Strojno učenje predviđa koji će sljedeći virus sa životinja prijeći na ljude
Većina novih zaraznih bolesti, poput Covida-19, su zoonoze uzrokovane virusima koji potječu od drugih životinjskih vrsta. Ranije prepoznavanje visokorizičnih virusa može poboljšati prioritete istraživanja i nadzora
Najnovija studija Nardusa Mollentzea, Simona Babayana i Daniela Streickera sa Sveučilišta u Glasgowu, objavljena u PLOS Biology, sugerira da strojno učenje pomoću virusnih genoma može predvidjeti vjerojatnost bilo kojeg virusa da će sa životinja prijeći na ljude i zaraziti ih.
Zoonotske bolesti
Prepoznavanje zoonotskih bolesti prije pojave pandemije veliki je izazov jer je samo mali broj od procijenjenih 1,67 milijuna životinjskih virusa sposoban zaraziti ljude.
Kako bi razvili model strojnog učenja koji koristi sekvence virusnih genoma, istraživači su prvo sastavili skup podataka od 861 vrste virusa iz 36 obitelji. Zatim su izradili modele strojnog učenja, koji su vjerojatnost zaraze ljudi izračunali na temelju taksonomije virusa i srodnosti s poznatim virusima koji inficiraju ljude.
Pokazalo se kako virusni genomi mogu imati općenite značajke, neovisne o taksonomskim odnosima virusa i kako mogu unaprijed prilagoditi viruse da zaraze ljude. Istraživači su pomoću virusnih genoma uspjeli razviti modele strojnog učenja sposobne identificirati te zoonozne kandidate.
Sposobnost zaraze
Ovi modeli dakako imaju ograničenja, budući da su računalni modeli samo preliminarni korak u identificiranju zoonotskih virusa koji mogu zaraziti ljude. Sposobnost zaraze samo je dio šireg zoonotskog rizika, na koji utječe i virulentnost virusa kod ljudi, sposobnost prijenosa između ljudi i ekološki uvjeti u vrijeme izloženosti virusu.
Ipak, smatraju autori, nalazi pokazuju da se zoonotski potencijal virusa može zaključiti u iznenađujuće velikoj mjeri iz njihovog slijeda genoma.
Karakterizacija virusa
"Ovi nalazi dodaju ključni dio već iznenađujućoj količini informacija koje možemo izvući iz genetskog slijeda virusa pomoću AI tehnika", kaže Babayan. "Genomski niz je obično prva, a često i jedina informacija koju imamo o novootkrivenim virusima i što više podataka možemo izvući iz njega, prije ćemo identificirati podrijetlo virusa i njegov zoonotski rizik."
Što se više virusa okarakterizira, modeli strojnog učenja bit će učinkovitiji u identificiranju rijetkih virusa koje treba pomno pratiti i dati im prioritet kod preventivnog razvoja cjepiva, smatraju istraživači.
