1. Situación actual de COVID-19 Mundial: En abril de 2025, los casos globales de COVID-19 aumentaron un 10% respecto a marzo. Sin embargo, las hospitalizaciones y muertes han disminuido gracias a la vacunación y mejores tratamientos .​ assure-test.com

México: No hay emergencia sanitaria activa. Se recomienda estar al día con las vacunas, especialmente durante la temporada de influenza (octubre–mayo) .​ CDC

Nuevo León y Monterrey: No se han reportado alertas recientes. Las autoridades locales continúan monitoreando la situación.​

  1. Primera variante que se propagó mundialmente La variante original fue el SARS-CoV-2 identificado en Wuhan, China, a finales de 2019.​

  2. Otras variantes en el mundo Alfa (B.1.1.7) – Reino Unido

Beta (B.1.351) – Sudáfrica

Gamma (P.1) – Brasil

Delta (B.1.617.2) – India

Ómicron y subvariantes (XBB, JN.1, KP.3.1.1) – Dominantes desde 2022 .​ The Washington Post Health The New Yorker Wikipedia

  1. ¿Cómo buscar información sobre variantes en México? Consultar fuentes oficiales como la Secretaría de Salud de México, la OMS y bases de datos genómicas como GISAID o NCBI.​

  2. ¿Qué harías en el caso de Li Wenliang? Respuesta elegida: a) Lo reportas al centro de investigación o la universidad.

Justificación: Informar a una institución científica permite validar la información y tomar medidas adecuadas sin causar pánico ni enfrentar represalias inmediatas.​

Librerías necesarias

library(seqinr) library(ggplot2)

Leer el archivo FASTA

secuencias <- read.fasta(file = “/mnt/data/ncbi_dataset/ncbi_dataset/data/genomic.fna”, seqtype = “DNA”)

Inicializar tablas

resultados <- data.frame(Variante = character(), Longitud = integer(), A = integer(), T = integer(), G = integer(), C = integer(), GC_porcentaje = numeric(), stringsAsFactors = FALSE)

Funciones para calcular contrasentido

complemento <- function(seq) { comp <- chartr(“ATGC”, “TACG”, seq) return(comp) }

contrasentido <- function(seq) { return(rev(complemento(seq))) }

Procesar cada secuencia

for (nombre in names(secuencias)) { secuencia <- toupper(getSequence(secuencias[[nombre]], as.string = TRUE)[[1]]) bases <- table(strsplit(secuencia, ““)[[1]]) A <- ifelse(”A” %in% names(bases), bases[[“A”]], 0) T <- ifelse(“T” %in% names(bases), bases[[“T”]], 0) G <- ifelse(“G” %in% names(bases), bases[[“G”]], 0) C <- ifelse(“C” %in% names(bases), bases[[“C”]], 0) longitud <- nchar(secuencia) GC_porcentaje <- (G + C) / longitud * 100

resultados <- rbind(resultados, data.frame(Variante = nombre, Longitud = longitud, A = A, T = T, G = G, C = C, GC_porcentaje = GC_porcentaje))

# Crear y guardar la secuencia contrasentido contra <- paste(contrasentido(secuencia), collapse = ““) write.fasta(sequences = list(contra), names = paste0(nombre,”_contrasentido”), file.out = paste0(“/mnt/data/”, nombre, “_contrasentido.fasta”)) }

Mostrar resultados

print(resultados)

Crear gráfica comparativa

bases_long <- reshape2::melt(resultados[, c(“Variante”, “A”, “T”, “G”, “C”)], id.vars = “Variante”)

ggplot(bases_long, aes(x = Variante, y = value, fill = variable)) + geom_bar(stat = “identity”, position = “dodge”) + labs(title = “Comparación de Bases de ADN entre Variantes”, y = “Cantidad de bases”, x = “Variante”) + theme_minimal()

Interpretación escrita

cat(“:”) cat(“La gráfica muestra la composición de bases A, T, G y C para cada variante del SARS-CoV-2. Las variantes presentan patrones similares, indicando la conservación del genoma viral a pesar de las mutaciones. Un %GC elevado puede correlacionarse con una mayor estabilidad del material genético.”)

Datos personales

cat(“: [Juan Carlos Miranda Hernández]: [A01736584]: 27 de abril de 2025”)