Forscher nutzen KI, um potenzielle zoonotische Krankheiten zu erforschen

Die COVID-19-Pandemie hat deutlich gemacht, wie wichtig es ist, Viren, die Menschen infizieren könnten, genau zu überwachen. Bereits in den frühen Stadien der Pandemie entwickelten Timothée Poisot und seine Kollegen einen Algorithmus zur Vorhersage von Interaktionen zwischen Säugetieren und Viren.

„Wir haben seit den ersten Monaten des Jahres 2020 an diesem Projekt gearbeitet, bevor die Pandemie ausbrach“, sagte Poisot, Professor am Department of Biological Sciences der Université de Montréal und Mitglied der Viral Emergence Research Initiative (VERENA). , ein internationales Forschungsinstitut mit Sitz in Washington, DC

Etwas mehr als drei Jahre später haben Poisot und Kollegen die Ergebnisse von Tausenden von Berechnungs- und Validierungsstunden in der Zeitschrift veröffentlicht Muster.

Bessere Vorhersagen treffen

Poisot gehört zu einem multidisziplinären Forschungsteam, das hofft, bessere Vorhersagen über die Wechselwirkungen zwischen Säugetieren und Viren im Allgemeinen treffen zu können. Unter bestimmten Bedingungen kann die Übertragung von Viren von einer Art auf eine andere schließlich zur Entstehung einer Zoonose führen, die die Weltgesundheitsorganisation als „eine ansteckende Krankheit, die von einem nichtmenschlichen Tier auf den Menschen übergesprungen ist“ definiert.

Laut Poisot „besteht das grundlegende Problem darin, dass wir nur zwischen ein und zwei Prozent der Interaktionen zwischen Viren und Säugetieren kennen. Die Netzwerke sind verstreut und es gibt wenige Interaktionen, die sich auf nur wenige Arten konzentrieren.“

Der Versuch, alle Wechselwirkungen manuell zu erfassen, wäre eine enorme Aufgabe, zumal es Tausende von Säugetierarten und noch mehr Tausende von Viren gibt – was zu buchstäblich unendlichen Säugetier-Virus-Kombinationen führt.

Poisot und seine Kollegen versuchten daher, mithilfe von maschinellem Lernen einen neuen Algorithmus zu entwickeln, um Hypothesen zu formulieren, die dann dazu dienen würden, zu identifizieren, welche Wirt-Virus-Interaktionen weiter untersucht werden sollten.

„Wir wollen wissen, welche Virusart wahrscheinlich welche Säugetierart infiziert, damit wir feststellen können, welche Wechselwirkungen am wahrscheinlichsten auftreten“, sagte Poisot, der mehrere tausend Stunden mit seinem Team verbrachte, um den Algorithmus zu erstellen und zu verfeinern.

‚Veraltete Namen und Fehler‘

„Einige der Datensätze, die wir hatten, waren älter: Sie enthielten veraltete Namen für bestimmte Arten oder sie hatten Fehler, weil die Daten von Hand eingegeben wurden“, sagte Poisot.

Die erste Aufgabe bestand darin, die Daten zu bereinigen und zu standardisieren – eine sehr zeitaufwändige Aufgabe. Nachdem er und seine Kollegen den Algorithmus erstellt hatten, mussten sie ihn verfeinern. „Einer der Vorteile unseres Algorithmus ist, dass Sie nicht viele Informationen benötigen, um ihn zu verwenden“, sagte Poisot.

Der Einsatz vorhandener Modelle zur Erstellung von Vorhersagen erfordert viele Informationen über Taxonomie, phylogenetische Struktur, durch Stichproben entnommene Daten und mehr. Um damit umzugehen, stellt der von Poisot und seinem Team entwickelte Algorithmus das System als ein Netzwerk von Interaktionen zwischen Viren und Säugetieren dar, das der Algorithmus dann vervollständigen muss.

„Der Algorithmus nimmt das Netzwerk, das wir bereits kennen, und projiziert es in einen neuen Raum, ein bisschen wie Schattentheater: Er beleuchtet Interaktionen auf neue Weise“, sagte Poisot. „Dies wiederum ermöglicht es uns, Vorhersagen zu treffen.“

Trotzdem erforderte das Erstellen dieser Vorhersagen 10.000 Rechenstunden auf den Computern von Calcul Québec. Beim Abgleich der Ergebnisse mit bekannten Wechselwirkungen fand das Modell 80.000 neue potenzielle Wechselwirkungen zwischen Viren und Wirten.

„Danach“, sagte Poisot, „bestand die Hauptaufgabe darin, das Maß an Vertrauen zu bestimmen, das wir in die Fähigkeit des Modells hatten, Vorhersagen zu treffen.“ Das Modell musste statistisch validiert werden, was die Forscher dazu veranlasste, einen Artikel über die Validierungsmethodik mit sehr unvollständigen Daten zu veröffentlichen.

Überwachung von 20 wichtigen Viren

Das Forschungsteam wählte dann 20 Schlüsselviren aus, die es wert sind, überwacht zu werden, da sie das Potenzial haben, die Artenbarriere zu überwinden und Menschen zu infizieren. Das Team identifizierte auch „heiße“ Regionen, in denen Ressourcen konzentriert werden sollten. „Wir haben im Team viele Diskussionen geführt, weil uns einige Ergebnisse zunächst seltsam vorkamen“, sagte Poisot.

Eines der Viren, die ans Licht kamen, war die murine Ektromelie, die mit den Pocken bei Mäusen verwandt ist. „Wir waren skeptisch, aber als wir die Literatur durchsuchten, stellten wir fest, dass es Fälle beim Menschen gegeben hatte“, sagte Poisot.

Eines der wichtigen Ergebnisse dieses Forschungsprojekts ist die Wiederentdeckung spezifischer zoonotischer Viren, die bereits Gegenstand vereinzelter Veröffentlichungen waren, die jedoch nie in Datenbanken verknüpft wurden.

Ein weiterer innovativer Aspekt der Forschung ist die Kartierung der Ergebnisse, um die Wechselwirkungen zwischen Viren und Säugetieren auf globaler Ebene besser zu verstehen. „Unser Modell macht räumliche Vorhersagen, aber genauer gesagt zeigt das Modell genau an, in welcher Gruppe von Säugetieren und an welchem ​​Ort bestimmte Virustypen wahrscheinlich zu finden sind“, sagte Poisot.

Zwei Regionen zum Erkunden

Das Team hat zwei geografische Regionen identifiziert, die es zu erkunden gilt. Erstens das Amazonasbecken in Südamerika, wo die Wechselwirkungen zwischen Wirt und Viren ursprünglicher sind als anderswo und wo neue Wechselwirkungen eher zu beobachten sind. Zweitens Zentralafrika, wo neue Wirte gefunden wurden, die potenzielle Träger zoonotischer Viren sind.

„Wir verschieben wirklich die Orte, an die wir gehen und Säugetiere untersuchen müssen, um neue Viren zu entdecken“, erklärte Poisot. Diese beiden Regionen sollten daher für Virologen von Interesse sein, die die Diversifizierung von Wirtsvirussystemen und das zoonotische Risiko, das sie für den Menschen darstellen, verstehen möchten, fügte er hinzu.

Der nächste Schritt für Poisot und seine Forschungskollegen besteht darin, die Informationen für Partner auf diesem Gebiet leicht zugänglich und benutzerfreundlich zu machen. „Wir möchten es den Interessengruppen erleichtern, unser Modell zu übernehmen. Wir wissen jetzt, welche Arten wo und auf welche Art von Virus überwacht werden müssen“, sagte er.

Am Ende, glaubt er, könnte sich dieses Forschungsprojekt als wesentlich erweisen, um eine zukünftige Pandemie zu verhindern.