Los investigadores usan inteligencia artificial para guiar la búsqueda del próximo virus similar al SARS
Rhinolophus rouxi, que habita en partes del sur de Asia, fue identificado como un huésped betacoronavirus probable pero no detectado por los autores del estudio. Crédito: Brock y Sherri Fenton
Un equipo de investigación internacional dirigido por científicos de la Universidad de Georgetown ha demostrado el poder de la inteligencia artificial para predecir qué virus podrían infectar a los humanos, como el SARS-CoV-2, el virus que condujo a la pandemia de COVID-19, que los animales acogerlos y dónde podrían surgir.
Su conjunto de modelos predictivos de probables huéspedes reservorio, publicado el 10 de enero en Lancet Microbe («Optimización de modelos predictivos para priorizar el descubrimiento viral en reservorios zoonóticos»), fue validado en un proyecto de 18 meses para identificar especies específicas de murciélagos que puedan portar betacoronavirus, el grupo que incluye los virus similares al SARS.
«Si desea encontrar estos virus, debe comenzar por perfilar a sus huéspedes, su ecología, su evolución, incluso la forma de sus alas», explica el El autor principal del estudio, Colin Carlson, Ph.D., profesor asistente de investigación en el Departamento de Microbiología e Inmunología y miembro del Centro de Ciencias de la Salud Global y Seguridad de Georgetown en el Centro Médico de la Universidad de Georgetown. «La inteligencia artificial nos permite tomar datos sobre murciélagos y convertirlos en predicciones concretas: ¿dónde deberíamos estar buscando el próximo SARS?»
A pesar de las inversiones globales en la vigilancia de enfermedades, sigue siendo difícil identificar y monitorear los reservorios de vida silvestre de virus que algún día podrían infectar a los humanos. Los modelos estadísticos se utilizan cada vez más para priorizar qué especies de vida silvestre muestrear en el campo, pero las predicciones que se generan a partir de cualquier modelo pueden ser muy inciertas. Los científicos rara vez rastrean el éxito o el fracaso de sus predicciones después de hacerlas, lo que dificulta aprender y hacer mejores modelos en el futuro. Juntas, estas limitaciones significan que existe una gran incertidumbre sobre qué modelos pueden ser los más adecuados para la tarea.
Este nuevo estudio sugiere que la búsqueda de virus estrechamente relacionados podría no ser trivial, con más de 400 murciélagos Se prevé que las especies de todo el mundo alberguen betacoronavirus, un gran grupo de virus que incluye a los responsables del SARS-CoV (el virus que causó el brote de SARS de 2002-2004) y el SARS-CoV-2 (el virus que causa el COVID-19) . Aunque el origen del SARS-CoV-2 sigue siendo incierto, la propagación de otros virus de los murciélagos es un problema creciente debido a factores como la expansión agrícola y el cambio climático.
Greg Albery, Ph.D., un posdoctorado miembro del Departamento de Biología de Georgetown, dice que COVID-19 proporcionó el impulso para acelerar su investigación. «Esta es una oportunidad realmente rara», explica Albery. «Fuera de una pandemia, nunca aprenderíamos tanto sobre estos virus en tan poco tiempo. Una década de investigación se ha colapsado en aproximadamente un año de publicaciones, y significa que realmente podemos demostrar que estas herramientas funcionan».
En el primer trimestre de 2020, el equipo de investigadores entrenó ocho modelos estadísticos diferentes que predijeron qué tipos de animales podrían albergar betacoronavirus. Durante más de un año, el equipo rastreó el descubrimiento de 40 nuevos murciélagos anfitriones de betacoronavirus para validar las predicciones iniciales y actualizar dinámicamente sus modelos. Los investigadores descubrieron que los modelos que aprovechan los datos sobre la ecología y la evolución de los murciélagos se desempeñaron extremadamente bien en la predicción de nuevos anfitriones. Por el contrario, los modelos de vanguardia de la ciencia de redes que utilizaron matemáticas de alto nivel pero menos datos biológicos se desempeñaron aproximadamente tan bien o peor de lo esperado al azar.
«Una de las cosas más importantes que nos brinda nuestro estudio es una una lista restringida de qué especies de murciélagos deben estudiarse más a fondo», dice Daniel Becker, Ph.D., profesor asistente de biología en la Universidad de Oklahoma. «Después de identificar estos posibles anfitriones, el siguiente paso es invertir en el monitoreo para comprender dónde y cuándo es probable que se propaguen los betacoronavirus».
Carlson dice que el equipo ahora está trabajando con otros científicos de todo el mundo para analizar muestras de murciélagos en busca de coronavirus en función de sus predicciones.
«Si gastamos menos dinero, recursos y tiempo buscando estos virus, podemos poner todos esos recursos en las cosas que realmente salvan vidas en el futuro». Podemos invertir en la construcción de vacunas universales para atacar esos virus, o monitorear el contagio en las personas que viven cerca de los murciélagos «, dice Carlson. «Es beneficioso para la ciencia y la salud pública».
Explore más
Los científicos encuentran coronavirus relacionados con el SARS-CoV-2 en murciélagos camboyanos desde 2010 Más información: «Optimización de modelos predictivos para priorizar el descubrimiento viral en reservorios zoonóticos» Lancet Microbe, DOI : 10.1016/S2666-5247(21)00245-7 Proporcionado por el Centro Médico de la Universidad de Georgetown Cita: Los investigadores usan inteligencia artificial para guiar la búsqueda del próximo virus similar al SARS (2022, 10 de enero) recuperado 29 Agosto de 2022 de https://medicalxpress.com/news/2022-01-artificial-intelligence-sars-like-virus.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.