Contrastare le future pandemie attraverso l’analisi dei dati dei genomi ricombinanti dei virus. Lo studio Data-driven recombination detection in viral genomes, pubblicato sulla rivista Nature Communications presenta i promettenti risultati di RecombinHunt, un nuovo metodo data-driven sviluppato da Stefano Ceri, Anna Bernasconi e Tommaso Alfonsi del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano insieme a Matteo Chiara dell’Università degli Studi di Milano, in grado di riconoscere, con grande precisione e efficienza computazionale, genomi ricombinanti di SARS-CoV-2 con uno o due punti di rottura.

La ricombinazione, cioè la composizione di due o più genomi virali per formare un nuovo genoma, è un efficiente meccanismo molecolare per l'evoluzione e l'adattamento dei virus. Sulla spinta della pandemia COVID-19, sono stati proposti diversi metodi per rilevare genomi ricombinanti del virus SARS-CoV-2; tuttavia finora, nessuno è stato in grado di confermare fedelmente le analisi manuali degli esperti del settore. ReconbinHunt mostra un'elevata specificità e sensibilità, è più efficace di tutti gli altri metodi già sviluppati, e conferma fedelmente le analisi manuali degli esperti.

Il metodo, sviluppato nel contesto del PRIN PNRR 2022, progetto SENSIBLE (Small-data Early warNing System for viral pathogens In puBLic hEalth), identifica inoltre anche i genomi virali ricombinanti della recente epidemia di vaiolo delle scimmie con un'elevata concordanza con le analisi curate manualmente dagli esperti, suggerendo che l’approccio è robusto e può essere applicato a qualsiasi virus epidemico o pandemico, costituendo un importante strumento per contrastare future pandemie.