杜紅麗教授課題組在Computational and Structural Biotechnology Journal雜志上在線發(fā)表論文——實時監(jiān)測新冠病毒進(jìn)化的自動化工具
近日，華南理工大學(xué)生物科學(xué)與工程學(xué)院杜紅麗教授課題組在Computational and Structural Biotechnology Journal雜志上在線發(fā)表題為AutoVEM: an automated tool to real-time monitor epidemic trends and key mutations in SARS-CoV-2 evolution的研究論文。生物科學(xué)與工程學(xué)院本科生席彬彬為論文第一作者，博士研究生姜大偉為論文共同第一作者，杜紅麗教授為通訊作者（論文鏈接https://www.sciencedirect.com/science/article/pii/S2001037021001082#s0005）。
目前，大多數(shù)針對SARS-CoV-2基因組進(jìn)化或突變株分析鑒定的研究都采用構(gòu)建系統(tǒng)進(jìn)化樹或針對單點突變分析的方法。然而，構(gòu)建系統(tǒng)進(jìn)化樹耗時耗力，對單點突變分析則很難全局鑒定新冠突變株并實時監(jiān)測。研究團(tuán)隊提出了一種聯(lián)合病毒高頻突變位點篩選、連鎖分析和單倍型亞型分型及單倍亞型流行趨勢分析從而鑒定SARS-CoV-2關(guān)鍵突變和突變株的新方法，并將整個流程開發(fā)成自動化分析工具（AutoVEM，圖1）。該工具在1核CPU和2GB RAM的計算機(jī)上，18小時內(nèi)分析完131,576 條SARS-CoV-2基因組序列（GISAID數(shù)據(jù)庫，截止到2020年12月）。相對于該課題組之前采用構(gòu)建系統(tǒng)進(jìn)化樹的方法，該方法效率提高了200倍以上，而且可以準(zhǔn)確鑒定出隨時間變化的關(guān)鍵突變及單倍亞型。分析數(shù)據(jù)顯示，該課題組先前研究發(fā)現(xiàn)的9個突變位點（Comprehensive evolution and molecular characteristics of a large number of SARS-CoV-2 genomes reveal its epidemic trends，INT J INFECT DIS,?100?(2020):164-173）中的C241T、C3037T、C14408T、A23403G四個位點（H1單倍型）基本已在病毒群體中固定下來，占群體的70%以上，而其余5個突變位點則隨著病毒的進(jìn)化而消失。除此之外，團(tuán)隊還新發(fā)現(xiàn)了6個高度連鎖的、可能影響SARS-CoV-2傳染能力等的關(guān)鍵突變位點（T445C, C6286T, C22227T, G25563T, C26801G and G29645T）。
圖1 AutoVEM工作流程圖
該課題組在2020年初開始，從新冠病毒防控角度出發(fā)，開展了一系列新冠病毒相關(guān)的研究，并取得一定的成效。其中，先前的研究（Bai Y, et al. INT J INFECT DIS,?100?(2020): 164-173）受到科技部和WHO（2021年01月14日-2021年02月10日）報告引用以及外媒關(guān)注。而AutoVEM是在新冠病毒已全球流行，其突變很難阻止的背景下開發(fā)的。目的是為全球提供一個可以隨時隨地對本地或公共數(shù)據(jù)進(jìn)行實時分析、實時監(jiān)測新冠病毒關(guān)鍵突變位點和鑒定新流行突變株的自動化工具，從而為新冠疫苗研發(fā)及檢測方法的發(fā)展更新提供參考，也為全球抗疫貢獻(xiàn)一份力量。
該項工作得到國家重點研發(fā)計劃(2018YFC0910201)和廣東省重點研發(fā)計劃(2019B020226001)等項目資助。
版權(quán)與免責(zé)聲明：本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構(gòu)成其他建議。僅提供交流平臺，不為其版權(quán)負(fù)責(zé)。如涉及侵權(quán)，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com