A ferramenta de inteligência artificial prevê pontos quentes do surto de vírus

A nova ferramenta de inteligência artificial pode ajudar a reduzir as epidemias ou até impedi -las, identificando espécies animais que podem abrigar e espalhar vírus capazes de infectar humanos.

O modelo de aprendizado automático, criado pelos pesquisadores da Universidade Estadual de Washington, analisa as características dos vírus do hospedeiro e da genética para identificar possíveis tanques de animais e áreas geográficas onde novos surtos provavelmente ocorrerão. O modelo concentra -se nos vírus ósseos – que incluem vírus que causam varíola e sabor.

Os pesquisadores publicaram recentemente um estudo sobre seu trabalho usando o modelo na revista Biologia de Comunicações. Os resultados dos cientistas podem ajudar a esperar as ameaças emergentes da instalação e, o mais importante, adaptá -las a outros vírus.

Ela disse que Stephanie Severt, especialista no aparecimento de um viral e na transferência de espécies e professora assistente de Paul G. Allen, especialista na transmissão de espécies, o especialista que ajudou a liderar o projeto: “Quase três trimestres dos vírus emergentes que afetam os seres humanos vêm de animais”. “Se pudermos prever melhores tipos que sejam o maior perigo, podemos tomar medidas proativas para evitar epidemias”.

Selecione o Sudeste Asiático, a África tropical e a Amazônia como possíveis pontos quentes para o surto de vírus ósseo. Essas áreas não apenas contêm altas concentrações de potenciais hospedeiros, mas também se sobrepõem a áreas onde as taxas de vacinação de varíola são baixas. Enquanto a vacina contra a varíola fornece proteção cruzada contra outros vírus ósseos, os esforços de vacinação pararam após a varíola em 1980.

O estudo também identificou muitas famílias de animais como possíveis comissários de bordo do MPOX, incluindo roedores, gatos, cães (cães, espécies relevantes) e batidas, weesels, Otes e racon. O modelo é devidamente excluído, que foi exibido em estudos de laboratório como resistente à infecção por MPOX.

Katie Tsing, uma estudante de graduação em medicina veterinária e a primeira autora do estudo, notou que o modelo não apenas mostrou uma precisão de previsão mais alta do que os modelos anteriores, mas também pode ser útil na previsão de hospedeiros de outros vírus.

Embora tenhamos usado o modelo especificamente para vírus ósseos, também podemos seguir muitas direções diferentes e começar a ajustar esse formulário com precisão para outros vírus. “

Katie Tsang, estudante de graduação em medicina veterinária e primeiro autor do estudo

Pillar Fernandez, cientista do meio ambiente e professor assistente da Allen School que ajudou a liderar o projeto com a Severt, disse que modelos de aprendizado automático anteriores são usados ​​para prever os potenciais hospedeiros de vírus ortopédicos que dependem das características ambientais dos animais, como habitats e dieta e outras características que afetam suas interações com o meio ambiente, como o uso dos recursos. Apesar de sua eficácia, esses modelos ignoraram uma parte decisiva da equação – a composição genética dos vírus.

“Os modelos anteriores dependiam mais das características do host, mas queríamos adicionar o outro lado da história e as características dos vírus”, disse Fernandez. “Nosso modelo melhora a precisão das previsões do host e fornece uma imagem mais clara de como os vírus se espalham por toda a espécie”.

Os vírus ortopédicos geralmente causam surtos pequenos e traduzidos, mas os eventos modernos, incluindo a disseminação global do MPOX em 2022, levantaram preocupações sobre esses vírus que criam novas áreas de assentamento e se espalham por novos tanques de animais.

A determinação de tanques em potencial é a chave para esperar eventos indiretos, no entanto, conseguir isso colhendo amostras tradicionais é um intenso e o início dos recursos. O novo modelo simplifica essa tarefa e pode ser usado para direcionar os esforços de monitoramento da vida selvagem.

“Se você está procurando um tanque de vírus MPOX na África Central, este é um dos lugares mais lugares do mundo, então por onde você começa?” Ele disse. “Se pudermos usar modelos de aprendizagem automatizados para nos ajudar a definir os esforços de amostras, isso será realmente útil para determinar onde esses vírus vêm e entendem os riscos que constituem”.

A equipe de pesquisa incluiu Heather Kohler, professora assistente da Faculdade de Ciências Biológicas, que estudou amplamente o MPOX. Daniel J. Baker, Universidade de Oklahoma; Rorrei Jeep, London University College; Kullen Carlson, Universidade de Yale, também contribuiu como membros do Institute of Viral Fenomenon Research, uma rede cooperativa de cientistas que estudam os hospedeiros dos vírus hospedeiros para prever o distribuidor de vírus em uma escala global financiada pela National Science Foundation. O grupo inclui especialistas em ciência de dados, biologia aritmética, vírus, meio ambiente e biologia evolutiva.