Orgasme yang Segera Terjadi Pada Wanita Berhubungan Dengan Kaki Gelisah - ScienceDaily

Dengan menggunakan sistem komputasi ini, para peneliti dapat mengidentifikasi urutan protein virus yang dapat membuat target vaksin yang lebih baik – ScienceDaily


Salah satu alasan mengapa begitu sulit untuk menghasilkan vaksin yang efektif untuk melawan beberapa virus, termasuk influenza dan HIV, adalah karena virus ini bermutasi dengan sangat cepat. Hal ini memungkinkan mereka untuk menghindari antibodi yang dihasilkan oleh vaksin tertentu, melalui proses yang dikenal sebagai “pelarian virus”.

Peneliti MIT kini telah menemukan cara baru untuk memodelkan pelarian virus secara komputasi, berdasarkan model yang pada awalnya dikembangkan untuk menganalisis bahasa. Model ini dapat memprediksi bagian mana dari protein permukaan virus yang lebih mungkin bermutasi dengan cara yang memungkinkan pelarian virus, dan juga dapat mengidentifikasi bagian yang cenderung tidak bermutasi, menjadikannya target yang baik untuk vaksin baru.

“Pelarian dari virus adalah masalah besar,” kata Bonnie Berger, Profesor Matematika Simons dan kepala kelompok Komputasi dan Biologi di Laboratorium Ilmu Komputer dan Kecerdasan Buatan MIT. “Lepasnya virus dari protein permukaan influenza dan protein permukaan selubung HIV keduanya sangat bertanggung jawab atas fakta bahwa kita tidak memiliki vaksin flu universal, juga tidak memiliki vaksin untuk HIV, yang keduanya menyebabkan ratusan ribu. kematian setahun. “

Dalam sebuah penelitian yang muncul hari ini di Ilmu, Berger dan rekannya mengidentifikasi kemungkinan target vaksin melawan influenza, HIV, dan SARS-CoV-2. Sejak makalah itu diterima untuk publikasi, para peneliti juga menerapkan model mereka pada varian baru SARS-CoV-2 yang baru-baru ini muncul di Inggris dan Afrika Selatan. Analisis itu, yang belum ditinjau oleh sejawat, menandai urutan genetik virus yang harus diselidiki lebih lanjut untuk potensi mereka untuk lolos dari vaksin yang ada, kata para peneliti.

Berger dan Bryan Bryson, asisten profesor teknik biologi di MIT dan anggota Ragon Institute of MGH, MIT, dan Harvard, adalah penulis senior makalah ini, dan penulis utama adalah mahasiswa pascasarjana MIT Brian Hie.

Bahasa protein

Jenis virus yang berbeda memperoleh mutasi genetik pada tingkat yang berbeda, dan HIV serta influenza termasuk di antara yang bermutasi paling cepat. Agar mutasi ini mendorong pelarian virus, mutasi harus membantu virus mengubah bentuk protein permukaannya sehingga antibodi tidak dapat lagi mengikatnya. Namun, protein tidak dapat berubah dengan cara yang membuatnya tidak berfungsi.

Tim MIT memutuskan untuk memodelkan kriteria ini menggunakan jenis model komputasi yang dikenal sebagai model bahasa, dari bidang pemrosesan bahasa alami (NLP). Model-model ini pada awalnya dirancang untuk menganalisis pola-pola dalam bahasa, khususnya frekuensi yang dengan kata-kata tertentu muncul bersamaan. Model kemudian dapat membuat prediksi kata mana yang dapat digunakan untuk melengkapi kalimat seperti “Sally ate eggs for …” Kata yang dipilih harus benar secara tata bahasa dan memiliki arti yang benar. Dalam contoh ini, model NLP mungkin memprediksi “sarapan”, atau “makan siang”.

Wawasan utama para peneliti adalah bahwa model semacam ini juga dapat diterapkan pada informasi biologis seperti urutan genetik. Dalam hal ini, tata bahasa dianalogikan dengan aturan yang menentukan apakah protein yang dikodekan oleh urutan tertentu berfungsi atau tidak, dan makna semantik analog dengan apakah protein dapat mengambil bentuk baru yang membantunya menghindari antibodi. Oleh karena itu, mutasi yang memungkinkan pelarian virus harus mempertahankan tata bahasa urutannya tetapi mengubah struktur protein dengan cara yang bermanfaat.

