Journal of Data Mining en génomique et protéomique

Abstrait

Une analyse approfondie du SARS-CoV-2 à l'aide d'un modèle chaotique de dynamique non linéaire

Lin Fang, Xinlei Wang, Zhongyuan Lai, Dongdong Zhang, Mengqu Wu, Zhirui Pan, Li Wang, Kun Tang, Dahong Qian, Zhende Huang, Xudong Wang, Haibo Chen

L'image des automates cellulaires (CA) bidimensionnels est une méthode alternative pour représenter les séquences de nucléotides et d'acides aminés. Nous avons montré ici que les images CA bidimensionnelles peuvent délimiter de manière vivante les séquences de nucléotides (séquence de base) du gène et des génomes du SARS-CoV-2, l'agent pathogène de la pandémie de COVID-19. Si les règles des codons génétiques sont strictement respectées, les images CA peuvent également représenter les codons génétiques et exprimer indirectement les séquences d'acides aminés des protéines du SARS-CoV-2. Les images CA peuvent révéler les différences globales et détaillées entre les séquences de nucléotides ou d'acides aminés et elles sont très sensibles aux détails de la séquence, tels que le site de reconnaissance du clivage de la protéase hôte comme TMPRSS2, et le domaine de liaison au récepteur (RBD) de la protéine de pointe du SARS-CoV-2, qui sont sensibles même aux changements d'un seul acide aminé ou d'un nucléotide entre les séquences de différentes souches du SARS-CoV2. Nous pensons que les images CA peuvent fournir une base mathématique pour les messages génétiques viraux et les séquences d’acides aminés ou être appliquées à l’intelligence artificielle lors de l’expression des messages génétiques du SARS-CoV2 et d’autres virus.