Hvor lurer de næste zoonotiske vira?

Indtil for nylig kendte vi kun til to procent af de mulige interaktioner mellem pattedyr og vira, eller "viromet". Imidlertid har en ny kunstig intelligens (AI)-teknik identificeret potentielle nye vært-virus-interaktioner, hvilket øger størrelsen af ​​det kendte virom med en faktor på 15.

En ny maskinlæringsbaseret tilgang til at forudsige vært-virus-interaktioner blev anvendt, og 35.000 timers computertid blev brugt på Calcul Québec-computere til at analysere data om interaktioner mellem tusinde pattedyr (værterne) og lige så mange vira.

Efter at 80.000 potentielle nye vært-virus-interaktioner var blevet identificeret, blev netværket af vært-virus-associationer parret med en virusgenommodel for at revurdere det humane infektionspotentiale for alle vira i databasen.

Resultatet var en liste over dyrevirus, der kunne forårsage zoonoser, dvs. inficere mennesker.

Det internationale samarbejdsprojekt blev ledet af Timothée Poisot, en professor ved Institut for Biologiske Videnskaber ved University of Montreal, som er interesseret i at beregne pandemiske risici. Det blev finansieret af IVADO, Institute for Data Valorization, og udført som en del af Viral Emergence Research Initiative.

Afdækning af "glemte" vira

For at validere deres forudsigelser undersøgte Poisot og hans team af eksperter i virologi, AI og folkesundhed litteraturen for tidligere menneskelige udbrud af de vira, de havde betegnet som højrisiko. Det viste sig, at af de 20 vira med det stærkeste zoonotiske potentiale, har 11 faktisk gjort mennesker syge.

"Nogle af vira overraskede os virkelig; vi troede ikke, de kunne overføres til mennesker," sagde Poisot. "For eksempel beregnede vores system, at ectromelia, den virus, der er ansvarlig for kopper i mus, har en 'meget høj' sandsynlighed for at inficere mennesker, og vi opdagede, at der faktisk var et udbrud i en kinesisk skole i 1987, men det var ikke opført på listen. i enhver af databaserne."

Samlet set er de virusfamilier, der oftest dukker op på højrisikolisten, bunyavirus (hvoraf den ene forårsager Rift Valley-feber), rhabdovirus (rabies), filovira (Ebola) og flavivirus (denguefeber, gul feber). "Dette er alle familier, der er kendt for at udgøre en betydelig zoonotisk risiko, men modellen kan gøre os i stand til at måle risikoen inden for disse familier mere præcist," forklarede Poisot.

Overvågning af hotspots, især Amazonas

Denne forudsigende forskning kan hjælpe med at guide virologernes indsats for at forhindre zoonoser, der kan forårsage fremtidige epidemier og pandemier. Listen over højrisikovirus kan bruges til at målrette prøvetagningskampagner på specifikke arter og også på baggrund af geografisk fordeling, da forskerholdet har kortlagt resultaterne.

"Som en økolog, der laver biogeografisk forskning, vil jeg ikke kun vide, hvilken virus der vil være kompatibel med hvilken vært, men også hvor disse kombinationer kan findes," sagde Poisot.

Ifølge computermodellen er Amazonas den del af verden med det største potentiale for virale mutationer. "Resultaterne er klare:Amazonas er et hotspot for nye vært-virus-interaktioner," sagde Poisot. "Det er den region, hvor vi finder flest interaktioner, som normalt ikke forekommer."

Ifølge Poisot kan disse nye kontakter forklares med manglen på data om Amazonas virom, skovrydning, klimaændringer og byudvidelse, hvilket øger kontakten mellem dyr og mennesker.