Il modello suggerisce che gli agenti patogeni – organismi che causano malattie – con genomi piccoli non hanno bisogno di evolversi per causare malattie rispetto alle loro controparti commensali non patogene con genomi grandi.
Il modello, pubblicato sulla rivista eLife, si basa sull’idea che l’evoluzione della virulenza, o la gravità di un’infezione patogena, è una sorta di copertura delle scommesse, una strategia utilizzata per ridurre il rischio e massimizzare la forma fisica in ambienti imprevedibili.
Quando i patogeni incontrano ospiti immuni alle infezioni, riducono la loro virulenza per evitare la risposta immunitaria (una scommessa costosa) o mantengono un’elevata virulenza anche a rischio di essere uccisi (una scommessa a basso costo).
Il modello matematico dei ricercatori mostra che i patogeni con genomi più piccoli possono “tollerare” una minore riduzione della virulenza man mano che la popolazione dei patogeni cresce, sviluppando così livelli complessivi di virulenza più elevati. Il motivo è che il tasso di mutazione di un genoma piccolo è più rapido, consentendo alla popolazione patogena di adattarsi più rapidamente.
Il modello mostra anche che i patogeni con genomi piccoli possono mantenere una virulenza più elevata rispetto a quelli con genomi grandi in un’ampia gamma di condizioni, il che significa che hanno maggiori probabilità di causare malattie, anche a piccole dosi.
"Il nostro modello suggerisce che i batteri patogeni con genomi piccoli tendono ad essere più virulenti non tanto a causa di qualche meccanismo speciale che consente loro di causare più danni, ma piuttosto come risultato del loro tasso evolutivo più rapido", ha affermato l'autore principale Ryan Giordano, uno dei ricercatori. Ricercatore post-dottorato in evoluzione ed ecologia della UC Davis.
I ricercatori avvertono che, sebbene il modello sia uno strumento utile per studiare l’evoluzione della virulenza nei batteri, per essere convalidato richiede più dati biologici e prove sperimentali.
"Una migliore comprensione fondamentale di questo fenomeno potrebbe aiutarci a progettare trattamenti antibatterici nuovi e migliorati e aiutare a prevedere quali batteri hanno maggiori probabilità di causare malattie", ha affermato Jonathan Eisen, autore senior dello studio, professore di evoluzione ed ecologia alla UC Davis e ricercatore. membro del One Health Institute.
