Los proyectos que investigan al COVID-19 en el NHLPC
En tiempos duros como estos la investigación científica necesita todos los aportes posibles. Por lo mismo el Laboratorio Nacional de Computación de Alto Rendimiento ha sido clave para el desarrollo de nuevos modelos que nos ayuden a comprender y predecir los comportamientos del SARS-CoV-2.
El Laboratorio Nacional de Computación de Alto Rendimiento (NHLPC) puso a disposición de la comunidad científica nacional su supercomputador Guacolda-Leftraru, con el fin de ejecutar simulaciones que arrojen información útil para combatir la pandemia de COVID-19. A más de un mes del hecho, varias investigaciones ya arrojan resultados.
Predicción de resultados de medidas sanitarias
A través de una simulación realizada por profesores e ingenieros del Instituto de Sistemas Complejos de Ingeniería (ISCI) de la Universidad de Chile, un grupo de académicos logró predecir el tramo de contagios por Covid-19 tras haberse tomado diferentes medidas para controlar su propagación. Los casos estudiados fueron el de distanciamiento social más cierre de colegios, cuarentenas intermitentes y cuarentena total.
A diferencia de otros modelos de propagación -como el exponencial y el SIR-, el trabajo contó con información detallada sobre los componentes geográficos y demográficos de la población en Santiago. “En los modelos de microsimulaciones que ocupamos -y que son basados en gráficos- modelamos la red social de la ciudad: todos los agentes son un nodo y las conexiones sociales son arcos. Tal como se imagina uno una red social”, comenta el profesor de la Universidad de Chile y uno de los autores, José Correa.
El estudio, realizado con apoyo de inteligencia artificial y simulado en el supercomputador Guacolda-Leftraru, utilizó información detallada sobre el movimiento de personas y su interacción social: “Tuvimos acceso a datos del censo, de transporte y del sistema escolar chileno, por ejemplo. Con ellos lo que queríamos era dilucidar de dónde son las personas, de qué tamaño son las familias, su distribución etaria, cómo viaja la gente, entre otros”, agrega el ingeniero civil matemático.
En una idea similar es que el NHLPC también procesa un modelo aparte que estudia el efecto específico de cerrar las escuelas en todas las regiones a nivel nacional. El modelo simula las interacciones que existen entre los individuos durante un día, y contempla las que se producen en el hogar, trabajo, escuela durante el tiempo libre y también al momento de usar los sistemas de transporte.
El estudio se originó por la falta de consenso en la literatura científica cuando se refiere a la efectividad del cierre de colegios como medida preventiva. “En el caso de Hong Kong se analizó el efecto de cerrar escuelas durante la pandemia de H1N1. Cuando se confirmó el primer caso no importado, después de 41 días del primer caso importado, el gobierno entró en fase mitigación y anunció el cierre de todas las escuelas primarias, jardines de infancia guarderías y escuelas especiales” escribe el investigador encargado del estudio y director del Departamento de Economía de la Universidad Diego Portales, Nicolás Garrido, recordando que el número reproductivo efectivo del H1N1 antes de la medida era de 1,7 contagios por persona contagiada, número que bajó a 1,1 a posteriori.
En una simulación preliminar, los resultados de simulaciones realizadas para la región de Aysén arrojaron que, de un grupo de 60 simulaciones, se evidenció un descenso del número reproductivo en los casos donde se suspendieron clases comparados con los que no.
Por último, un método similar es el ocupado por el grupo de Juan Carlos Maureira, investigador del Centro de Modelamiento Matemático (CMM). En su caso, el modelo de agentes también simula interacciones de las personas en sus comunidades y en escuelas o trabajos, con la diferencia que también contempla el sistema hospitalario, considerando camas básicas, intermedias y UCI.
