Home Notizia Mondo L’intelligenza artificiale può aiutare a prevedere che il prossimo virus passerà agli...

L’intelligenza artificiale può aiutare a prevedere che il prossimo virus passerà agli umani

0
190

Cavi collegati ai server
L’intelligenza artificiale potrebbe aiutare gli scienziati a prevedere quali virus hanno maggiori probabilità di fare il salto negli esseri umani. Protonic Ltd/Stocksy
  • Uno studio recente dimostra che i metodi di apprendimento automatico potrebbero determinare il rischio di un salto virale o “spillover” dagli animali agli umani utilizzando genomi virali.
  • I modelli di ricerca prevedevano che i virus dei primati non umani geneticamente simili avessero un aumentato rischio di trasmissione umana, il che non era il caso di altri gruppi di animali.
  • Gli scienziati dovranno condurre ulteriori ricerche per confermare che i virus identificati dai modelli di previsione rappresentano un alto rischio di trasmissione da animale a uomo.

Le malattie zoonotiche, o zoonosi, si verificano a causa di virus, batteri, parassiti o funghi che si diffondono tra animali e persone.

Circa 60% delle malattie infettive note e il 75% delle malattie infettive nuove o emergenti possono diffondersi dagli animali all’uomo.

La dott.ssa Barbara A. Han, Ph.D., ecologista delle malattie per il Cary Institute of Ecosystem Studies, ha spiegato in un podcast, una “malattia zoonotica è solo un’infezione che ha origine in un animale […], causata da un parassita o un agente patogeno che è perfettamente felice di vivere in questa specie selvatica”.

Il Dr. Han ha spiegato: “Occasionalmente, quell’agente patogeno o parassita si riverserà in un essere umano, e il 99% delle volte, è lì che finisce – quella persona potrebbe ammalarsi, ma è un ospite senza uscita, quindi non andare oltre. Alcuni di loro possono trasmettere da persona a persona, quindi la trasmissione secondaria è davvero fondamentale per qualcosa che ha il potenziale per diventare una pandemia”.

Espansione umana in nuove aree geografiche a stretto contatto con animali selvatici e domestici e i cambiamenti climatici hanno aumentato l’incidenza delle zoonosi. Allo stesso modo, anche l’aumento del movimento di animali, persone e prodotti animali dovuto al commercio internazionale e ai viaggi ha svolto un ruolo significativo.

Pertanto, è imperativo migliorare la comunicazione globale, il coordinamento e la collaborazione tra esperti umani, animali e ambientali per prevenire, rilevare, indagare, dare priorità e rispondere alle malattie zoonotiche.

Questa comunicazione rafforzata è fondamentale per consentirci di creare un sistema di allerta precoce per prevenire o mitigare la prossima pandemia.

Discernere la minaccia

Questa esigenza ha portato i ricercatori dell’Università di Glasgow nel Regno Unito a formulare un nuovo approccio. Hanno usato virale e umano genoma funzioni di sequenza per sviluppare modelli di apprendimento automatico – un tipo di intelligenza artificiale – per prevedere la probabilità che un virus animale possa saltare negli esseri umani.

Il loro ultimo studio appare sulla rivista BIOLOGIA PLOS.

Circa 1,67 milioni di virus animali non descritti causano infezioni nei mammiferi e negli uccelli e gli scienziati ritengono che fino alla metà potrebbe riversarsi negli esseri umani.

Il Dr. Nardus Molentze, coautore dello studio e ricercatore associato presso il Centro per la ricerca sui virus dell’Università di Glasgow, ha parlato con Notizie mediche oggi:

“Negli ultimi anni, il campo della scoperta dei virus ha fatto progressi significativi, al punto che virus precedentemente sconosciuti alla scienza vengono regolarmente segnalati. Ma questo porta a una sfida: abbiamo ancora un enorme compito davanti a noi in termini di caratterizzazione della diversità virale in natura e, al di là della scoperta, per capire se questi virus rappresentano una minaccia».

Ha aggiunto: “Nel 2018, i miei coautori hanno dimostrato che i genomi dei virus a RNA contengono un segnale sufficiente per i metodi di apprendimento automatico per identificare l’ampio gruppo di serbatoi – ad esempio pipistrelli, roditori e primati – in cui circolano naturalmente”.

In altre parole, hanno dimostrato che analizzando solo un genoma virale, il loro modello potrebbe identificare con quale tipo di animale il virus potrebbe causare l’infezione.

Il dottor Molentze ha continuato: “Questo ci ha fatto chiedere se […] I genomi dei virus potrebbero anche contenere indizi sulla loro capacità di [cause infections in] gli esseri umani in particolare quando gli viene data l’opportunità”.

I ricercatori hanno raccolto una sequenza del genoma da 861 specie di virus a RNA e DNA di 36 famiglie virali che possono infettare gli animali.

Per indagare, hanno classificato ciascun virus in base alla sua capacità di causare infezione nell’uomo utilizzando le informazioni provenienti da tre set di dati pubblicati.

Hanno anche notato la somiglianza di ciascun virus con i virus che possono causare infezioni negli esseri umani e hanno costruito modelli di apprendimento automatico per prevedere se queste infezioni potrebbero verificarsi.

Gli scienziati hanno testato diversi modelli basati sull’apprendimento per identificare il modello con le prestazioni migliori e lo hanno utilizzato per classificare 758 specie di virus.

Il modello di apprendimento automatico ha identificato correttamente il 70,8% dei virus umani con potenziale zoonotico alto o molto alto.

In uno studio su 645 virus animali che non facevano parte dei dati di addestramento, i modelli prevedevano un aumento del rischio di trasmissione zoonotica di geneticamente simili, o filogenetico virus dei primati non umani, ma non in altri gruppi animali.

Un secondo esperimento ha previsto il potenziale zoonotico di tutte le specie di coronavirus attualmente riconosciute e i genomi umani e animali di tutti i coronavirus correlati alla sindrome respiratoria acuta grave.

Dati utilizzabili

Il Dr. Molentze ha commentato i risultati: “Il nostro lavoro mostra un percorso attraverso il quale le scoperte di virus possono essere trasformate in informazioni utilizzabili: la capacità di identificare quali virus appena scoperti hanno maggiori probabilità di essere in grado di [cause infection in] gli esseri umani con ragionevole accuratezza ci consentono di concentrare ulteriori sforzi di caratterizzazione su quei virus”.

Poiché il metodo di apprendimento del computer richiede solo una sequenza del genoma, può fornire un approccio a basso costo per la sorveglianza dei virus basata sull’evidenza.

Il Dr. Molentze ha aggiunto: “Il nostro modello è tutt’altro che perfetto: le previsioni conterranno sia falsi positivi che falsi negativi, che possono essere distinti solo attraverso un’ulteriore caratterizzazione di questi virus in laboratorio”.

Il Dr. Molentze ha sottolineato la necessità di ulteriori studi: “Se vogliamo trasformare le scoperte sui virus in una reale preparazione alla pandemia, dobbiamo caratterizzare i virus appena scoperti. […] Modelli […] potrebbe aiutare a dare la priorità ai virus in varie fasi di questa pipeline di caratterizzazione, rendendo la loro implementazione più efficiente e fattibile, in particolare se siamo anche in grado di sviluppare metodi che prevedono altri aspetti del rischio, come la virulenza e la capacità di trasmissione”.