Nowy algorytm pozwala przewidywać prawdopodobne mutacje białek – na przykład tych, od których zależy zakaźność wirusa czy złośliwość nowotworu – informuje „Nature Communications”.

David McCandlish i Juannan Zhou z Cold Spring Harbor Laboratory opracowali algorytm, dający naukowcom możliwość przewidywania, w jaki sposób specyficzne mutacje genetyczne mogą się łączyć, powodując zmiany białek o krytycznym znaczeniu w trakcie ewolucji gatunku.

Algorytm nazywany „minimalną interpolacją epistazy” pozwala zwizualizować, w jaki sposób może ewoluować białko, aby jego działanie stało się wysoce skuteczne lub całkowicie nieskuteczne. Algorytm powstał dzięki badaniu wpływu tysięcy określonych mutacji w genach wytwarzających paciorkowcowe białko GB1. Białko GB1 zostało wybrane ze względu na bardzo złożoną strukturę, a co za tym idzie – ogromną liczbę możliwych mutacji, które można by połączyć na wiele możliwych sposobów. W naturze GB1 zaczyna od skromnego poziomu aktywności, ale może ewoluować do wyższego poziomu dzięki serii mutacji występujących w kilku różnych miejscach.

Określenie „epistaza” opisuje wszelkie interakcje pomiędzy mutacjami genetycznymi, w których działanie jednego genu jest zależne od obecności innego. Twórcy nowego algorytmu założyli, że każda mutacja ma znaczenie. Termin „interpolacja” opisuje czynność przewidywania ewolucyjnej ścieżki mutacji, jaką może przejść gatunek w celu osiągnięcia optymalnej funkcji danego białka.

„Wizualizacja tego zestawu danych stała się bardzo ważna z powodu jego złożoności” – wyjaśnia McCandlish. – „Chcieliśmy przekształcić liczby w obraz, aby lepiej zrozumieć, co mówią dane”.

Wizualizacja przypomina mapę. Wysokość i kolor odzwierciedlają poziom aktywności białka, podczas gdy odległość między punktami reprezentuje czas potrzebny, by mutacja wyewoluowała do tego poziomu aktywności.

McCandlish porównuje ścieżkę ewolucyjną białka do pieszej wędrówki, w której białko jest jak turysta, próbujący możliwie najskuteczniej dostać się na najwyższe lub najbardziej atrakcyjne szczyty górskie. Geny ewoluują w ten sam sposób: mutacja szuka ścieżki najmniejszego oporu i zwiększonej wydajności.

Aby dostać się do kolejnego szczytu w łańcuchu górskim, turysta częściej podróżuje wzdłuż grani, niż schodzi z powrotem do doliny. W ten sposób unika się kolejnego potencjalnie trudnego wejścia. W wizualizacji dolina jest niebieskim obszarem, w którym kombinacje mutacji powodują najniższy poziom aktywności białka.

Algorytm pokazuje, na ile korzystna jest każda możliwa zmutowana sekwencja i jak długo zajmie mutacja jednej sekwencji genetycznej w dowolną z wielu innych możliwych sekwencji. Moc predykcyjna tego narzędzia może okazać się szczególnie cenna w sytuacjach takich, jak pandemia COVID-19. Naukowcy muszą się orientować, jak rozwija się wirus – aby wiedzieć, gdzie i kiedy go przechwycić, nim osiągnie on najbardziej niebezpieczną postać. Inne potencjalne zastosowania takiego algorytmu to na przykład opracowywanie leków i rolnictwo.

Jak wyjaśnia McCandlish, algorytm może również pomóc „zrozumieć szlaki genetyczne, które wirus może obrać w miarę ewolucji w celu uniknięcia ataków układu odpornościowego lub uzyskania oporności na leki. Jeśli potrafimy zrozumieć prawdopodobne drogi ewolucji, być może uda się zaprojektować terapie, które mogą zapobiec ewolucji oporności na leki lub unikania ataku układu immunologicznego”.

Autor: Paweł Wernicki, pmw/ zan/, PAP Nauka w Polsce