Diversidad genética del Virus de la Leucemia Bovina: una aproximación filogenética

Diversidad genética del Virus de la Leucemia Bovina: una aproximación filogenética Sabrina M. Rodríguez1, Karina Trono1, Leandro R. Jones2 1 Instituto de Virología, CICVyA, INTA-Castelar. C.C. 77. C.P. 1712. Castelar, Buenos Aires, Argentina. 2 Estación de Fotobiología Playa Unión. C.C. 15. C.P. 9103. Rawson, Chubut, Argentina. *E-mail: srodriguez@cnia.inta.gov.ar El virus de la leucemia bovina (BLV), agente etiológico de la Leucemia Bovina Enzoótica (LBE), pertenece al género Deltaretrovirus, dentro de la familia Retroviridae. En Argentina, la infección por BLV presenta niveles de seroprevalencia individual del 32,8% y del 84% a nivel predial. En trabajos anteriores, las cepas de BLV han sido clasificadas en dos grupos: uno Europeo y otro que incluye cepas de Japón y Estados Unidos (USA). En dos trabajos mas recientes se observo que la mayoría de las cepas argentinas se agrupan en un clado, mientras que una proporción minoritaria se agrupa con cepas de diverso origen. En uno de estos trabajos se propuso la existencia de cuatro genogrupos (Clusters I a IV), uno de los cuales (Cluster II) seria exclusivo de Argentina. Estas clasificaciones fueron propuestas en base a análisis realizados a partir de matrices de distancias obtenidas a partir de secuencias parciales (444/1547 pb.) del gen env. Las distancias fueron calculadas asumiendo el modelo evolutivo de Kimura con dos parámetros (K2P) y los árboles se obtuvieron mediante el algoritmo Neighbor-Joining (NJ). Actualmente, existen métodos específicos y objetivos para la selección de modelos evolutivos. Se ha demostrado que el uso de modelos arbitrarios puede conducir a resultados inesperados y erróneos. Por otro lado, el algoritmo NJ ha sido ampliamente superado por métodos más exhaustivos y modernos cómo Parsimonia y Máxima Verosimilitud. En este trabajo se caracterizaron 28 provirus argentinos mediante la secuenciación del gen env (1333/1547 pb.). Estas secuencias, junto con otras 42 secuencias seleccionadas de forma tal de abarcar toda la diversidad conocida y de incluir representantes de la mayor cantidad posible de locaciones geográficas, fueron analizadas mediante Parsimonia con el objeto de examinar las clasificaciones previas. Como outgroup (OG), se utilizaron secuencias homólogas de HTLV-1, HTLV-2, STLV-1 y STLV-2. Las secuencias fueron alineadas usando el programa Muscle 3.6. Los alineamientos fueron analizados con el programa TNT 1.1, mediante el cual se realizaron 1000 adiciones al azar (RAS) seguidas de Tree Bisection Reconection (TBR). La estimación del soporte de los grupos identificados se realizó mediante Symetric Jackniffing, utilizando el programa TNT. Nuestros resultados soportan la existencia del clado de secuencias de Japón y USA. Los árboles obtenidos en este trabajo no apoyan ni contradicen el grupo europeo, ya que el mismo podría estar presente en algunas de las posibles resoluciones del árbol sin raíz. Las secuencias de Argentina no se ubicaron en un único grupo sino que se mezclaron con cepas de diverso origen. Nuestros resultados no soportaron la hipótesis de que exista regionalización de las cepas de BLV, tal como se ha observado en HTLV. El árbol consenso de los árboles derivados del análisis incluyendo el outgroup, presentó una resolución relativamente baja con respecto al árbol consenso derivado del análisis sin raíz. Esto parece deberse a que las secuencias utilizadas como outgroup son extremadamente divergentes con respecto al ingroup, lo cual queda en evidencia luego de una simple inspección visual del correspondiente alineamiento. El resultado de esto es que muchas regiones de la matriz constituyen alineamientos al azar (es decir asignaciones de homología primaria incorrectas y aleatorias), con la consecuente pérdida de información. Esta última observación es de particular interés dado que HTLV y STLV han sido utilizados como OG en una gran cantidad de trabajos, lo cual está justificado ya que son los grupos conocidos más próximos a BLV. Nuestros análisis, sin embargo, sugieren fuertemente que es necesario identificar outgroups más adecuados para lograr una comprensión más acabada de la diversidad de estos virus