Sélection bayésienne d’allèles viraux pour la surveillance génomique du SRAS-CoV-2

Dans une récente étude publiée sur bioRxiv* serveur de préimpression, les chercheurs ont évalué les effets de sélection dans le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) en utilisant la sélection bayésienne des allèles viraux.

Diverses études ont signalé de nouvelles mutations du SRAS-CoV-2 qui ont été associées à une transmissibilité accrue, à une liaison accrue à l’enzyme de conversion de l’angiotensine 2 (ACE2) et à l’évasion des anticorps. Cependant, les conséquences fonctionnelles de telles mutations et leurs liens avec l’aptitude du SRAS-CoV-2 sont encore inconnues.

Étude: Inférer les effets de sélection dans le SRAS-CoV-2 avec la sélection bayésienne des allèles viraux. Crédit d’image : NIAID

À propos de l’étude

Dans la présente étude, les chercheurs ont développé la sélection bayésienne des allèles viraux pour déterminer les facteurs génétiques qui influencent la forme physique différentielle virale ainsi que les taux de croissance des différentes variantes du SRAS-CoV-2.

La sélection bayésienne d’allèles viraux (BVAS) développée par l’équipe a permis le calcul de la probabilité d’inclusion postérieure (PIP). Il a été noté que les allèles ayant des PIP élevés étaient de bons candidats pour influencer l’aptitude virale. L’équipe a effectué des comparaisons entre trois méthodes basées sur la diffusion virale, y compris le propagateur apparent moyen (MAP), BVAS et Laplace.

L’équipe a évalué la sensibilité de BVAS à des hyperparamètres tels que la probabilité d’inclusion a priori h et la précision a priori τ. La valeur de PIP par rapport à BVAS a également été démontrée en examinant la sensibilité et la précision au niveau des allèles observées lorsque les allèles ayant des PIP supérieurs à 0,1 étaient considérés comme des occurrences. De plus, l’équipe a estimé l’aptitude virale relative de toutes les variantes du SRAS-CoV-2 en ajustant le modèle BVAS aux fréquences alléliques trouvées dans différentes régions.

Résultats

Les résultats de l’étude ont montré que dans l’analyse des quatre méthodes de diffusion virale, le taux de succès causal augmentait avec le nombre de régions et diminuait à mesure que le nombre d’allèles augmentait. Les méthodes BVAS ont affiché les meilleurs taux de réussite parmi les quatre méthodes, tandis que l’efficacité des méthodes MAP et Laplace était significativement faible en présence d’un nombre élevé d’allèles.

La sensibilité de BVAS à τ était légèrement supérieure à quatre ordres de grandeur ; cependant, la sensibilité diminue lorsque la valeur de τ est très élevée. L’équipe a également observé que la valeur de la taille effective de la population (ν) jouait un rôle crucial dans la sensibilité à la BVAS. De grandes valeurs de ν indiquaient que les augmentations de la fréquence des allèles dépendaient de la dérive déterministe. D’autre part, de petites valeurs de v suggèrent que les incréments de fréquence allélique affichent une variabilité significative prédominante dans la dérive déterministe. Lorsque l’équipe a considéré les allèles avec des PIP supérieurs à 0,1 comme des occurrences, une haute précision a été observée pour BVAS. Cela a indiqué que les allèles avec des valeurs élevées de PIP étaient plus susceptibles d’être associés de manière causale à l’aptitude virale. De plus, la taille effective de la population diminue de 15 fois lorsque le taux d’échantillonnage (ρ) passe de 64 % à 1 %.

L’estimation de l’aptitude des lignées SARS-CoV-2 a montré que SARS-CoV-2 Omicron BA.2 était la lignée la plus apte, suivie par Omicron BA.1, Delta, Alpha et la variante de type sauvage. Notamment, certaines des attributions phylogénétiques des lignées d’épidémies mondiales nommées (PANGO) présentaient divers génotypes qui correspondaient à des taux de croissance distincts. L’équipe a également remarqué que la variante Omicron s’était fracturée en diverses sous-lignées avec des niveaux de forme physique qui se sont améliorés au fil du temps. La sous-lignée Omicron BA.2.12.2 s’est avérée être la lignée la plus apte, tandis que les autres sous-lignées BA.2 ont également des niveaux de forme physique comparables.

Emplacements des 20 meilleurs résultats Spike, classés par PIP, sur la structure Cryo-EM d'un trimère Spike lié à ACE2 (magenta) à une résolution de 3,9 Angstrom dans le RBD unique Emplacements des 20 meilleurs résultats Spike, classés par PIP, sur la structure Cryo-EM d’un trimère Spike lié à ACE2 (magenta) à une résolution de 3,9 Angstrom dans la conformation RBD “up” unique de (Zhou et al., 2020) B Vue agrandie de l’interface RBD-ACE2, montrant la proximité spatiale de S:R346, S:N339, S:N440, S:L452, S:S477, S:E484 et S:N501.

L’équipe a également trouvé des lignées recombinantes, qui étaient le résultat de recombinaisons entre BA.1 et BA.2, et Delta et BA.1. Parmi ceux-ci, XN et XT étaient les recombinants les plus aptes ; cependant, leur condition physique était inférieure à celle de BA.2 et supérieure à celle de BA.1. De plus, l’adéquation des recombinants existants tels que XA-XT a indiqué que l’adéquation de ces lignées recombinantes pourrait ne pas être un sujet de préoccupation dans un proche avenir.

L’analyse des mutations du SRAS-CoV-2 a montré que le signal de sélection le plus robuste se trouvait dans la protéine de pointe (S), avec la plus forte concentration de signaux dans le domaine de liaison au récepteur (RBD). Des signaux de sélection forts ont également été détectés dans le domaine N-terminal (NTD) ainsi que dans les sites de clivage de la furine. En tenant compte de la taille de l’effet, la mutation S:L452R s’est avérée la plus touchée et a été trouvée dans les lignées BA.4/BA.5, B.1.427 et B.1.429. De plus, la mutation S:L452Q a eu l’un des résultats les plus élevés et a été trouvée dans la variante BA.2.12.2.

Dans l’ensemble, les résultats de l’étude ont montré l’importance de la méthode bayésienne de sélection des allèles viraux pour comprendre les effets de sélection du SRAS-CoV-2 et de ses variantes émergentes.

*Avis important

bioRxiv 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.

Facebook
Twitter
LinkedIn
Pinterest

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.

ADVERTISEMENT