Desde los primeros días de la pandemia de coronavirus, los detectives genéticos han estado a la vanguardia en el esfuerzo global para monitorear el SARS-CoV-2, el virus que causa COVID-19. Al comparar las huellas moleculares de diferentes muestras de virus recolectadas en el estado de Washington, pudieron rastrear los primeros signos de propagación de la comunidad en los EE. UU.
En un artículo publicado hoy por Nature Medicine, algunos de los pioneros de la epidemiología genómica han establecido elaboró un plan de 10 puntos para crear un ecosistema científico bien respaldado, no solo para luchar contra COVID-19, sino también para evitar futuras pandemias.
«COVID realmente aceleró el ritmo al que estaba sucediendo este trabajo», dijo Trevor Bedford, biólogo computacional en el Centro de Investigación del Cáncer Fred Hutchinson de Seattle, coautor del plan. «Ahora la comunidad está tratando de descubrir cómo abrocharse el cinturón a largo plazo».
La epidemiología genómica no comenzó con COVID-19: el esfuerzo por rastrear cómo se está propagando y evolucionando el virus está aprovechando las herramientas y redes creadas para tratar otras enfermedades, desde la polio hasta el virus del Zika.
Bedford y sus colegas pudieron seguir el curso de la pandemia en los EE. UU. y otros países gracias a los genomas que se secuenciaron para proyectos preexistentes tales como el Seattle Flu Study y Nextstrain.
Las raíces del llamado a la acción de hoy se remontan a más de un año, a una reunión de expertos en bioinformática y funcionarios de salud pública que se convocó en la sede de Seattle de la Fundación Bill y Melinda Gates. Esa reunión condujo a la creación de la Alianza de Salud Pública para Epidemiología Genómica, o PHA4GE (pronunciada como «fago»), dos meses antes de que surgiera COVID-19 en China.
En los últimos seis meses, más de 450 laboratorios en todo el mundo han contribuido 45,000 genomas de SARS-CoV-2 al banco de datos GISAID. El rastreo de las similitudes y diferencias en esos genomas puede revelar las relaciones evolutivas entre ellos, lo que lleva a mapas detallados del flujo viral.
Se ha aprendido mucho en el camino: por ejemplo, el análisis inicial Sugirió que el coronavirus se había propagado de una persona a unas 1.500 personas en el estado de Washington a fines de febrero, cuando los expertos confirmaron la transmisión comunitaria. Pero un análisis posterior, basado en datos genómicos adicionales, favoreció un escenario con múltiples rutas de transmisión.
Bedford dijo que el cambio en la visión de los científicos sobre los orígenes de la pandemia resaltó la importancia de poder compartir datos fácil y rápidamente. 19659004] «Básicamente, ninguna de estas cosas funciona si todo está aislado», dijo. «Si solo secuencia y no comparte sus datos para el estado de Washington, no tendrá idea de cómo se conecta con el resto del mundo. … Su capacidad para resolver la historia epidemiológica realmente depende de poder conectar diferentes puntos «.
Otro desafío se relaciona con el software que se ha creado para analizar datos genómicos con fines epidemiológicos. «No está muy bien mantenido o bien documentado, y es difícil de usar», dijo la autora principal del estudio, Allison Black, epidemióloga de Fred Hutch y la Universidad de Washington.
Black realizó docenas de entrevistas con epidemiólogos de todo el mundo. para tener una idea de los desafíos que enfrentaban, y lo que escuchó ayudó a dar forma a las 10 recomendaciones enumeradas en el documento publicado hoy:
- Apoye la higiene e interoperabilidad de los datos mediante el desarrollo y la adopción de un modelo de datos coherente.
- Fortalezca la programación de aplicaciones interfaces.
- Desarrollar pautas para el manejo y administración de datos genómicos.
- Hacer que las tuberías de bioinformática sean de código abierto y ampliamente accesibles.
- Desarrollar tuberías modulares para la visualización y exploración de datos.
- Mejore la reproducibilidad del análisis bioinformático .
- Utilice la computación en la nube para mejorar la escalabilidad y la accesibilidad de los análisis bioinformáticos.
- Compatibilidad con nuevo infrast exigencia de desarrollo de software y estructura con una fuerza laboral técnica ampliada.
- Mejore la integración de la epidemiología genómica con la epidemiología tradicional.
- Desarrolle las mejores prácticas para apoyar el intercambio de datos abiertos.
Black reconoció que encontrar los recursos para desarrollar software analítico estandarizado y proporcionar potencia de fuego de computación en la nube es otro gran desafío. «Los mecanismos de financiación tradicionales dentro de la academia realmente no incentivan ese trabajo, por lo que vamos a necesitar nuevos mecanismos de financiación para incentivar este trabajo y construir el ecosistema», dijo. «No puedo hablar exactamente de cómo se ve ahora».
Una posibilidad podría ser alistar a la industria de la tecnología: en marzo, por ejemplo, la Oficina de Política de Ciencia y Tecnología de la Casa Blanca reunió un Alto COVID-19 -El Consorcio de Computación de Desempeño que reunió a Amazon, Microsoft, Google y otras potencias tecnológicas para apoyar proyectos de investigación de grandes datos relacionados con la pandemia.
Otro coautor del estudio, Duncan MacCannell de los Centros para el Control y la Prevención de Enfermedades, enfatizó la necesidad de capacitar a los investigadores.
«Llevar una fuerza laboral bioinformática a la salud pública es un desafío enorme», dijo. «Al hacerlo, estás compitiendo contra la academia, estás compitiendo contra los muchos aspectos del sector privado, la industria de la biotecnología, la industria farmacéutica».
Actualizaciones de Coronavirus Live: los últimos desarrollos de COVID-19 en Seattle y el mundo de la tecnología
A pesar de la competencia, MacCannell dijo que el programa de becas de los CDC generalmente puede mantenerse.
«Por lo general, alrededor del 70% de nuestros graduados se mantienen en algún tipo de carrera de salud pública, ya sea en el ámbito federal o nivel estatal «, dijo. «No podemos competir necesariamente en base al salario, pero sí podemos competir sobre la base de preguntas fascinantes y gratificantes. Y realmente sientes que estás teniendo un impacto «.
Mirando hacia el futuro, Bedford dijo que los epidemiólogos genómicos podrían trabajar de la mano con los epidemiólogos tradicionales para responder algunas de las preguntas cruciales que surgieron en los últimos días. Por ejemplo, ¿el brote renovado de Arizona se debe principalmente a la reapertura del estado o debido a que los visitantes infectados reintroducen el virus?
«La genómica podría ayudar con ese tipo de comprensión detallada de lo que realmente está impulsando la propagación de la epidemia», dijo Bedford. Y esas ideas, a su vez, podrían apuntar a las mejores políticas para frenar una epidemia resurgente.
Los investigadores reconocen que su plan de 10 puntos tiene muchos espacios en blanco aún por completar. «Veo este documento como un comienzo punto de discusión «, dijo Black. «No creo que terminemos con el ecosistema de los sueños de la noche a la mañana. Vamos a encontrar mucho más … e iterar sobre ello «.
Pero Bedford dijo que es hora de tener un plan para trabajar.
» Estamos en este momento crítico aquí «, dijo. . “COVID realmente ha acelerado las cosas. Todos corren hacia esto tan rápido que es realmente necesario tener esta coordinación y pastoreo de gatos ”.
Además de Black, MacCannell y Bedford, el investigador de Fred Hutch, Thomas Sibley, es coautor del artículo publicado. por Nature Medicine, titulado «Diez recomendaciones para apoyar el análisis genómico de patógenos abiertos en la salud pública».
Deja una respuesta