Retrouvez dans nos archives l'historique des actualités liées aux laboratoires et aux acteurs du monde des sciences
Gagnez du temps en utilisant le moteur de recherche ci-dessous


2022-01-14 
Vers une prédiction computationnelle de nouveaux variants du SARS-CoV-2

Une équipe de recherche du Laboratoire de biologie computationnelle et quantitative au sein de l'Institut de Biologie Paris Seine (IBPS – Sorbonne Université / CNRS)1 , en collaboration avec l'Université de Lausanne, propose une approche computationnelle pour prévoir les nouvelles mutations dans les protéines du SARS-CoV-2, qui pourraient apparaître dans les futurs variants du virus. Ces travaux2 ont été publiés dans la revue PNAS le 12 janvier 2022.

Depuis le début de la pandémie de Covid-19, de nouveaux variants du virus SARS-CoV-2 ont émergé et se sont propagés au sein de la population humaine, certains devenant un problème majeur de santé mondiale. Chacun d'entre eux, y compris les variants Delta et Omicron, présente un schéma caractéristique de mutations génétiques, susceptibles de renforcer la transmissibilité du virus ou de réduire l'efficacité des vaccins ou des traitements avec des anticorps. A

nticiper les mutations encore inconnues qui pourraient apparaître dans les futurs variants du SARS-CoV-2 est devenu un enjeu majeur. À cet égard, une équipe de recherche du Laboratoire de biologie computationnelle et quantiative (Sorbonne Université / CNRS), dirigée par Martin Weigt, professeur à Sorbonne Université, en collaboration avec l'Université de Lausanne, a proposé une nouvelle approche informatique dont l’objectif est de prédire la mutabilité de toutes les positions individuelles dans les protéines du SARS-CoV-2. Cette méthode consiste à utiliser un seul génome de ce virus, en combinaison avec des séquences génomiques d'autres coronavirus préexistants. Les prédictions obtenues sont cohérentes avec la variabilité actuellement observable des protéines du SARS-CoV-2, qui a évolué au cours des deux dernières années, suggérant que ce modèle est capable de prévoir statistiquement l'apparition de variants inédits

Communiqué en PDF

 

Partager :