Predição in silico de redes de interação proteica interespécie entre Zika vírus e seus hospedeiros vertebrados e invertebrados

Abstract

O ZIKA vírus (ZIKV) é um membro da família Flaviviridae, isolado pela primeira vez na década de 40 e que foi negligenciado por autoridades de saúde e pela ciência durante várias décadas. A recente epidemia mundial, conforme declarada pela Organização Mundial de Saúde (OMS) em fevereiro de 2016, e o aumento do número de casos de microcefalia e síndrome de Guillain-Barré (SGB) associados ao ZIKV colocaram o mesmo em evidência. Entender os mecanismos moleculares da infecção viral nos diversos hospedeiros é necessário para o desenvolvimento de tratamentos e medidas preventivas. As abordagens experimentais apresentam várias dificuldades para este tipo de estudo quando aplicadas em larga escala, fazendo com que os métodos computacionais surjam como importantes ferramentas de auxílio às abordagens tradicionais. As interações proteína-proteína (ou PPI, do acrônimo inglês Protein-Protein Interactions) podem ser usadas para estudar os mecanismos da infecção viral. Através do uso de algoritmos de aprendizado de máquinas, como Random Forest, aplicados aos proteomas investigados neste estudo, predições de interações proteicas entre ZIKV e seus diversos hospedeiros foram realizadas. Este estudo mostrou que a metodologia aqui empregada trouxe níveis de predição semelhantes à outras abordagens, porém foi aplicado à vários hospedeiros. Foi possível demonstrar em grafos bipartidos a importância das proteínas virais associadas a mecanismos de escape imunológico ou na transmissão do vírus por vetores, baseado nos números de interações realizadas e indicar possibilidades de malformação no sistema nervoso, especialmente na fase embrionária, em outras espécies além do H. sapiens.