SARS-CoV-2 and the CGG-CGG Furin Site Genetic Fingerprint: Five Years Later
Notice bibliographique
Résumé
The key evolutionary step leading to the pandemic virus was the acquisition of the furin cleavage motif at the S protein S1/S2 junction. This insertion led to a gain of function for SARS-CoV-2, in which the virus's S protein became a substrate protein for human furin. The corresponding 12 nucleotide fragment inserted into the S gene in a SARS-CoV-2 precursor included the CGG-CGG genetic fingerprint coding the furin arginine pair. The arginine CGG codon was (still is) rare in the virus, even more two CGGs in a row. Afterwards the probable human origin of that motif has been proposed (BMC Genomic Data 24:71, 2023). Synonymous base substitutions or arginine codon usage bias at the CGG-CGG fingerprint was one of the evidences supporting the hypothesis. Based on 2025 SARS-CoV-2 isolates the aim of this work is follow the evolution of the furin site arginine pair code. From GISAID database 17,506 SARS-CoV-2 complete genomes were downloaded, with collection dates from January 1, 2025 to February 18, 2925. Using Perl programs the S gene sequences were retrieved. 62 out of 15,390 (0.4028%) S-protein sequences showed arginine codon usage bias at the S gene CGG-CGG fingerprint. The SARS-CoV-2 lineage distribution of the 2025 sample is shown. The XEC (44.5%) and KP.3.1.1 (13.8%) lineages were the majority. Lineage KP.3.1.1 was also the majority in CGG-CGG codon usage bias analyses, grouped into two main population groups of origin Japan and Canada. In the 2025 working sample 125 out of 1,620 (7,71%) Japan and 47 out of 4,793 (0,98%) Canada Ontario KP.3.1.1. isolates showed CGG-CGG optimization. The results shown are in agreement with previous studies, although in large samples the percentage (probability) of SARS-CoV-2 S gene furin site arginine codon optimization appears weak, it increases significantly when focusing on specific lineages or population groups.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».