Coronavírus: físicos brasileiros criam modelo que prevê mutações

2 min de leitura
Imagem de: Coronavírus: físicos brasileiros criam modelo que prevê mutações
Imagem: Fonte: rawpixel.com/Freepik/Reprodução.
Avatar do autor

Populações que não estão sendo vacinadas e os grupos sociais que se recusam a receber a vacina contra o coronavírus favorecem o aparecimento de variantes. Essa é uma das principais conclusões de um artigo de físicos brasileiros publicado no jornal científico Plos One. Eles criaram um modelo capaz de prever mutações no coronavírus com base na evolução genética do vírus durante a pandemia.

Populações não vacinadas prolongam pandemia, aponta estudo.Populações não vacinadas prolongam pandemia, aponta estudo.Fonte:  Freepik/prostooleh/Reprodução. 

O estudo, realizado no Instituto de Física Gleb Wataghin, da Universidade Estadual de Campinas (IFGW-Unicamp), alerta para o problema que, se não for resolvido urgentemente, pode resultar em um novo pico de casos em escala global – o que pode prolongar a fase crítica atual muito além do tempo esperado.

Segundo o coordenador do estudo, o físico Marcus de Aguiar, professor do IFGW-Unicamp, durante a replicação do vírus, erros de cópia são inevitáveis. Se algum desses erros proporcionar uma vantagem ao vírus, a mutação passa a ter importância e pode até predominar. "Se a propagação ocorre sem freios, devido à não vacinação, as mutações tendem a acontecer cada vez mais e a se espalhar pelo globo”, disse em entrevista à Agência Fapesp.

O perigo da não-vacinação

O líder da pesquisa explicou que não é a vacinação que favorece a mutação, mas a falta dela. No Brasil, 96% das mortes por covid-19 são de quem não tomou vacina, segundo a plataforma de monitoramento Info Tracker, desenvolvida por pesquisadores da Universidade de São Paulo (USP) e da Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp).

Entenda o modelo que prevê mutações no coronavírus

O modelo do estudo do IFGW-Unicamp, além de focar nos números de pessoas infectadas, suscetíveis e recuperadas ao longo do tempo, inclui a descrição do RNA do vírus, o que permite saber quão diferentes são os microrganismos em circulação em relação aos vírus originais e estimar se alguém que já tenha sido infectado pelo vírus original poderá ser reinfectado pela variante. Ele também prevê se o novo patógeno poderá escapar ou não da ação de vacinas projetadas para o vírus original.

O modelo desenvolvido é uma aproximação simplificada do que acontece na realidade e foi construído com base no modelo do tipo SEIR, já consagrado em epidemiologia. "Adotamos essas simplificações para poder concentrar o foco em nosso objetivo, que era estudar o acúmulo das mutações virais durante a pandemia e o quão diferentes os vírus podem ficar”, esclareceu o pesquisador.

“Enquanto um indivíduo permanece infectado, o vírus pode sofrer mutações e ser transmitido. Calculamos a ‘distância’ entre o vírus original e a variante a partir do número de bases nitrogenadas distintas que eles apresentam. Nossas equações sugerem que é possível prever, com dados epidemiológicos [número de suscetíveis, infectados e recuperados], a variabilidade da população viral [‘distância média’ entre as sequências de RNA], sem que seja necessário ter acesso a uma enorme quantidade de dados genéticos”, explicou Aguiar.

Para testar o modelo, os pesquisadores utilizaram dados da epidemia na China no início de 2020. Foi simulada a evolução da “distância genética média” entre os vírus que teriam hipoteticamente surgido durante aquele período. Comparando o resultado com as distâncias calculadas a partir de dados genéticos obtidos localmente no mesmo período, a previsão apresentou boa concordância com os dados reais.

ARTIGO Plos One: doi.org/10.1371/journal.pone.0255438