Algorytmy będą wykrywać wirusy? Naukowcy twierdzą, że tak
Naukowcy z Wielkiej Brytanii skonstruowali model uczenia maszynowego, który przewiduje prawdopodobieństwo zainfekowania wirusem odzwierzęcym przez ludzi. Sukces badaczy może wpływać na decyzje dotyczące określania priorytetów nadzoru na najwcześniejszym etapie odkrycia, praktycznie bez dodatkowych nakładów finansowych lub czasowych.
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.
Podcasty
Playlisty tematyczne
