Redacción NM
El aprendizaje automático, una rama de la inteligencia artificial (IA), puede predecir la probabilidad de que cualquier virus que infecte a los animales salte a los humanos. según un estudio.
Investigadores de la Universidad de Glasgow en el Reino Unido señalaron que la mayoría de las enfermedades infecciosas emergentes de los seres humanos, como el COVID-19, son zoonóticas, causadas por virus que se originan en otras especies animales. La identificación temprana de los virus de alto riesgo puede mejorar las prioridades de investigación y vigilancia.
Nuestro manuscrito sobre la predicción del riesgo zoonótico de virus nuevos cuando todo lo que tienes es un genoma se publica ahora en @PLOSBiologia – un hilo. 1/10
(con @SimonAB y @DanielStreicker) https://t.co/hc5EA357iC pic.twitter.com/xRNFKZP6iO
– Nardus Mollentze (@NardusMollentze) 28 de septiembre de 2021
Sin embargo, identificar las enfermedades zoonóticas antes de su aparición es un desafío importante porque solo una pequeña minoría de los 1,67 millones de virus animales estimados pueden infectar a los seres humanos.
Para desarrollar modelos de aprendizaje automático utilizando secuencias del genoma viral, los investigadores primero compilaron un conjunto de datos de 861 especies de virus de 36 familias. Luego construyeron modelos de aprendizaje automático, que asignaron una probabilidad de infección humana en función de patrones en los genomas del virus. El aprendizaje automático es el estudio de algoritmos informáticos que pueden mejorar automáticamente a través de la experiencia.
Los investigadores aplicaron el modelo de mejor rendimiento para analizar patrones en el potencial zoonótico predicho de genomas de virus adicionales muestreados de una variedad de especies.
El estudio, publicado en la revista PLOS Biología, encontró que los genomas virales pueden tener características generalizables que son independientes de las relaciones taxonómicas de los virus y pueden preadaptar los virus para infectar a los seres humanos. Los investigadores pudieron desarrollar modelos de aprendizaje automático capaces de identificar posibles zoonosis utilizando genomas virales.
Los investigadores notaron que estos modelos tienen limitaciones, ya que los modelos informáticos son solo un paso preliminar para identificar virus zoonóticos con el potencial de infectar a los humanos. Los virus marcados por los modelos requerirán pruebas de laboratorio de confirmación antes de realizar importantes inversiones adicionales en investigación, dijeron.
Si bien estos modelos predicen si los virus podrían infectar a los humanos, la capacidad de infectar es solo una parte del riesgo zoonótico más amplio, según los investigadores. Este riesgo también está influenciado por la capacidad del virus para transmitirse entre humanos y las condiciones ecológicas en el momento de la exposición humana, dijeron.
«Nuestros hallazgos muestran que el potencial zoonótico de los virus se puede inferir en un grado sorprendentemente grande a partir de la secuencia de su genoma», señalaron los autores del estudio. “Al destacar los virus con el mayor potencial de convertirse en zoonóticos, la clasificación basada en el genoma permite que la caracterización ecológica y virológica adicional sea dirigida de manera más efectiva”, agregaron.
Simon Babayan de la Universidad de Glasgow señaló que una secuencia genómica suele ser la primera, y a menudo la única, información sobre virus recién descubiertos. “Cuanta más información podamos extraer de él, antes podremos identificar los orígenes del virus y el riesgo zoonótico que puede representar”, dijo Babayan. “A medida que se caracterizan más virus, más efectivos serán nuestros modelos de aprendizaje automático para identificar los virus raros que deben ser monitoreados de cerca y priorizados para el desarrollo preventivo de vacunas”, agregó.
