Ένα νέο εργαλείο τεχνητής νοημοσύνης θα μπορούσε να βοηθήσει στον περιορισμό ή ακόμη και στην πρόληψη των πανδημιών, εντοπίζοντας είδη ζώων που ενδέχεται να φιλοξενούν και να διαδίδουν ιούς ικανούς να μολύνουν ανθρώπους.
Δημιουργήθηκε από ερευνητές του Washington State University, το μοντέλο μηχανικής μάθησης που αναλύει τα χαρακτηριστικά του ξενιστή και τη γενετική του ιού για να εντοπίσει πιθανές δεξαμενές ζώων και γεωγραφικές περιοχές όπου είναι πιο πιθανό να εμφανιστούν νέα κρούσματα. Το μοντέλο εστιάζει στους ορθοποξικούς ιούς — οι οποίοι περιλαμβάνουν τους ιούς που προκαλούν την ευλογιά και το mpox.
Οι ερευνητές δημοσίευσαν πρόσφατα μια μελέτη για τη δουλειά τους χρησιμοποιώντας το μοντέλο στο περιοδικό Communications Biology. Τα ευρήματά τους θα μπορούσαν να βοηθήσουν τους επιστήμονες να προβλέψουν τις αναδυόμενες ζωονοσογόνες απειλές και, κυρίως, να προσαρμοστούν για άλλους ιούς.
«Σχεδόν τα τρία τέταρτα των αναδυόμενων ιών που μολύνουν τον άνθρωπο προέρχονται από ζώα», δήλωσε η Stephanie Seifert, εμπειρογνώμονας στην εμφάνιση ιών και τη μετάδοση μεταξύ ειδών και επίκουρη καθηγήτρια στο WSU College of Veterinary Medicine του Paul G. Allen School for Global Health που βοήθησε στην ηγεσία του έργου. «Εάν μπορούμε να προβλέψουμε καλύτερα ποια είδη αποτελούν τον μεγαλύτερο κίνδυνο, μπορούμε να λάβουμε προληπτικά μέτρα για την πρόληψη των πανδημιών».
Το μοντέλο προσδιόρισε τη Νοτιοανατολική Ασία, την ισημερινή Αφρική και τον Αμαζόνιο ως πιθανά hotspot για εστίες ιού ορθοποξίας. Αυτές οι περιοχές όχι μόνο έχουν υψηλές συγκεντρώσεις πιθανών ξενιστών αλλά και επικαλύπτονται με περιοχές όπου τα ποσοστά εμβολιασμού κατά της ευλογιάς είναι χαμηλά. Ενώ το εμβόλιο της ευλογιάς παρέχει διασταυρούμενη προστασία έναντι άλλων ορθοποξικών ιών, οι προσπάθειες εμβολιασμού σταμάτησαν μετά την εξάλειψη της ευλογιάς το 1980.
Η μελέτη προσδιόρισε επίσης αρκετές οικογένειες ζώων ως πιθανούς ξενιστές του mpox, συμπεριλαμβανομένων των τρωκτικών, των γατών, των κυνοειδών (σκύλοι και συγγενικά είδη), των skunks, των μουστελίδων (νυφίτσες και ενυδρίδες) και των ρακούν. Το μοντέλο απέκλεισε σωστά τους αρουραίους, οι οποίοι έχουν αποδειχθεί σε εργαστηριακές μελέτες ότι είναι ανθεκτικοί στη μόλυνση με mpox.
Η Katie Tseng, πτυχιούχος κτηνιατρικής και η πρώτη συγγραφέας της μελέτης, σημείωσε ότι το μοντέλο όχι μόνο επέδειξε υψηλότερη προγνωστική ακρίβεια από τα προηγούμενα μοντέλα, αλλά μπορεί να είναι χρήσιμο και στην πρόβλεψη ξενιστών για άλλους ιούς.
«Ενώ χρησιμοποιήσαμε το μοντέλο ειδικά για ορθοποξικούς ιούς, μπορούμε επίσης να πάμε σε πολλές διαφορετικές κατευθύνσεις και να αρχίσουμε να ρυθμίζουμε αυτό το μοντέλο για άλλους ιούς», είπε.
