Publicación:

Análisis bioinformático de los cebadores para los genes de hemaglutinina, proteína nuclear, proteínas de matriz del virus de la influenza a h1n1 empleados en el diagnostico a pacientes por rt pcr en tiempo real, de 2019 a agosto de 2020

Resumen

El virus de la Influenza A H1N1 es un virus zoonótico de genoma monocatenario de ARN en sentido negativo que infecta humanos, cerdos, aves y otros animales. Los diagnósticos epidemiológicos indican que el virus continúa mutando, lo cual, origina nuevas epidemias y pandemias. Las pruebas de RTPCR con los genes HA, NP y M1M2 autorizados por la OMS, son la forma más rápida para detectar personas infectadas, pero con la alta tasa mutacional del virus se ha evidenciado que los cebadores y las sondas comerciales no amplifican y generan falsos negativos, aunque las vacunas para la Influenza son actualizadas año a año, las pruebas para diagnóstico no lo son. Los análisis bioinformáticos realizados por el grupo CAGE desde 19912019, han demostrado que existen nuevos patrones mutacionales que generan diagnósticos incorrectos o que reconocen otros virus de Influenza. Para descartar falsos negativos, se crearon nuevos cebadores, sondas y oligonucleótidos de los genes HA, NP y M1M2 del virus de la Influenza A H1N1 y se evaluó su eficiencia in silico para implementarlos en los diagnósticos de RTPCR. Se obtuvieron 7362 secuencias de IRD y se validaron con el software Sequence Manager y un código de selección en la supercomputadora GUANE1, obteniendo 5872 secuencias para el año 2019 y 1490 para el año 2020. Se construyó una base de datos que permitió validar la eficiencia de los cebadores y sondas, al conocer los nucleótidos mayoritarios AT y los degenerados RY en las secuencias consenso. Se corroboraron los alineamientos en BLAST con los cebadores y sondas de los nucleótidos mayoritarios, los cuales reconocieron sus respectivas secuencias para los años 20192020. Se observó con algoritmosZuker las secuencias diseñadas fueron eficientes en RTPCR con el sustrato sintético. En conclusión, el sistema de diagnóstico puede ser eficiente para su aplicación en pacientes.