Według danych Programu Środowiskowego Organizacji Narodów Zjednoczonych (UNEP) około 60 proc. znanych i 75 proc. nowych lub pojawiających się wirusów może przenosić się ze zwierząt na ludzi. Zmiany klimatu, handel, migracje, a także ekspansja człowieka na nowe obszary geograficzne, gdzie ludzie mają bliski kontakt ze zwierzętami dzikimi i domowymi, wpłynęła na zwiększenie występowania chorób odzwierzęcych.
Globalna współpraca ekspertów z całego świata jest niezbędna, aby zapobiegać, wykrywać, badać i reagować na różne choroby odzwierzęce. Brytyjscy naukowcy opracowali nowe podejście – stworzyli rodzaj sztucznej inteligencji w celu identyfikacji potencjalnych lub nieudokumentowanych chorób odzwierzęcych.
Zebrano w tym celu sekwencje genomu z 861 gatunków wirusów RNA i DNA z 36 rodzin wirusów, które mogą zarażać zwierzęta. Korzystając z trzech opublikowanych zbiorów danych, sklasyfikowano każdego wirusa zgodnie z jego zdolnością do wywołania infekcji u ludzi.
Określono także prawdopodobieństwo, z jakim wirus może powodować infekcje u człowieka, co posłużyło zbudowaniu modeli uczenia maszynowego, dzięki któremu można przewidzieć, czy taka infekcja może wystąpić.
Badacze przetestowali różne modele i znaleźli najlepiej działający, dzięki któremu uszeregowano 758 gatunków wirusów. Model uczenia maszynowego poprawnie zidentyfikował 70,8 proc. wirusów o wysokim lub bardzo wysokim potencjale zoonotycznym.
Autorzy badania podkreślają, że ich metoda może zapewnić niedrogie podejście do opartego na dowodach nadzoru wirusowego. - Chociaż nasza analiza nie została zaprojektowana w celu ostatecznego zidentyfikowania mechanizmów biologicznych leżących u podstaw genomicznych predyktorów infekcji u ludzi, byliśmy jednak w stanie zbadać pojawiające się wzorce związane z tym, jak określone cechy składu genomu i grupy cech, odnoszą się do zakaźności człowieka - tłumaczą.
