Delphy mapeia 100,000 sequências virais num dia

Quando um novo vírus começa a circular, os epidemiologistas querem saber como entrou numa população, quantas vezes foi introduzido e que casos estão ligados entre si. A abordagem analítica habitual, a filogenética bayesiana, calcula várias árvores genealógicas virais plausíveis e conserva a incerteza real sobre a história do surto. O problema é que aplicar essa análise a milhares de sequências tem sido extremamente demorado. Um estudo revisto por pares publicado na Nature em 16 de setembro apresenta a Delphy, uma ferramenta concebida para reduzir essa limitação em várias ordens de grandeza e funcionar num navegador comum.

Guardar apenas as diferenças

A maioria das ferramentas filogenéticas trata cada genoma como uma sequência completa de letras genéticas, comparando todos os genomas de raiz em cada etapa da análise. Durante um surto, porém, as cópias do vírus que circulam são geneticamente muito semelhantes. A Delphy tira partido dessa semelhança através de uma estrutura chamada árvore explícita anotada com mutações, que funciona de forma parecida com um ficheiro de histórico de versões: em vez de guardar cada documento completo, regista apenas o que mudou entre versões. Um artigo técnico relacionado, publicado na Genetics, indica que esta representação pode proporcionar ganhos de 1 000 vezes na eficiência estatística quando as sequências diferem em poucas posições. Essa eficiência é uma das componentes do desenho da Delphy, que a combina com rotinas computacionais optimizadas para obter os ganhos de velocidade descritos no artigo da Nature.

Para perceber por que razão a velocidade é relevante, convém olhar para o que a análise bayesiana oferece. Um método convencional devolve uma única árvore com maior suporte estatístico. A inferência bayesiana conserva várias árvores alternativas e mostra a incerteza quanto à cronologia e às relações entre elas. O analista pode, assim, comunicar a relação provável entre dois grupos juntamente com o grau de confiança nessa conclusão. Essa transparência é importante quando decisões de saúde pública dependem de saber se os casos partilham um antepassado recente ou se chegaram de forma independente. O preço tem sido computacional: o número de formas possíveis de uma árvore cresce enormemente à medida que aumenta o número de sequências, e plataformas consolidadas como BEAST 2 exigem execuções longas e avaliação especializada.

Os autores dizem que a Delphy processou um conjunto de dados simulado com 100 000 sequências num dia, produzindo resultados que consideram comparáveis aos de análises bayesianas consolidadas (Nature). Esse resultado de referência ainda não foi reproduzido de forma independente. Actualmente, a Delphy suporta uma gama mais restrita de modelos populacionais do que uma plataforma de uso geral como a BEAST 2, sendo uma ferramenta desenhada especificamente para surtos, e não um substituto universal da análise evolutiva.

Da simulação a um surto em curso

A Delphy já saiu dos conjuntos de teste. Uma publicação no Virological.org documenta a aplicação da interface web da Delphy por investigadores durante o surto do vírus Bundibugyo de 2026 na República Democrática do Congo e no Uganda. Isso confirma a utilização num surto em curso, embora ainda não exista evidência de que tenha alterado uma decisão concreta de saúde pública ou reduzido a duração de uma intervenção.

O desenho baseado num navegador é relevante para a acessibilidade. O Broad Institute, que teve um papel central no trabalho, apresenta esta característica como parte do valor que a Delphy pretende oferecer na resposta a surtos, uma vez que poderá permitir às autoridades de saúde iniciar uma análise sem dispor de uma infra-estrutura de computação de alto desempenho. A disponibilidade pública, os termos da licença e os requisitos práticos de equipamento não ficaram esclarecidos nesta análise.

A velocidade também não corrige o que acontece antes de as sequências chegarem ao software. Uma análise separada do Bundibugyo mostra a realidade a montante: antes de poderem construir qualquer árvore, os investigadores tiveram de excluir, entre 626 genomas, valores atípicos causados por erros de sequenciação e pelo registo incorrecto de datas. Uma análise mais rápida não compensa uma amostragem tardia, uma qualidade insuficiente das sequências ou falhas de vigilância.

O resultado revisto por pares mostra que a reconstrução bayesiana de surtos pode ser aplicada a conjuntos muito maiores do que os demonstrados anteriormente, pelo menos nos testes realizados pelos autores. A próxima evidência relevante será saber se as equipas que acompanham surtos conseguem reproduzir essa velocidade com dados imperfeitos do mundo real e usar o tempo poupado para sustentar uma decisão concreta.