Publicación:

Análisis bioinformático de los cebadores para los genes de Hemaglutinina, Proteína Nuclear y Proteínas de Matriz del virus de Influenza A H1N1 empleados en el diagnóstico 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 RT-PCR con los genes HA, NP y M1-M2 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 1991-2019, 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 M1- M2 del virus de la Influenza A H1N1 y se evaluó su eficiencia in silico para implementarlos en los diagnósticos de RT-PCR. Se obtuvieron 7362 secuencias de IRD y se validaron con el software Sequence Manager y un código de selección en la supercomputadora GUANE-1, 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 A-T y los degenerados R-Y 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 2019-2020. Se observó con algoritmos-Zuker las secuencias diseñadas fueron eficientes en RT-PCR con el sustrato sintético. En conclusión, el sistema de diagnóstico puede ser eficiente para su aplicación en pacientes.