Künstliche Intelligenz (KI) könnte laut Forschern der Schlüssel sein, um Wissenschaftlern dabei zu helfen, das nächste tierische Virus zu identifizieren, das in der Lage ist, Menschen zu infizieren.
In einer am Dienstag in der Fachzeitschrift PLoS Biology veröffentlichten Studie sagte das in Glasgow ansässige Team, es habe ein Genommodell entwickelt, das “retrospektiv oder prospektiv die Wahrscheinlichkeit vorhersagen könnte, dass Viren Menschen infizieren können”.
Die Gruppe entwickelte Modelle für maschinelles Lernen, um Zoonose-Kandidaten anhand von Signaturen des Wirtsbereichs, die in viralen Genomen kodiert sind, herauszufiltern.
GOOGLE WEISS, WAS SIE EINGEBEN, ANSEHEN UND SAGEN – AUSSER, SIE MACHEN DIESE SCHRITTE
Mit einem Datensatz von 861 Virusarten mit bekanntem Zoonosestatus sammelten die Forscher eine einzige repräsentative Genomsequenz aus Hunderten von RNA- und DNA-Virusarten, die 36 Virusfamilien umfasst.
Sie klassifizierten jedes Virus als geeignet, den Menschen zu infizieren oder nicht, indem sie drei zuvor veröffentlichte Datensätze zusammenführten, die Daten auf Virusartenebene berichteten und das Potenzial für Variationen im Wirtsbereich innerhalb der Virusarten nicht berücksichtigten.
Die Forscher trainierten Modelle, um Viren entsprechend zu klassifizieren.
Binäre Vorhersagen identifizierten fast 72 % der Viren, die überwiegend oder ausschließlich Menschen infizieren, und fast 70 % der Zoonoseviren korrekt als humaninfizierend, obwohl die Leistung zwischen den Virusfamilien variierte.
Bei weiterer Umrechnung der vorhergesagten Wahrscheinlichkeiten des zoonotischen Potenzials in vier Kategorien wurde für 92 % der humaninfizierenden Viren ein mittleres, hohes oder sehr hohes Zoonosepotenzial prognostiziert, und es wurde prognostiziert, dass insgesamt 18 Viren nach ihren Kriterien derzeit nicht Menschen infizieren haben ein sehr hohes zoonotisches Potenzial – mindestens drei davon wiesen serologische Hinweise auf eine Infektion beim Menschen auf, was darauf hindeutet, dass es sich um gültige Zoonosen handeln könnte.
“Über den gesamten Datensatz hinweg war bekannt, dass 77,2 % der Viren, von denen ein sehr hohes zoonotisches Potenzial vorhergesagt wurde, Menschen infizieren”, schrieben die Forscher.
Als nächstes testeten die Wissenschaftler mehrere lernbasierte Modelle, um das leistungsstärkste Modell zu finden, das verwendet wurde, um 758 Virusarten – und 38 Virusfamilien – einzustufen, die nicht in Trainingsdaten vorhanden sind.
Unter einem zweiten Satz von 645 tier-assoziierten Viren, die aus Trainingsdaten ausgeschlossen wurden, sagten Modelle ein erhöhtes Zoonose-Übertragungsrisiko genetisch ähnlicher nicht-menschlicher Primaten-assoziierter Viren voraus.
IHRE APPS WERDEN ÜBERALL ANSEHEN, WENN SIE DIESE EINSTELLUNG NICHT ÄNDERN
„Zusammengenommen stimmen unsere Ergebnisse mit der Erwartung überein, dass die relativ enge phylogenetische Nähe nichtmenschlicher Primaten den Virusaustausch mit dem Menschen erleichtern könnte, und legen nahe, dass dies teilweise den gemeinsamen Selektionsdruck auf die virale Genomzusammensetzung sowohl bei Menschen als auch bei nichtmenschlichen Primaten widerspiegelt. große Unterschiede zwischen anderen Tiergruppen scheinen weniger Einfluss auf das Zoonosepotenzial zu haben als Virusmerkmale“, so die Autoren.
Insgesamt wurden 70,8% der beim Menschen entnommenen Viren mit hohem oder sehr hohem zoonotischen Potenzial korrekt identifiziert.
Eine zweite Fallstudie sagte das zoonotische Potenzial aller derzeit anerkannten Coronavirus-Arten und die menschlichen und tierischen Genome aller mit dem schweren akuten respiratorischen Syndrom zusammenhängenden Coronaviren voraus.
„Unsere Ergebnisse zeigen, dass sich das zoonotische Potenzial von Viren überraschend stark aus ihrer Genomsequenz ableiten lässt“, berichteten die Forscher. „Durch die Hervorhebung von Viren mit dem größten Zoonosepotenzial ermöglicht das genombasierte Ranking eine gezieltere weitere ökologische und virologische Charakterisierung.“
Durch die Identifizierung von Hochrisikoviren und die Durchführung weiterer Untersuchungen könnten Vorhersagen dazu beitragen, das wachsende Ungleichgewicht zwischen dem schnellen Tempo der Virusentdeckung und der Forschung zu unterstützen, die für eine umfassende Risikobewertung erforderlich ist.
Fast 2 Millionen tierische Viren können den Menschen infizieren.
„Angesichts der diagnostischen Beschränkungen und der Wahrscheinlichkeit, dass nicht alle Viren, die für eine Infektion beim Menschen geeignet sind, Gelegenheit hatten, aufzutauchen und entdeckt zu werden, können Viren, von denen nicht gemeldet wurde, dass sie Menschen infizieren, unrealisierte, undokumentierte oder wirklich nicht-zoonotische Arten darstellen. Identifizierung potenzieller oder undokumentierter Zoonosen in unserem Daten waren ein a-priori-Ziel unserer Analyse”, sagte die Gruppe.
KLICKEN SIE HIER, UM DIE FOX NEWS APP ZU ERHALTEN
„Eine Genomsequenz ist in der Regel die erste und oft einzige Information, die wir über neu entdeckte Viren haben, und je mehr Informationen wir daraus extrahieren können, desto eher können wir den Ursprung des Virus und das damit verbundene Zoonoserisiko identifizieren.“ -Autor Simon Babayan vom Institut für Biodiversität der Universität Glasgow sagte in einer Pressemitteilung.
„Je mehr Viren charakterisiert werden, desto effektiver werden unsere Modelle für maschinelles Lernen bei der Identifizierung der seltenen Viren, die genau überwacht und für die präventive Impfstoffentwicklung priorisiert werden sollten“, fügte er hinzu.