Η Pilar Fernandez, οικολόγος ασθενειών και επίκουρη καθηγήτρια στο Allen School που βοήθησε στην καθοδήγηση του έργου με τον Seifert, είπε ότι τα προηγούμενα μοντέλα μηχανικής εκμάθησης που χρησιμοποιήθηκαν για την πρόβλεψη πιθανών ξενιστών για ιούς ορθοποξίας βασίζονταν στα οικολογικά χαρακτηριστικά των ζώων, όπως ο βιότοπος και η διατροφή και άλλα χαρακτηριστικά που επηρεάζουν τις αλληλεπιδράσεις τους με το περιβάλλον, όπως η χρήση πόρων και η επιβίωση. Αν και ήταν αποτελεσματικά, αυτά τα μοντέλα αγνόησαν ένα κρίσιμο μέρος της εξίσωσης – τη γενετική σύνθεση των ιών.
«Τα προηγούμενα μοντέλα βασίζονταν περισσότερο στα χαρακτηριστικά του οικοδεσπότη, αλλά θέλαμε να προσθέσουμε την άλλη πλευρά της ιστορίας, τα χαρακτηριστικά των ιών», είπε ο Fernandez. «Το μοντέλο μας βελτιώνει την ακρίβεια των προβλέψεων του ξενιστή και παρέχει μια σαφέστερη εικόνα για το πώς οι ιοί μπορεί να εξαπλωθούν στα είδη».
Οι ορθοποξικοί ιοί συνήθως προκαλούν μικρά, τοπικά ξεσπάσματα, αλλά τα πρόσφατα γεγονότα, συμπεριλαμβανομένης της παγκόσμιας εξάπλωσης του mpox το 2022, έχουν εγείρει ανησυχίες σχετικά με αυτούς τους ιούς που δημιουργούν νέες ενδημικές περιοχές και εξαπλώνονται μέσω νέων ζωικών δεξαμενών.
Ο εντοπισμός πιθανών δεξαμενών είναι το κλειδί για την πρόβλεψη γεγονότων διάχυσης, ωστόσο, η επίτευξη αυτού μέσω της παραδοσιακής δειγματοληψίας πεδίου είναι μια προσπάθεια έντασης πόρων και μη πρακτική. Το νέο μοντέλο απλοποιεί αυτό το έργο και μπορεί να χρησιμοποιηθεί για να στοχεύσει τις προσπάθειες επιτήρησης της άγριας ζωής.
«Αν ψάχνετε για τη δεξαμενή για τον ιό mpox στην Κεντρική Αφρική, αυτό είναι ένα από τα μέρη με τη μεγαλύτερη βιοποικιλότητα στη Γη, από πού να ξεκινήσετε;» είπε ο Σάιφερτ. «Εάν μπορούμε να χρησιμοποιήσουμε αυτά τα μοντέλα μηχανικής μάθησης για να μας βοηθήσουν να δώσουμε προτεραιότητα στις προσπάθειες δειγματοληψίας, τότε αυτό θα είναι πραγματικά ωφέλιμο για τον εντοπισμό από πού προέρχονται αυτοί οι ιοί και για την κατανόηση των κινδύνων που ενέχουν».
Η ερευνητική ομάδα περιλάμβανε επίσης τη Heather Koehler, επίκουρη καθηγήτρια στη Σχολή Μοριακών Βιοεπιστημών που έχει μελετήσει εκτενώς το mpox. Daniel J. Becker, Πανεπιστήμιο της Οκλαχόμα; Rory Gibb, University College του Λονδίνου. και ο Collin Carlson, από το Πανεπιστήμιο Yale, συνεισέφεραν επίσης ως μέλη του Viral Emergence Research Institute, ενός συνεργατικού δικτύου επιστημόνων που μελετούν τις αλληλεπιδράσεις ξενιστή-ιού για την πρόβλεψη της εξάπλωσης του ιού σε παγκόσμια κλίμακα, το οποίο χρηματοδοτείται από το Εθνικό Ίδρυμα Επιστημών. Η ομάδα περιλαμβάνει ειδικούς στην επιστήμη των δεδομένων, την υπολογιστική βιολογία, την ιολογία, την οικολογία και την εξελικτική βιολογία.
Διαβάστε όλες τις ειδήσεις για την Εύβοια
Διαβάστε όλες τις τελευταίες ειδήσεις για την Ελλάδα και τον Κόσμο στο evima.gr