Dados genômicos podem melhorar a modelagem de pandemia, dizem pesquisadores

Dados, modelos, previsões e resultados podem abranger vários níveis de resolução. Por exemplo, os dados podem incluir sequências, a partir das quais desejamos modelar tipos de sequência ou genótipos, para prever tendências globais de doenças e, assim, projetar uma estratégia eficiente de implantação de recursos. Alternativamente, a composição da população de patógenos por subpopulações maiores (por exemplo, sorotipo ou variante) pode ser o nível focal para a diversidade genética. Existem inúmeras combinações, a partir das quais o cientista deve determinar a escala ideal em cada etapa. Crédito: Microbiologia da Natureza (2022). DOI: 10.1038/s41564-022-01233-6

Pesquisadores da Simon Fraser University estão defendendo a inclusão de dados genômicos em modelos de previsão para entender melhor a propagação de doenças infecciosas. Os pesquisadores dizem que incorporar esses dados em modelos de previsão pode informar o monitoramento, a coordenação e ajudar a determinar onde os recursos são necessários.

Em um artigo publicado esta semana em Microbiologia da Naturezaos pesquisadores matemáticos da SFU Caroline Colijn, Pengyu Liu e Jessica Stockdale observam que as tecnologias de sequenciamento genômico melhoraram a ponto de ser possível amostrar consistentemente ao longo do tempo para entender como os patógenos sofrem mutações e evoluem para produzir novas variantes ou cepas.

À medida que a tecnologia melhorou, eles dizem que se tornou mais viável integrar dados genômicos de vírus e outros patógenos em modelos matemáticos preditivos que preveem a propagação de uma infecção. Os modelos podem incorporar a diversidade do patógeno, a taxa de transmissão e intervenções como tratamento antibiótico de vacinação.

“Os dados genômicos podem ser usados ​​para tornar as previsões mais precisas na avaliação dos riscos de evasão imunológica e resistência antimicrobiana (resistência a antibióticos ou outros opções de tratamento) e pode ajudar a mitigar esses riscos”, diz Colijn, que detém uma cadeira de pesquisa do Canada 150 em Matemática para Evolução, Infecção e Saúde Pública. Ela também supervisiona a Rede Canadense de Modelagem de Doenças Infecciosas (CANMOD) e é co-diretora científica do Instituto Pacífico sobre Patógenos, Pandemias e Sociedade (PIPPS) com sede na SFU.

Pesquisas anteriores usaram dados genômicos coletados nos últimos 20 anos para analisar a evolução e a disseminação de doenças em retrospecto. A equipe sugere que a incorporação de dados genômicos em modelos preditivos pode permitir uma previsão mais precisa do comportamento do patógeno no futuro. Os dados genômicos seriam combinados com outras fontes de informação, como dados epidemiológicos, clínicos e do sistema de vigilância.

A equipe acrescenta que pode haver considerações éticas que precisam ser levadas em consideração ao usar dados genômicose desafios a serem superados no desenvolvimento de métodos para integrar modelagem, previsão e genômica.

Os pesquisadores enfatizam a importância da modelagem precisa para projetar a possível carga futura de doenças, entender os prováveis ​​padrões de evolução e diversidade de patógenos e informar decisões sobre o controle de doenças infecciosas.

Obter uma compreensão de como um vírus se comporta também pode informar campanhas de comunicação que aconselham o público sobre as ações a serem tomadas para reduzir o risco de infecção. A Organização Mundial da Saúde também conta com modelos para estimar a carga de doenças, fazer projeções e informar políticas.