Il motore di ricerca ViruSurf svela i cambiamenti del genoma del virus responsabile delle pandemie Dall’inizio del 2020, i laboratori di tutto il mondo stanno sequenziando il materiale dai test positivi di persone affette da COVID-19 e quindi depositando le sequenze principalmente in tre punti di raccolta: GenBank, COG-UK e GISAID. Una rapida esplorazione di questa enorme quantità di dati è importante per capire come sta cambiando il genoma del virus. Per consentire una rapida “navigazione” su questi dati, il gruppo di ricerca del Politecnico di Milano guidato dal Prof. Stefano Ceri ha sviluppato ViruSurf, un motore di ricerca che opera su un database centralizzato archiviato Politecnico. Il database viene periodicamente ricaricato dalle tre fonti e ad oggi contiene 200.516 sequenze di SARS-CoV-2, il virus che causa COVID-19, e 33.256 sequenze di altre specie virali anche associate ad epidemie che colpiscono l’uomo, come SARS, MERS, Ebola e dengue. Ogni sequenza è descritta da quattro prospettive: le caratteristiche biologiche del virus e dell’ospite, la tecnologia di sequenziamento, il progetto che ha prodotto i dati originali, le mutazioni dell’intera sequenza di nucleotidi e di amminoacidi gene-specifici.
Il vantaggio fornito da ViruSurf è l’uso di un algoritmo per il calcolo delle mutazioni virali in modo omogeneo tra le sorgenti, utilizzando il cloud computing. Il database è ottimizzato per dare risposte rapide ai navigatori dei motori di ricerca. Tra i futuri sviluppi di ViruSurf, il più importante, finanziato da un progetto di sei mesi di EIT Digital, è un servizio bioinformatico per l’ingestione di nuove sequenze virali, che evidenzia la presenza di mutazioni virali associate a gravità aumentata o ridotta e virulenza come vengono scoperti. Utilizzato nelle cliniche, in particolare con la diffusione di pandemie meno acute, supporterà l’aggiunta di informazioni critiche alla cartella clinica del paziente; altri usi saranno possibili nel contesto dell’allevamento o della catena alimentare. Il sistema consentirà presto il tracciamento di epitopi – sequenze di amminoacidi che vengono utilizzate nella progettazione di vaccini – ad esempio per associare epitopi a mutazioni del virus che potrebbero essere presenti in determinati Paesi del mondo e che potrebbero influenzare il vaccino.
“Nel progetto GeCo, finanziato dall’European Research Council, avevamo già sviluppato un motore di ricerca per dataset che descrivono il genoma umano, chiamato GenoSurf; All’inizio della pandemia non esisteva un tale sistema per le sequenze virali. Per comprenderne meglio le esigenze, abbiamo intervistato una ventina di virologi esperti da tutto il mondo. Il risultato è un sistema di facile utilizzo: qualsiasi ricercatore può connettersi ad esso ed eseguire domande, ad esempio, su quando è iniziata una mutazione virale e su come si è diffusa nel mondo ”- afferma Stefano Ceri, responsabile del progetto. L’articolo è pubblicato su una rivista di grande rilevanza, Nucleic Acids Research, nel numero del database che ogni anno raccoglie le descrizioni dei database biologici più significativi. L’articolo è autore anche di Pietro Pinoli, algoritmo designer, Arif Canakoglu, software architect, Anna Bernasconi, data designer, Tommaso Alfonsi, designer della pipeline di caricamento dati, e Damianos P. Melidis di L3S, autore di alcuni algoritmi.
