Ny metode forudsiger coronavirus og andre smitsomme sygdomme trusler mod dyrelivet

Den hastighed, hvormed nye dyresygdomme inficerer mennesker, er steget støt i løbet af de sidste tre årtier. Vira, såsom den globale coronavirus-pandemi og nylige abekoppeudbrud, har øget det presserende behov for sygdomsøkologiske værktøjer til at forudsige, hvornår og hvor sygdomsudbrud er sandsynlige. En assisterende professor ved University of South Florida hjalp med at udvikle en metode, der vil gøre netop det - forudsige sygdomsoverførsel fra dyreliv til mennesker, fra en dyreart til en anden og afgøre, hvem der er i risiko for infektion.

Metoden er en maskinlæringstilgang, der identificerer indflydelsen af ​​variabler, såsom placering og klima, på kendte patogener. Ved kun at bruge små mængder information er systemet i stand til at identificere lokalsamfunds hot spots med risiko for infektion på både global og lokal skala.

"Vores hovedmål er at udvikle dette værktøj til forebyggende foranstaltninger," sagde co-principal investigator Diego Santiago-Alarcon, assisterende professor i integrativ biologi. "Det er svært at have en alsidig metodologi, der kan bruges til at forudsige infektioner på tværs af alle de forskellige parasitsystemer, men med denne forskning bidrager vi til at nå dette mål."

Med hjælp fra forskere ved Universiad Veracruzana og Instituto de Ecologia, beliggende i Mexico, undersøgte Santiago-Alarcon tre værtspatogensystemer - fuglemalaria, fugle med West Nile-virus og flagermus med coronavirus - for at teste pålideligheden og nøjagtigheden af ​​de genererede modeller ved metoden.

Holdet fandt, at for de tre systemer var den mest inficerede art ikke nødvendigvis den mest modtagelige for sygdommen. For bedre at lokalisere værter med højere risiko for infektion var det vigtigt at identificere relevante faktorer, såsom klima og evolutionære forhold.

Ved at integrere geografiske, miljømæssige og evolutionære udviklingsvariabler identificerede forskerne værtsarter, der tidligere ikke er blevet registreret som inficeret af parasitten under undersøgelse, hvilket giver en måde at identificere modtagelige arter og i sidste ende mindske patogenrisikoen.

"Vi føler os sikre på, at metoden er vellykket, og den kan anvendes bredt til mange værtspatogensystemer," sagde Santiago-Alarcon. "Vi går nu ind i en fase med forbedring og forfining."

Resultaterne, offentliggjort i Proceedings of the National Academy of Sciences , bevise, at metoden er i stand til at give pålidelige globale forudsigelser for de undersøgte vært-patogensystemer, selv når der bruges en lille mængde information. Denne nye tilgang vil hjælpe med at styre infektionssygdomsovervågning og feltindsats, hvilket giver en omkostningseffektiv strategi til bedre at bestemme, hvor begrænsede sygdomsressourcer skal investeres.

At forudsige, hvilken slags patogen der vil producere den næste medicinske eller veterinære infektion er udfordrende, men nødvendigt. Efterhånden som graden af ​​menneskelig påvirkning af naturlige miljøer stiger, vil mulighederne for nye sygdomme fortsætte med at stige.

"Menneskeheden, og faktisk biodiversiteten generelt, oplever flere og flere udfordringer med smitsomme sygdomme som et resultat af vores indtrængen og ødelæggelse af den naturlige orden på verdensplan gennem ting som skovrydning, global handel og klimaændringer," siger Andrés Lira-Noriega, forskningsstipendiat ved Instituto de Ecologia. "Dette pålægger behovet for at have værktøjer som det, vi udgiver, for at hjælpe os med at forudsige, hvor nye trusler i form af nye patogener og deres reservoirer kan opstå eller opstå."

Holdet planlægger at fortsætte deres forskning for yderligere at teste metodologien på yderligere værtspatogensystemer og udvide studiet af sygdomsoverførsel for at forudsige fremtidige udbrud. Målet er at gøre værktøjet let tilgængeligt gennem en app for det videnskabelige samfund inden udgangen af ​​2022. + Udforsk yderligere

Hvordan springer sygdomme fra en art til en anden?