大多數新出現的人類傳染病(如 )都是人畜共患的——由源自其他動物物種的病毒引起。及早識別高風險病毒可以改善研究和監(jiān)測重點。英國格拉斯哥大學的 Nardus Mollentze、Simon Babayan 和 Daniel Streicker 于9 月 28日在PLOS Biology上發(fā)表的一項研究表明，使用病毒基因組的機器學習(一種人工智能)可以預測任何動物感染的可能性?？紤]到生物學相關的暴露，病毒會感染人類。
在出現之前識別人畜共患病是一項重大挑戰(zhàn)，因為在估計的 167 萬種動物病毒中，只有一小部分能夠感染人類。為了使用病毒基因組序列開發(fā)機器學習模型，研究人員首先編譯了來自 36 個科的 861 個病毒物種的數據集。然后他們建立了機器學習模型，該模型根據病毒基因組的模式分配人類感染的概率。然后，作者應用表現最佳的模型來分析從一系列物種中采樣的其他病毒基因組的預測人畜共患病潛力的模式。
研究人員發(fā)現，病毒基因組可能具有獨立于病毒分類關系的可概括特征，并且可能使病毒預先適應以感染人類。他們能夠開發(fā)出能夠使用病毒基因組識別候選人畜共患病的機器學習模型。這些模型有局限性，因為計算機模型只是識別可能感染人類的??人畜共患病毒的初步步驟。在進行重大的額外研究投資之前，模型標記的病毒將需要進行驗證性實驗室測試。此外，雖然這些模型預測病毒是否能夠感染人類，但感染能力只是更廣泛的人畜共患病風險的一部分，這也受到病毒對人類的毒力、人與人之間傳播能力的影響，
這組作者說：“我們的研究結果表明，病毒的人畜共患病潛力可以在驚人的程度上從它們的基因組序列中推斷出來。通過突出最有可能成為人畜共患病的病毒，基于基因組的排名可以更有效地進行進一步的生態(tài)和病毒學表征。”
“這些發(fā)現為我們可以使用人工智能技術從病毒基因序列中提取的大量信息添加了一個關鍵部分，”Babayan 補充道。“基因組序列通常是我們掌握的關于新發(fā)現病毒的第一個，通常也是唯一的信息，我們可以從中提取的信息越多，我們就能越早確定病毒的起源及其可能帶來的人畜共患風險。隨著更多病毒被表征，我們的機器學習模型在識別稀有病毒方面將變得更加有效，這些病毒應該受到密切監(jiān)測并優(yōu)先用于搶先疫苗開發(fā)。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！