El intercambio de datos y el código abierto ayudan a combatir COVID-19

Los científicos analizan rápidamente muestras genéticas de pacientes infectados y pueden compartir los datos. Pero moverse demasiado rápido es arriesgarse a cometer errores.

El 27 de febrero, un adolescente en el área de Seattle fue diagnosticado con COCID-19.

Poco después, los investigadores del Seattle Flu Study compartieron datos genómicos sobre su cepa del virus con otros investigadores en un sitio de «ciencia abierta».

Armados con esos datos, los investigadores involucrados en un segundo proyecto de ciencia abierta determinaron que la cepa del adolescente era un descendiente directo de una cepa de COVID-19 encontrada en un paciente no relacionado en el área de Seattle el 20 de enero.

El descubrimiento fue un vínculo clave para concluir que el virus se había estado propagando en el área de Seattle durante semanas.

La forma en que los investigadores conectaron esos puntos resalta el papel de los proyectos de ciencia abierta en el seguimiento de la evolución de COVID-19 y otras enfermedades.

Al compartir datos y trabajar en colaboración a través de la web, los científicos están analizando rápidamente muestras genéticas, ayudando a dar forma a la respuesta pública. Pero la prisa por interpretar los datos también crea nuevos riesgos.

Los virus como COVID-19 se propagan haciendo copias de sí mismos. Cada vez que se replican, existe la posibilidad de que se cometa un error, haciendo que la última copia sea ligeramente diferente de la anterior.

Emma Hodcroft, investigadora de genética cuantitativa posdoctoral en la Universidad de Basilea en Suiza, compara estos errores, conocidos como mutaciones, con errores tipográficos en el ADN del virus.

La mayoría de estas mutaciones son triviales y no cambian la forma en que el virus afecta al cuerpo. Pero los científicos pueden usar mutaciones para rastrear la propagación de un virus. Si dos personas en diferentes lugares están infectadas con una versión del virus con mutaciones particulares, es una apuesta segura que esos dos casos están relacionados, incluso si las dos personas nunca se conocieron.

En el caso del adolescente del área de Seattle, los datos genéticos sobre su cepa de COVID-19 se cargaron en Gisaid, una plataforma para compartir datos genómicos. Luego, los investigadores de Nextstrain hicieron la conexión con el paciente anterior.

Nextstrain es una aplicación de código abierto que rastrea la evolución de virus y bacterias, incluidos COVID-19, Ebola y brotes menos conocidos como Enterovirus D68 utilizando datos provenientes en gran parte de Gisaid.

Hodcroft y otros investigadores involucrados en el proyecto analizan los datos compartidos en Gisaid para detectar mutaciones y visualizan los resultados. Así fue como el equipo pudo detectar la conexión entre los dos casos de COVID-19 en Washington.

El trabajo de Nextstrain está habilitado por el intercambio generalizado de datos por parte de científicos y profesionales de la salud.

Duncan MacCannell, director científico de la Oficina de Detección Molecular Avanzada del Centro para el Control de Enfermedades, dice que las autoridades de salud pública, las universidades y los laboratorios clínicos están publicando datos genómicos de muestras de COVID-19 a una velocidad sin precedentes, a menudo dentro de las 48 horas de la llegada de una muestra. en un laboratorio de secuenciación.

«Nextstrain puede usarse para dar una instantánea rápida de cómo se ha propagado el virus a través de las regiones y cómo están conectados los brotes locales», dice Kristian G. Andersen, bióloga computacional de Scripps Research.

Debido a que el código subyacente utilizado por el equipo de Nextstrain es de código abierto, otros investigadores podrían construir sus propias versiones del sitio de Nextstrain o utilizar su código como base para nuevos proyectos. Más importante aún, también permite que otros científicos evalúen la validez científica del trabajo del equipo, dice el colaborador James Hadfield.

El tipo de análisis genético que realiza Nextstrain no es nuevo, en sí mismo. Los investigadores tradicionalmente publican su trabajo principalmente a través de revistas académicas.

Pero la explosión de datos genómicos disponibles en Gisaid, y la velocidad con la que se cargan, crean nuevas oportunidades para cerrar la brecha entre la salud pública y la academia, y para permitir que los usuarios novatos también exploren los datos.

Saltarse la fase tradicional de revisión por pares tiene desventajas. El 3 de marzo, el cofundador de Nextstrain, Trevor Bedford, investigador del Centro de Investigación del Cáncer Fred Hutchinson en Seattle, escribió en Twitter que una cepa que circulaba en Lombardía, Italia, estaba relacionada con una encontrada en Munich, Alemania, que funcionarios de salud pública habían dicho que era contenido.

Otros científicos no estuvieron de acuerdo con el análisis de Bedford, como lo señaló la revista Science.

Por ejemplo, Christian Drosten, el virólogo del Hospital Universitario Charité de Berlín, quien secuencia la cepa de Munich, detectó las similitudes entre las cepas alemana e italiana el mes pasado y escribió en Twitter que «no era suficiente para reclamar un vínculo entre Munich e Italia».

Drosten señaló que es posible que la cepa llegue a Múnich e Italia de la misma fuente externa.

Klint Finley
Wired