Es ist zu erwarten, dass das pandemische SARS-CoV-2 beim passieren einer riesigen Anzahl von Wirten unter dem Selektionsdruck ihrer Immunsysteme (z.B. HLA-Allele) evolviert. Neben dem Immunsystem können auch andere Faktoren (z.B. Koinfektionen oder Grunderkrankungen) Eigenschaften und Evolution des Virus sowie den klinischen Verlauf der Infektionskrankheit Covid-19 beeinflussen. Ziel ist es, diese Einflüsse zu untersuchen. Dazu werden virologische und bioinformatische Expertise gebündelt, um diese Teilziele zu erreichen: 1) Identifizierung von globalen Zusammenhängen zwischen HLA-Hintergründen und SARS-CoV-2-Genomen unter Nutzung öffentlicher Datenbanken. 2) Für Nordrhein-Westfalen sollen Zusammenhänge zwischen HLA-Allelen und SARS-CoV-2-Varianten identifiziert werden auf der Grundlage von HLA-Allelen und SARS-CoV-2-Genomen, bestimmt aus Patientenproben (longitudinal und Querschnitt); dabei sollen auch Zusammenhänge dieser HLA- und SARS-CoV-2-Daten mit der Schwere von Covid-19 analysiert werden. 3) Die Rolle von Koinfektionen mit respiratorischen Viren auf das Auftreten von SARS-CoV-2-Infektionen und auf die Schwere von Covid-19 wird charakterisiert. Die gewonnenen Erkenntnisse können verwendet werden, um Quarantäne-Maßnahmen zu optimieren und ggf. HLA-basiert zu personalisieren, sowie um medizinische Ressourcen gezielter einzusetzen. Darüberhinaus können die Erkenntnisse helfen bei der Entwicklung effektiver, T-Zell-basierter Impfstoffe.

Der SECOVIT-Verbund hat das Ziel, Zusammenhänge aufzudecken zwischen SARS-CoV-2-Evolution, Wirtsimmunität (insbesondere HLA), Ko-Infektionen der Atemwege, und Schwere von Covid-19. Teilprojekt compSECOVIT integriert mit computergestützten Methoden klinische und genomische Daten um Wechselwirkungen zwischen SARS-CoV-2, Wirts-Immunität, und Ko-Infektionen der Atemwege, mit dem Auftreten und der Schwere von Covid-19 aufzuklären. Dazu werden SARS-CoV-2-Genome, Wirts-HLA-Allele, Vorhandensein spezifischer viraler Atemwegs-Infekte, Antikörper-Tests, und klinische Verläufe von Covid-19 analysiert. Diese Daten kommen sowohl aus öffentlichen Datenbanken als auch vom Partner Universität zu Köln. Es werden probabilistische Modelle entwickelt, die die Zusammenhänge zwischen den Datentypen quantitativ darstellen, und diese Modelle werden anhand der Daten über Bayes-Analyse gefittet. Die Modelle werden sorgfältig validiert um ihre Aussagekraft sicherzustellen. Resultate sind beispielsweise: Entdeckung HLA-bedingter Mutationen in SARS-CoV-2-Genomen, global und aus Nordrhein-Westfalen; Entdeckung konservierter HLA-Epitope in SARS-CoV-1 und SARS-CoV-2; Quantifizierung des Einflusses von Wirts-HLA auf Covid-19-Auftreten und -Schwere; Zusammenhänge von viralen Atemwegs-Ko-Infektionen mit Covid-19.