Новая модель выявляет приматов, способных распространять вирус Зика в Америке

В Америке виды приматов, которые, вероятно, являются носителями вируса Зика и потенциально могут его передавать, являются обычными, многочисленными и часто живут рядом с людьми. Об этом сообщает новое исследование, опубликованное в журнале Epidemics. Выводы основаны на инновационной модели, разработанной совместной группой исследователей из Cary Institute of Ecosystem Studies и IBM Research в рамках инициативы Science for Social Good.

Ведущий автор Барбара Хан, эколог по заболеваниям из Cary Institute, поясняет: «При моделировании систем болезней пробелы в данных могут подорвать нашу способность прогнозировать, где люди находятся в зоне риска. Во всем мире только у двух видов приматов был подтвержден положительный результат на вирус Зика. Нас интересовало, как объединение двух методов моделирования может помочь преодолеть ограниченность данных о биологии и экологии приматов — с целью определения приоритетов для наблюдения».

Недавняя эпидемия Зика в Америке стала одной из крупнейших вспышек в новейшее время, заразив более полумиллиона человек. Как и другие флавивирусы, передаваемые комарами, Зика циркулирует в дикой природе. Приматы могут служить резервуарами инфекции, которая передается людям в регионах, где комары питаются как приматами, так и людьми.

Проанализировав данные о флавивирусах и видах приматов, которые, как известно, являются их переносчиками, и сравнив эти признаки с 364 видами приматов, встречающимися в мире, модель с точностью 82% определила известных переносчиков флавивирусов и присвоила оценки риска другим видам приматов, которые, вероятно, являются носителями вируса Зика. Конечным продуктом является интерактивная карта, учитывающая географические ареалы приматов для выявления «горячих точек», где люди наиболее подвержены риску передачи вируса от животных.

Виды приматов в Америке с оценкой риска по Зика более 90% включали:

• Чернополосого капуцина (Cebus apella)
• Красного ревуна (Alouatta seniculus)
• Белолицего капуцина (Cebus capucinus)

Эти виды адаптировались к жизни среди людей в освоенных районах. В список также вошли:

• Белолобые капуцины (Cebus albifrons), которых часто содержат в качестве домашних питомцев и отлавливают для живой торговли.
• Боливийские беличьи обезьяны (Saimiri boliviensis), на которых охотятся ради мяса в некоторых частях их ареала.

«Эти виды широко распространены географически, имеют многочисленные популяции и живут рядом с центрами человеческой популяции. Они печально известны набегами на посевы. Их держат как домашних животных. Их демонстрируют в городах как туристические достопримечательности и охотятся на них ради мяса. С точки зрения риска передачи болезней, это крайне тревожный результат», — говорит соавтор Субхо Маджумдар.

К беспокойству добавляет то, что виды комаров, которые с наибольшей вероятностью распространяют Зика, обычно встречаются рядом с людьми и способны процветать как в естественных, так и в измененных ландшафтах.

Как работает модель

Чтобы преодолеть пробелы в данных, команда объединила два статистических инструмента — множественное импутирование (multiple imputation) и байесовское машинное обучение с множественными метками (Bayesian multi-label machine learning) — чтобы присвоить видам приматов оценку риска, указывающую на их потенциальную способность быть носителями Зика.

Патогены

Были оценены признаки шести болезней, передаваемых комарами: желтая лихорадка, лихорадка денге, японский энцефалит, энцефалит Сент-Луис, вирус Зика и вирус Западного Нила. Три из них имели известных резервуаров среди приматов.

Приматы

Биологические и экологические признаки 18 видов приматов, у которых был положительный тест на любой флавивирус, передаваемый комарами, сравнивались с признаками 364 видов приматов, встречающихся в мире. Было оценено 33 признака, включая такие, как скорость метаболизма, период беременности, размер помета и поведение. Признакам был присвоен вес в зависимости от их важности для прогнозирования носительства Зика.

Хан объясняет: «Как и все патогены, вирус Зика имеет уникальные требования к тому, что ему нужно в животном-хозяине. Чтобы определить, какие виды могут быть его носителями, нам нужно знать, каковы эти признаки, у каких видов они есть и какие из этих видов могут передавать патоген людям. Это большой объем информации, большая часть которой неизвестна».

Для преодоления ограничений данных использовался статистический метод MICE (Multiply Imputed Chained Equations). MICE ставит перед компьютерными алгоритмами задачу поиска в наборах данных о признаках организмов, чтобы установить связи между организмами со схожими или связанными признаками. Когда алгоритм сталкивается с отсутствующей записью данных, он использует эти связи, чтобы вывести недостающую информацию и заполнить «пробелы» в наборе данных.

К этому «заполненному» набору данных было применено машинное обучение для прогнозирования видов приматов, которые с наибольшей вероятностью являются носителями вируса Зика. Модель выдала оценку риска для каждого вида, комбинируя историю заражения флавивирусами и биологические признаки для прогнозирования вероятности носительства Зика.

Этот метод может помочь улучшить модели прогнозирования для других болезненных систем, помимо Зика. Старший автор Куш Варшни из IBM Research поясняет: «Пробелы в данных — это реальность, особенно для инфекционных заболеваний, происходящих от диких животных-хозяев. Модели, подобные разработанной нами, могут преодолеть некоторые из этих пробелов и помочь точно определить виды, вызывающие озабоченность, чтобы уточнить наблюдение, прогнозировать случаи передачи и помочь направлять усилия сообщества общественного здравоохранения».

Хан заключает: «Это исследование стало возможным благодаря инновациям, предоставленным более широким научным сообществом. Мы полагались на данные о приматах и патогенах, собранные сотнями полевых исследователей, а базовые методы машинного обучения и импутации, которые мы адаптировали в этом исследовании, уже существовали. Партнеры из IBM Research взяли на себя львиную долю математики и программирования. Это было невероятно успешное междисциплинарное сотрудничество — именно такое, которое нам нужно больше, если мы хотим найти новые решения сложных проблем».