A koronavírus korai változata egy antarktiszi mintában
Egyre nagyobb mennyiségben érhetők el különböző kutatók által összegyűjtött hatalmas tudományos adathalmazok. A csillagászatban például az egyik projekt a Sloan Digital Sky Survey volt, amely az univerzum első 3D-s térképét tartalmazza. Feltérképeztük 300 millió galaxis pozícióját, alakját és egy részüknek színképét is. Ezt az adatkészletet ma referencia-térképként használják sok más kutatási projektben, hasonlóan ahogy a mindennapokban használjuk a Google térképét a tájékozódáshoz.
Az elmúlt évtizedben a technológia gyors fejlődésének köszönhetően az új generációs szekvenálás – az élőlények örökítőanyagának leolvasásása - olyan ütemben fejlődött, amely még a mikroelektronika és a számítógépek amúgy is exponenciális gyorsulását is felülmúlja. Ez lehetővé tette több ezer faj szekvenálását és több százezer rákos beteg, valamint állat, növény és környezeti minta genomjának digitalizálását, amelyek mindegyike több ezer - többnyire baktérium - fajt tartalmaz. Ezen adatok nagy része az EBI ENA / NCBI SRA és más szekvenciaadat-archívumokban került fel az internetre. Ezek az adatok a "Google-térképek" szerepét töltik be számos tudományág számára, a rák immunterápiájától a járványtanig. A pontos számok napról napra növekednek, de több száz petabájtról beszélünk. Ez egy nagyon gazdag és értékes adathalmaz minden kapcsolódó kutatás számára.
"Érdekes dolog, hogy bármikor, amikor mintát veszünk, az nem csak azt tartalmazhatja, amit gyűjteni szándékozunk, hanem sok más dolgot is" - magyarázza a nemrég közreadott tanulmány előzményeit Csabai István fizikus. "Például egy néhány évvel ezelőtti tanulmányunkban a "globális szennyvíz" szekvenálási adathalmazt elemeztük. Ez úttörő projekt volt, amelyet dán kollégák szerveztek, és gyűjtöttek szennyvízmintákat a világ minden tájáról, mintegy 100 városból. Akkoriban nem a kórokozók megfigyelése céljából, hanem az antimikrobiális rezisztencia világméretű eloszlásának tanulmányozására. Valóban sikerrel jártak, de mi egy másik elemzést végeztünk, és emberi mitokondriális DNS-t kerestünk. A kollégák figyelmeztettek, hogy a laboratóriumi eljárásokat baktériumokra tervezték, és általában a szennyvíz annyira el van árasztva bakteriális genetikai anyaggal, hogy üres kézzel fogunk kijönni a vizszgálatokból. Nem ez történt. Nemcsak hogy emberi DNS-nyomokat találtunk, hanem rekonstruálni tudtuk az úgynevezett emberi haplocsoportokat, amelyek megfeleltek a népcsoportok valós eloszlásának a Földön."
A mostani tanulmány is hasonló. "Kihasználva a szekvenciaolvasási archívumok hihetetlenül gazdag forrását,
olyan mintákat kerestünk, amelyeket 2019 decembere előtt gyűjtöttek, és amelyek a SARS-CoV-2 genomikai nyomait tartalmazzák.
Technikailag ez elég nagy kihívás az említett hatalmas adatmennyiség miatt, de a leleményes informatikus kutatóknak, az ügyes matematikai trükköket alkalmazó algoritmusoknak, valamint a számítógépek egyre növekvő sebességének köszönhetően ez megoldható. Ez egyfajta Google-keresés a genetikai szekvenciákhoz.
Azt reméltük, hogy SARS-CoV-2 nyomokat találhatunk néhány olyan mintában, amelyet más okokból gyűjtöttek, és ez közelebb vihet a covid eredetéhez. Izgalmas volt látni, hogy az egyik legjobb találat az Antarktiszról származó talajminták voltak. Elméletileg nem elképzelhetetlen, hogy a fókák (a mintákat olyan helyekről gyűjtötték, ahol fókák és pingvinek gyülekeznek) - a húsevők más fajaihoz hasonlóan, mint pl. macskák vagy a vadászgörények - hordozhatnak covidot. Aztán talán néhány fertőzött halon keresztül jutottak el Wuhan hírhedt tengeri halpiacára. Ezek azok a furcsa és a legtöbb esetben hamis hipotézisek, amelyeket a kutatók gyakran felvetnek, amikor olyan adatokat látnak, amelyeket nem könnyű megmagyarázni.
Ahogy mélyebbre ástunk, nyilvánvalóvá vált, hogy a SARS-CoV-2 genetikai nyomoknak semmi közük az Antarktiszhoz, inkább más mintákból származó szennyeződésről van szó.
Így az "adatok szólásszabadsága" arra kényszerített minket, hogy módosítsuk a hipotézist, amit nagyon sajnálok, mert ez egy sokkal érdekesebb tudományos történet lett volna, és sokkal kevésbé lenne átitatott politikával. További vizsgálatokkal a feltételezett gazdafajokat is azonosítani tudtuk: ember, zöld majom és kínai hörcsög" - mondta Csabai profeszor. Valószínűleg ez a genetikai anyag nem élő állatokból származik, inkább a virológiai kísérletekben gyakran használt sejtkultúrákból.
A rejtély hiányzó darabja a szekvenálás pontos dátuma. "Annyit bizonyos, hogy a feltárt SARS-CoV-2 genom leginkább a legkorábbi ismert törzsre hasonlít, de nem azonos vele, valamint hogy a DNS-t 2019 decemberében vonták ki és küldték el szekvenálásra" - teszi hozzá a professzor. Attól függően, hogy mikor gyűjtötték a szennyező mintákat, a szóban forgó tanulmány lehet egy önmagában is érdekes történet a nagy adatelemzésben rejlő hihetetlen lehetőségekről, vagy közelebb vihet a még mindig tartó világjárvány eredetének megértéséhez.
A kutatások kapcsolódnak az ELTE-n folyó Horizon 2020 (VEO No. 874735), Horizon Europe (BY-COVID No. 101046203) és FIEK_16-1-2016-0005 projektekhez.