“Como nuestro modelo es una micro-simulación a nivel de personas, es muy intensivo en cálculo, y si bien estamos trabajando con una versión escalada del Gran Santiago (a una novena parte de escala), la capacidad de cálculo del NLHPC nos permite simular múltiples escenarios al mismo tiempo, lo que nos ayuda mucho a evaluar en el promedio la efectividad de una medida”, comenta Maureira.
Nuevas tecnologías para adelantarse a la aparición de casos
Gracias al trabajo del investigador asociado de la unidad de Evaluación de Tecnologías Sanitarias de la Universidad Católica (ETESA-UC), Carlos Balmaceda, se adaptó un modelo dinámico que es capaz de predecir el número de casos con SARS-CoV-2, lo que también permitiría calcular el uso de recursos asociados en el área de salud.
El modelo original, que fue publicado por investigadores del London School of Hygiene and Tropical Medicine, puede generar estimaciones confiables en el número de casos diarios reportados. Con la información arrojada por este modelo, el investigador espera poder evaluar futuras tecnologías necesarias para combatir el avance del virus.
“La utilización de los servicios del supercomputador del NHLPC ha impactado significativamente en la realización de este estudio. En primer lugar, nos ha permitido realizar un gran número de simulaciones para cada estimación, el cual tiene una gran carga computacional. Esto significa que hemos logrado reducir los tiempos de simulación de casi 12 horas o más, a 1 o 2 horas de trabajo, lo que es muy importante cuando trabajamos en problemas de salud pública con dinámicas que cambian día a día” escribe el investigador asociado de ETESA-UC, Carlos Balmaceda.
Hasta la fecha el modelo ha sido bastante preciso en estimaciones de casos totales reportados diariamente, con errores relativos menores al 1%.
Mapeo de nuevas cepas de SARS-CoV-2
La propagación del COVID-19 no es homogénea: la duplicación del SARS-CoV-2 (el coronavirus que genera la enfermedad por coronavirus) es imperfecta, ya que se introducen mutaciones azarosas en genomas descendientes, lo que significa que su alta mutabilidad le convierte en un virus que genera cepas nuevas rápidamente. Hasta el momento en el mundo se han rastreado sobre los 10.000 genomas diferentes.
Para mapear estas mutaciones en el SARS-CoV-2 es que el Centro de Regulación del Genoma (CRG) y el Centro de Modelamiento Matemático (CMM) han implementado un plan para hacer un mapeo y seguimiento de estos genomas en diversas regiones de Chile. Para ello utilizan las instalaciones del NLHPC que les permite realizar los análisis de secuencias necesarios.
La información que generan los investigadores (además de otros que hayan generado secuencias nuevas) está siendo recolectada en www.cov2.cl, donde se puede revisar el árbol familiar de cada una de estas variantes.
La recolección y seguimiento de estas secuencias es relevante ya que abre puertas no sólo para identificar las diversas variantes en nuestro país, sino que también permitiría detectar diferencias en transmisibilidad y virulencia de cada una. Además permite el mejoramiento de kits diagnósticos (ya que existe la posibilidad de que alguna de estas secuencias sea indetectable por los nuevos kits) y el desarrollo de nuevas vacunas y terapias farmacológicas.
Por su parte, el académico del Instituto de Ingeniería Biológica y Médica, César Ramírez Sarmiento de la Universidad Católica, estudió el proceso de infección de células humanas por coronavirus. El patógeno cuenta con una envoltura viral de glicoproteínas llamadas proteínas espina (proteínas S), las cuales facilitan la infección de células al unirse a los receptores ACE2 en las células humanas, tras lo cual el virus se fusiona con la membrana celular y libera su material genético dentro.
“Interesantemente, durante este proceso la proteína S cambia dramáticamente su estructura desde un estado pre-fusión que permite su interacción con ACE2 a un estado post-fusión para permitir el proceso de infección”, escribe Ramírez. Con esto en mente, el académico de la Universidad Católica investigó la secuencia de eventos durante esta fusión, con el fin de poder contribuir al diseño de drogas y anticuerpos.
Fuente: NLHPC