Модель машинного обучения предсказывает потенциальные резервуары вирусов на основе характеристик хозяина и генетики вируса

Новый инструмент искусственного интеллекта может помочь ограничить или даже предотвратить пандемии, выявляя виды животных, которые могут быть носителями и распространителями вирусов, способных инфицировать человека.

Модель машинного обучения, созданная исследователями из Университета штата Вашингтон, анализирует характеристики хозяина и генетику вируса для выявления потенциальных животных-резервуаров и географических районов, где с большей вероятностью могут возникнуть новые вспышки. Модель фокусируется на ортопоксвирусах, к которым относятся вирусы, вызывающие оспу и mpox (оспу обезьян).

Исследователи недавно опубликовали статью о своей работе с моделью в журнале Communications Biology. Их выводы могут помочь ученым предвидеть возникающие зоонозные угрозы и, что важно, адаптировать модель для других вирусов.

"Почти три четверти возникающих вирусов, инфицирующих человека, происходят от животных", — говорит Стефани Зайферт, эксперт по вирусному возникновению и межвидовой передаче. — "Если мы сможем лучше предсказать, какие виды представляют наибольший риск, мы сможем принять упреждающие меры для предотвращения пандемий".

Модель определила Юго-Восточную Азию, экваториальную Африку и Амазонию как потенциальные очаги вспышек ортопоксвирусов. Эти регионы не только имеют высокую концентрацию потенциальных хозяев, но и совпадают с территориями, где низки показатели вакцинации против оспы. Хотя вакцина против оспы обеспечивает перекрестную защиту от других ортопоксвирусов, кампании вакцинации прекратились после искоренения оспы в 1980 году.

Исследование также выявило несколько семейств животных как вероятных хозяев для mpox, включая грызунов, кошачьих, псовых (собаки и родственные виды), скунсов, куньих (ласки и выдры) и енотов. Модель правильно исключила крыс, которые, как показали лабораторные исследования, устойчивы к заражению mpox.

Кэти Ценг, аспирант ветеринарной медицины и первый автор исследования, отметила, что модель не только продемонстрировала более высокую прогностическую точность по сравнению с предыдущими моделями, но и может быть полезна для прогнозирования хозяев для других вирусов.

"Хотя мы использовали модель специально для ортопоксвирусов, мы также можем двигаться во многих других направлениях и начать тонкую настройку этой модели для других вирусов", — сказала она.

Пилар Фернандес, эколог болезней и соавтор проекта, пояснила, что предыдущие модели машинного обучения, использовавшиеся для прогнозирования потенциальных хозяев ортопоксвирусов, опирались на экологические признаки животных, такие как среда обитания и рацион, и другие характеристики, влияющие на их взаимодействие со средой. Хотя они были эффективны, эти модели игнорировали решающую часть уравнения — генетический состав вирусов.

"Наша модель повышает точность прогнозов хозяев и дает более четкую картину того, как вирусы могут распространяться между видами", — сказала Фернандес.

Ортопоксвирусы обычно вызывают небольшие локальные вспышки, но недавние события, включая глобальное распространение mpox в 2022 году, вызвали опасения по поводу того, что эти вирусы могут создавать новые эндемичные районы и распространяться через новых животных-резервуаров.

Выявление возможных резервуаров является ключом к предвидению событий перескока (spillover). Однако достижение этого с помощью традиционного полевого отбора проб — ресурсоемкое и непрактичное мероприятие. Новая модель упрощает эту задачу и может использоваться для таргетирования усилий по наблюдению за дикой природой.

"Если мы сможем использовать эти модели машинного обучения, чтобы помочь нам расставить приоритеты в усилиях по отбору проб, то это будет действительно полезно для определения того, откуда происходят эти вирусы, и для понимания рисков, которые они представляют", — сказала Зайферт.