“Jika virus ingin lepas dari sistem kekebalan manusia, ia tidak ingin bermutasi sehingga mati atau tidak dapat mereplikasi,” kata Hie. “Ia ingin menjaga kebugaran tetapi cukup menyamarkan dirinya sehingga tidak terdeteksi oleh sistem kekebalan manusia.”

Untuk memodelkan proses ini, para peneliti melatih model NLP untuk menganalisis pola yang ditemukan dalam sekuens genetik, yang memungkinkannya memprediksi sekuens baru yang memiliki fungsi baru namun tetap mengikuti aturan biologis struktur protein. Satu keuntungan signifikan dari pemodelan semacam ini adalah bahwa pemodelan ini hanya membutuhkan informasi urutan, yang jauh lebih mudah diperoleh daripada struktur protein. Model tersebut dapat dilatih berdasarkan sejumlah kecil informasi – dalam penelitian ini, para peneliti menggunakan 60.000 rangkaian HIV, 45.000 rangkaian influenza, dan 4.000 rangkaian virus corona.

“Model bahasa sangat kuat karena mereka dapat mempelajari struktur distribusi yang kompleks ini dan mendapatkan beberapa wawasan tentang fungsi hanya dari variasi urutan,” kata Hie. “Kami memiliki korpus besar data urutan virus untuk setiap posisi asam amino, dan model mempelajari sifat-sifat asam amino ko-kejadian dan ko-variasi di seluruh data pelatihan.”

Memblokir pelarian

Setelah model dilatih, para peneliti menggunakannya untuk memprediksi urutan protein lonjakan virus corona, protein selubung HIV, dan protein influenza hemagglutinin (HA) yang kemungkinan besar akan menghasilkan mutasi lolos.

Untuk influenza, model tersebut mengungkapkan bahwa urutan yang paling tidak mungkin bermutasi dan menghasilkan pelarian virus berada di batang protein HA. Hal ini sesuai dengan penelitian terbaru yang menunjukkan bahwa antibodi yang menargetkan batang HA (yang kebanyakan orang yang terinfeksi flu atau divaksinasi tidak berkembang) dapat menawarkan perlindungan yang hampir universal terhadap semua jenis flu.

Analisis model virus korona menunjukkan bahwa bagian dari protein lonjakan yang disebut subunit S2 paling tidak mungkin menghasilkan mutasi lolos. Pertanyaannya masih ada, seberapa cepat virus SARS-CoV-2 bermutasi, sehingga tidak diketahui berapa lama vaksin yang sekarang digunakan untuk memerangi pandemi Covid-19 akan tetap efektif. Bukti awal menunjukkan bahwa virus tidak bermutasi secepat influenza atau HIV. Namun, para peneliti baru-baru ini mengidentifikasi mutasi baru yang muncul di Singapura, Afrika Selatan, dan Malaysia, yang mereka yakini harus diselidiki untuk kemungkinan keluarnya virus (data baru ini belum ditinjau sejawat).

Dalam penelitian mereka tentang HIV, para peneliti menemukan bahwa daerah hipervariabel V1-V2 pada protein memiliki banyak kemungkinan mutasi melarikan diri, yang konsisten dengan temuan sebelumnya, dan mereka juga menemukan urutan yang memiliki kemungkinan lebih rendah untuk lolos.

Para peneliti sekarang bekerja dengan orang lain untuk menggunakan model mereka guna mengidentifikasi kemungkinan target vaksin kanker yang merangsang sistem kekebalan tubuh sendiri untuk menghancurkan tumor. Mereka mengatakan itu juga bisa digunakan untuk merancang obat molekul kecil yang mungkin lebih kecil kemungkinannya untuk memicu resistensi, untuk penyakit seperti tuberkulosis.

“Ada begitu banyak peluang, dan yang indah adalah yang kami butuhkan hanyalah data urutan, yang mudah dibuat,” kata Bryson.

Penelitian ini didanai oleh National Defense Science and Engineering Graduate Fellowship dari Department of Defense dan National Science Foundation Graduate Research Fellowship.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Toto HK