Viral Escape

Está quase a acontecer. Praticamente todas as pessoas nos Países Baixos já tiveram a oportunidade de se vacinar, a regra de distanciamento de 1,5 metros vai deixar de vigorar e o governo pretende levantar também as restantes medidas. Parece o fim da COVID-19, não é? Infelizmente, o SARS-CoV-2 (o coronavírus que causa a COVID-19) sofre mutações a um ritmo vertiginoso, tal como o vírus da gripe. Entre essas milhares de mutações, já conhecemos também várias variantes do SARS-CoV-2, incluindo as variantes alfa, beta, gama e delta (atualmente a mais comum). Felizmente, a maioria das vacinas também continua a ser eficaz contra as novas variantes do vírus, mas e se isso deixar de acontecer? Um "viral escape" é um cenário preocupante em que o vírus sofre mutações suficientes para que os anticorpos existentes deixem de o reconhecer. As consequências são graves: uma mutação perigosa deste tipo contornaria o sistema imunitário das pessoas vacinadas (ou anteriormente infetadas). Em suma, voltaríamos à estaca zero.

Como a inteligência artificial pode ajudar

Para evitar este cenário, é importante identificar quais das milhares de mutações podem realmente representar um grande perigo. Assim, o desenvolvimento de vacinas pode antecipar-se-lhes o mais rapidamente possível. A inteligência artificial (IA) pode ajudar neste processo. Investigadores do MIT encontraram e desenvolveram uma nova forma de modelar os ‘viral escapes’ com base em modelos originalmente desenvolvidos para analisar a linguagem: os conhecidos modelos de Natural Language Processing (NLP).

A ideia por trás da utilização de um modelo de NLP neste caso é a seguinte: os vírus sofrem mutações que respeitam as regras biológicas da estrutura das proteínas, mas que também lhes são o mais favoráveis possível. O SARS-CoV-2, por exemplo, sofre mutações na proteína spike, visível na imagem abaixo. Atualmente, as pessoas que tiveram COVID-19 recentemente ou foram vacinadas têm anticorpos que se ligam à proteína spike. Por isso, as células do vírus SARS-CoV-2 deixam de conseguir estabelecer contacto com as células humanas e a pessoa fica infetada. O objetivo do vírus é, portanto, voltar a sofrer rapidamente mutações nas proteínas spike, para que os anticorpos deixem de se ligar a elas, mas os recetores das células humanas continuem a fazê-lo. O vírus procura assim sofrer mutações que lhe permitam escapar ao sistema imunitário humano (aos anticorpos), sem morrer nem perder a capacidade de se multiplicar. Da mesma forma, para um modelo de NLP, uma frase não só tem de ter o significado certo (semântica), como também de ser gramaticalmente correta (sintaxe). Com base nestes dois princípios, os investigadores adaptaram de forma criativa modelos de NLP para detetar alterações no código genético dos vírus.

Um exemplo

O exemplo abaixo ilustra como o modelo de NLP avalia que mutações do vírus podem causar uma fuga viral. A primeira frase representa o vírus antes de sofrer uma mutação. A segunda frase (a contar da esquerda) mostra uma pequena mutação. O significado da frase quase não se alterou e a frase está gramaticalmente correta. Com esta mutação, o novo vírus continua a ser suficientemente semelhante ao original para que o sistema imunitário o reconheça e ataque. Neste caso, não são necessários novos anticorpos. A terceira frase está gramaticalmente incorreta. Na linguagem do vírus, uma mutação deste tipo seria considerada malsucedida. A última frase é a que representa o perigo. Está gramaticalmente correta e tem uma semântica adequada. Estas são as exceções que, segundo o modelo de NLP, podem causar uma fuga viral. Os investigadores chamam à procura destas exceções 'constrained semantic change search' (CSCS).

Modelo de NLP e treino

Naturalmente, o verdadeiro modelo de NLP não foi treinado com frases, mas com os componentes das proteínas spike de diferentes coronavírus, as chamadas sequências de aminoácidos. O conjunto de treino continha pouco menos de 1000 sequências da proteína spike do SARS-CoV-2 e mais 3000 sequências de aminoácidos de proteínas spike de outros tipos de coronavírus. A imagem abaixo mostra o modelo de NLP. Internamente, o modelo constrói uma representação semântica, também chamada “embedding”, para uma determinada sequência de aminoácidos. A saída do modelo mostra até que ponto um aminoácido se enquadra na “gramática” da sequência. Na imagem, o aminoácido que melhor se enquadra gramaticalmente na sequência está assinalado com a letra maiúscula A.

Testes

Das 891 sequências diferentes de aminoácidos de proteínas spike de coronavírus que os investigadores analisaram com o modelo, uma pertencia a uma estirpe que tinha reinfetado uma pessoa recuperada da Covid-19 no ano anterior. Por isso, esta sequência obteve rapidamente uma pontuação elevada no CSCS. Em toda a série, foram encontradas apenas outras três sequências que apresentavam simultaneamente maior alteração semântica e maior gramaticalidade, como é designada. Os investigadores também introduziram algumas das novas variantes no algoritmo e verificaram que tanto a estirpe sul-africana como a britânica obtiveram pontuações "bastante elevadas" quanto à probabilidade de escape.

Como prevenir o escape viral

E agora? Se as novas mutações forem acompanhadas de perto e o algoritmo for utilizado para avaliar o seu grau de perigo, os investigadores poderão testar as estirpes suspeitas em laboratório o mais rapidamente possível e adaptar as vacinas em conformidade. O teste funciona assim: juntam-se as estirpes suspeitas e os anticorpos. Se os anticorpos não se ligarem às proteínas spike, os anticorpos atuais deixam de oferecer proteção. Ainda não é claro quanto tempo os responsáveis pelo desenvolvimento de vacinas poupam efetivamente com uma abordagem baseada em IA como esta. Mas sabemos que, numa pandemia desta dimensão, cada segundo conta.

Referências

1. Hie, Brian, et al. "Learning the language of viral evolution and escape." Science371.6526 (2021): 284-288. DOI: 10.1126/science.abd7331
2. https://singularityhub.com/2021/01/19/a-language-ai-is-accurately-predicting-covid-19-escape-mutations/
3. https://spectrum.ieee.org/ai-predicts-most-potent-covid-19-mutations
4. https://news.mit.edu/2021/model-viruses-escape-immune-0114
5. https://qz.com/africa/1995639/scientists-use-algorithms-to-predict-new-covid-19-variants/