Das Online-Tool CoVerage ermöglicht die Identifizierung und Charakterisierung besorgniserregender SARS-CoV-2-Varianten (Variants of Concern, VOC) bis zu drei Monate vor ihrer offiziellen Einstufung durch die Weltgesundheitsorganisation (WHO). Seit Beginn der Pandemie haben sich mehrere Virusvarianten entwickelt, die aufgrund ihrer erhöhten Übertragbarkeit, ihres Potenzials zur Veränderung des Krankheitsschweregrads oder ihrer Fähigkeit, die Immunität durch Impfungen oder Infektionen zu umgehen, erhebliche Belastungen für Gesundheitssysteme verursachen können. Unter der Leitung von Alice McHardy wurde in einer in Nature Communications veröffentlichten Analyse gezeigt, dass CoVerage potenzielle Varianten von Interesse (pVOIs) schnell und präzise erkennt.

Die Plattform nutzt eine neu entwickelte Analysemethode, die auf einer Matrix basiert, welche anhand der Entwicklung von Influenzaviren (Influenza A H3N2) Veränderungen im Spike-Protein von SARS-CoV-2 analysiert. Dieses Protein ist entscheidend für die Anheftung des Virus an menschliche Zellen und ein Hauptziel für Impfstoffe. CoVerage greift auf die GISAID-Datenbank zu, die über 16,5 Millionen SARS-CoV-2-Sequenzen umfasst, und analysiert Genomdaten nach Herkunftsland, um Stammdynamiken und antigene Veränderungen zu erkennen. Durch statistische Methoden werden Virusstämme mit signifikanter Immunitätsumgehung identifiziert und in Heatmaps visualisiert, die Veränderungen übersichtlich darstellen.

Tests mit bekannten VOCs, wie der Omicron-Variante, zeigten, dass CoVerage diese Varianten bis zu drei Monate vor ihrer WHO-Einstufung zuverlässig erkennt. Die Methode unterschied klar zwischen weniger relevanten Varianten (Variants under Monitoring, VUMs), Varianten von Interesse (VOIs) und den besonders besorgniserregenden VOCs. Diese Ergebnisse unterstreichen die Fähigkeit von CoVerage, gesundheitsrelevante Varianten frühzeitig vorherzusagen, was wertvolle Zeit für Impfstoffanpassungen oder Schutzmaßnahmen für gefährdete Gruppen schafft.

Original Paper:

Norwood K, Deng ZL, Reimering S, Robertson G, Foroughmand-Araabi MH, Goliaei S, Hölzer M, Klawonn F, McHardy AC. In silico genomic surveillance by CoVerage predicts and characterizes SARS-CoV-2 variants of interest. Nat Commun. 2025 Jul 8;16(1):6281. doi: 10.1038/s41467-025-60231-4. PMID: 40628697; PMCID: PMC12238648.

Lesen Sie auch:

SARS-CoV-2: Handy- und Genomdaten erlauben gezielte Nachverfolgung von Infektionswegen – MedLabPortal

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.