط به بررسی‌هایی که طی ۲۵ سال گذشته در مورد آنفلوآنزا انجام شده است، به پیش‌بینی آنفلوآنزا در سال آینده پرداختند. آنها توانستند با استفاده از کدهای ژنتیکی ویروس و داده‌های تجربی، به پیش‌بینی در مورد ویروس آینده پرداختند. سپس، داده‌های پیش‌بینی شده و داده‌های واقعی را با یکدیگر مقایسه کردند.

"ترور بدفورد"(Trevor Bedford)، از پژوهشگران این پروژه گفت: نتایج ما اهمیت بررسی‌های آزمایشی را برای بررسی اثر تغییرات کدهای ژنتیکی ویروس نشان می‌دهند و به تلاش‌هایی که برای پیش‌بینی سیستم‌های تکاملی صورت می‌گیرند، کمک می‌کنند. ما امیدواریم که بتوانیم ابزاری ابداع کنیم که به پیش‌بینی بهتر آنفلوآنزا کمک می‌کنند و به بهبود واکسن و کاهش میزان بیماری و مرگ و میر می‌انجامند.

این پژوهش، در مجله "eLife" به چاپ رسید.

انتهای پیام