Os bia³logos quantitativos David McCandlish e Juannan Zhou no Cold Spring Harbor Laboratory desenvolveram um algoritmo com poder preditivo, dando aos cientistas a capacidade de ver como mutações genanãticas especa­ficas podem se combinar para fazer com que protea­nas cra­ticas mudem ao longo da evolução de uma espanãcie.

Descrito em Nature Communications , o algoritmo chamado "interpolação ma­nima da epistasia" resulta em uma visualização de como uma protea­na pode evoluir para se tornar altamente eficaz ou não ser eficaz. Eles compararam a funcionalidade de milhares de versaµes da protea­na, encontrando padraµes de como as mutações fazem com que a protea­na evolua de uma forma funcional para outra.

"Epistasia" descreve qualquer interação entre mutações genanãticas nas quais o efeito de um gene depende da presença de outro. Em muitos casos, os cientistas assumem que quando a realidade não se alinha com seus modelos preditivos, essas interações entre genes estãoem jogo. Com isso em mente, McCandlish criou esse novo algoritmo assumindo que toda mutação éimportante. O termo "interpolação" descreve o ato de prever o caminho evolutivo das mutações que uma espanãcie pode sofrer para alcana§ar a função ideal da protea­na.

Os pesquisadores criaram o algoritmo testando os efeitos de mutações especa­ficas que ocorrem nos genes que produzem a protea­na estreptoca³cica GB1. Eles escolheram a protea­na GB1 por causa de sua estrutura complexa, que geraria um número enorme de possa­veis mutações que poderiam ser combinadas de um número enorme de maneiras possa­veis.

"Devido a essa complexidade, a visualização desse conjunto de dados se tornou tão importante", diz McCandlish. "Quera­amos transformar os números em uma imagem para que possamos entender melhor o que [os dados] estãonos dizendo".

Uma foto de David McCandlish em seu escrita³rio. Ele estãoapontando para uma visualização do que ele chama de "Espaço evolutivo" da protea­na GB1. Crédito: CSHL, 2020

A visualização écomo um mapa topola³gico. Altura e cor correlacionam-se com onívelde atividade das protea­nas e a distância entre os pontos no mapa representa quanto tempo leva para as mutações evoluirem para essenívelde atividade.

A protea­na GB1 comea§a na natureza com umnívelmodesto de atividade proteica, mas pode evoluir para umnívelde atividade proteica mais alta por meio de uma sanãrie de mutações que ocorrem em vários locais diferentes.

McCandlish compara o caminho evolutivo da protea­na a  caminhada, onde a protea­na éum caminhante que tenta chegar aos picos mais altos ou melhores da montanha com mais eficiência. Os genes evoluem da mesma maneira: com uma mutação buscando o caminho de menor resistência e maior eficiência.

 Para chegar ao pra³ximo melhor pico alto da cordilheira, émais prova¡vel que o alpinista viaje ao longo da cordilheira do que caminhe todo o caminho de volta ao vale. Indo ao longo da cordilheira evita com eficiência outra subida potencialmente difa­cil. Na visualização, o vale éa área azul, onde combinações de mutações resultam nos na­veis mais baixos de atividade das protea­nas.

McCandlish explica que o algoritmo também pode ajudar a "entender as rotas genanãticas que um va­rus pode seguir a  medida que evolui para fugir do sistema imunológico ou ganhar resistência a s drogas. Se pudermos entender as rotas prova¡veis, talvez possamos criar terapias que possam impedir a evolução. de resistência ou evasão imunola³gica ".

Existem aplicações potenciais adicionais para um algoritmo genanãtico preditivo, incluindo desenvolvimento de drogas e agricultura.

"Vocaª sabe, no começo da genanãtica ... havia toda essa especulação interessante sobre como seriam esses Espaços genanãticos se vocêpudesse realmente vaª-los", acrescentou McCandlish. "Agora estamos realmente fazendo isso! Isso émuito legal."