2023年10月11日,来自哈佛大学医学院的Debora S. Marks团队在Nature杂志上发表了一篇题为 Learning from prepandemic data to forecast viral escape 的文章。该研究开发了一个通用的模块化框架EVEscape,可在不依赖于大流行测序或抗体结构的前提下预测病毒的逃逸潜力,不仅在预测SARS-CoV-2 的大流行变异方面与高通量DMS一样准确,还可推广到其他病毒类型。这种早期预警系统可以指导公共卫生决策和准备工作,以最大限度减少大流行对人类和社会经济的影响。
这项工作通过对SARS-CoV-2大流行的回顾性分析,证明EVEscape可以预测大流行逃逸突变,并可以预测哪些新出现的病毒株具有较高的逃逸潜力,比依赖大流行抗体和血清实验的预测提前数月,同时提供相当的准确性,利用这一工具对潜在逃逸突变的早期感知可以为疫苗和治疗设计提供信息,以更好地遏制病毒传播。
本文内容转载自“ BioArt”微信公众号。
原文链接: https://mp.weixin.qq.com/s/OKjtwpr3c80NtQEg4BkKyQ