Cómo los algoritmos de procesamiento del lenguaje ayudan a predecir mutaciones del coronavirus

Los algoritmos de procesamiento del lenguaje natural (PNL) ahora pueden generar secuencias de proteínas y predecir mutaciones de virus, como aquellos cambios que podrían ayudar al coronavirus a evadir el sistema inmunológico.

En un estudio publicado recientemente en la revista Science, un grupo de investigadores, entre los que se encuentran expertos del MIT, muestran cómo utilizan dichos algoritmos para identificar con anticipación mutaciones.

La idea de base es que la interpretación de un virus por un sistema inmunológico es análoga a la interpretación que hace un humano de una oración.

Se trata de un nuevo método para identificar y predecir aquellas mutaciones que pueden hacer que un virus se escape del sistema inmune o que no responda de manera adecuada a vacunas y tratamientos ya desarrollados para el tratamiento de ese patógeno.

Para llevar adelante esta tarea los investigadores utilizaron los conceptos lingüísticos de gramática y semántica. La aptitud genética de un virus, es decir sus características para infectar a una persona, se puede interpretar en términos gramaticales; en tanto que las mutaciones o variaciones de un virus se pueden interpretar en términos de semántica.

Así, por ejemplo, los cambios en las proteínas de su superficie que lo hacen indetectables para ciertos anticuerpos se pueden leer, dentro de esta óptica como una “alteración de su significado”. Es decir que un virus con distintas mutacioes de este tipo puede tener diferentes significados y, por lo tanto, puede requerir de diferentes anticuerpos capaces de combatirlo.

Para esto, los investigadores entrenaron el modelo de PNL en miles de secuencias genéticas tomadas de tres virus diferentes: 45.000 secuencias únicas para una cepa de influenza; 60.000 para una cepa de VIH y entre 3.000 y 4.000 para una cepa de Sars-Cov-2, según se explica en la revista MIT Technology Review.

Saber con anticipación qué mutaciones, capaces de eludir las respuestas del sistema inmune, podrían llegar a darse ayudaría a tomar medidas sanitarias más adecuadas.

Los investigadores estuvieron aplicando este modelo de análisis en las nuevas variantes del coronavirus, entre ellas la mutación del Reino Unido, la de Dinamarca, así como las variantes de Sudáfrica, Singapur y Malasia.

Por lo pronto encontraron que todas tiene un alto potencial de escape inmunológico, aunque esto no se probó en laboratorio sino que surge del análisisi predictivo basado en redes neuronales. Pero el modelo pasó por alto otro cambio en la variante de Sudáfrica que ha generado preocupación porque puede permitirle no responder a las vacunas.

El uso de estos algortimos ayuda a predecir potenciales mutaciones de inmediato, lo cual ayudaría a acelerar procesos en el diseño de estrategias de salud, estudio de nuevos tratamientos y desarrollo de vacunas. Si bien es algo incipiente, enciende una luz en un camino que seguramente habrá que continuar explorando.

MÁS SOBRE ESTE TEMA: