Das Modell des maschinellen Lernens verwendet die Wirtseigenschaften und die Virusgenetik, um potenzielle Reservoire vorherzusagen

Ein neues Tool für künstliche Intelligenz könnte dazu beitragen, Pandemien zu begrenzen oder sogar zu verhindern, indem Tierarten identifiziert werden, die Viren beherbergen und verbreiten können, die Menschen infizieren können.

Das von Forschern der Washington State University erstellte Modell der Washington State University analysiert das maschinelle Lernmodell die Wirtseigenschaften und die Virusgenetik, um potenzielle Tierreservoire und geografische Gebiete zu identifizieren, in denen es mit größerer Wahrscheinlichkeit auftreten. Das Modell konzentriert sich auf Orthopoxviren – einschließlich der Viren, die Pocken und Mpox verursachen.

Die Forscher haben kürzlich eine Studie über ihre Arbeiten mit dem Modell in der Zeitschrift veröffentlicht Kommunikationsbiologie. Ihre Ergebnisse könnten Wissenschaftlern helfen, aufstrebende zoonotische Bedrohungen vorwegzunehmen und vor allem für andere Viren angepasst zu werden.

„Fast drei Viertel aufstrebenden Viren, die Menschen aus Tieren stammen“, sagte Stephanie Seifert, eine Expertin für Viralentwicklung und Übertragung von Viren und Cross-Arten und Assistenzprofessor am WSU College of Veterinary Medicine von Paul G. Allen School for Global Health, der dazu beitrug, das Projekt zu leiten. „Wenn wir besser vorhersagen können, welche Arten das größte Risiko darstellen, können wir proaktive Maßnahmen ergreifen, um Pandemien zu verhindern.“

Das Modell identifizierte Südostasien, äquatoriales Afrika und den Amazonas als potenzielle Hotspots für Orthopoxvirus -Ausbrüche. Diese Regionen haben nicht nur hohe Konzentrationen potenzieller Wirte, sondern überlappen sich auch mit Bereichen, in denen die Pockenimpfraten niedrig sind. Während der Pockenimpfstoff gegen andere Orthopoxviren kreuzerschutz liefert, wurden die Impfbemühungen gestoppt, nachdem die Pocken 1980 ausgerottet wurden.

Die Studie identifizierte auch mehrere Tierfamilien als wahrscheinliche Wirte für MPOX, darunter Nagetiere, Katzen, Canids (Hunde und verwandte Arten), Stinktiere, Musteliden (Wiesel und Otter) und Waschbären. Das Modell hat Ratten korrekt ausgeschlossen, die in Laborstudien als resistent gegen eine MPOX -Infektion dargestellt wurden.

Katie Tseng, ein Doktorand der Veterinärmedizin und der Erstautor der Studie, stellte fest, dass das Modell nicht nur eine höhere Vorhersagegenauigkeit als frühere Modelle zeigte, sondern auch bei der Vorhersage von Wirten für andere Viren nützlich sein kann.

„Während wir das Modell speziell für Orthopoxviren verwendeten, können wir auch in viele verschiedene Richtungen gehen und dieses Modell für andere Viren federn“, sagte sie.

Pilar Fernandez, ein Krankheitsökologe und Assistenzprofessor in der Allen School, der das Projekt mit Seifert leitete, sagte, dass frühere Modelle für maschinelles Lernen potenzielle Wirte für Orthopoxviren vorhergesagt hatten, die auf die ökologischen Merkmale von Tieren wie Lebensräumen und Ernährung und anderen Merkmalen, die ihre Interaktionen mit der Umwelt wie Ressourcen und Überleben und Überleben beeinflussen, beruhten. Diese Modelle ignorierten zwar einen entscheidenden Teil der Gleichung – die genetische Zusammensetzung der Viren.

„Frühere Modelle basierten mehr auf den Eigenschaften des Wirts, aber wir wollten die andere Seite der Geschichte, die Eigenschaften der Viren, hinzufügen“, sagte Fernandez. „Unser Modell verbessert die Genauigkeit von Wirtsvorhersagen und liefert ein klareres Bild davon, wie sich Viren über Arten über Arten ausbreiten können.“

Orthopoxviren verursachen typischerweise kleine, lokalisierte Ausbrüche, aber die jüngsten Ereignisse, einschließlich der globalen Ausbreitung von MPOX im Jahr 2022, haben Bedenken hinsichtlich dieser Viren ausgelöst, die neue endemische Gebiete etablieren und sich durch neue Tierreservoire ausbreiten.

Die Identifizierung möglicher Stauseen ist der Schlüssel zur Erwartung von Spillover -Ereignissen. Das Erreichen der durch herkömmlichen Feldprobenahme ist jedoch ein ressourcenintensives und unpraktisches Unterfangen. Das neue Modell vereinfacht diese Aufgabe und kann verwendet werden, um Wildtierüberwachungsbemühungen abzuzielen.

„Wenn Sie nach dem Reservoir für MPOX -Virus in Zentralafrika suchen, ist dies einer der biologischsten Orte der Erde. Wo fängst du also an?“ Sagte Seifer. „Wenn wir diese Modelle für maschinelles Lernen verwenden können, um uns dabei zu helfen, die Stichprobenanstrengungen zu priorisieren, wird dies wirklich vorteilhaft sein, um festzustellen, woher diese Viren stammen und die Risiken, die sie ausgehen, ausgehen.“

Das Forschungsteam umfasste auch Heather Koehler, Assistenzprofessor an der School of Molecular Biosciences, die MPOX ausführlich untersucht hat. Daniel J. Becker, Universität von Oklahoma; Rory Gibb, University College London; und Collin Carlson, Universität Yale, trug ebenfalls als Mitglieder des Viral Emerg Research Institute bei, einem kollaborativen Netzwerk von Wissenschaftlern, die die Wechselwirkungen zwischen Wirt und Viren untersuchen, um die Ausbreitung von Viren auf globaler Ebene vorherzusagen. Die Gruppe umfasst Experten für Datenwissenschaft, Computerbiologie, Virologie, Ökologie und Evolutionsbiologie.