Maskinlæring klassificerer 191 af verdens mest skadelige vira

Forskere fra University of Waterloo har med succes klassificeret 191 tidligere uidentificerede astrovira ved hjælp af en ny maskinlæringsaktiveret klassificeringsproces.

Undersøgelsen, "Leveraging machine learning for taxonomic classification of emerging astroviruses," blev for nylig offentliggjort i Frontiers in Molecular Biosciences .

Astrovirus er nogle af de mest skadelige og udbredte vira i verden. Disse vira forårsager alvorlig diarré, som årligt dræber mere end 440.000 børn under 5 år. I fjerkræindustrien har astrovirus som fugleinfluenza en infektionsrate på 80 % og en dødelighed på 50 % blandt husdyr, hvilket fører til økonomiske ødelæggelser, forstyrrelser i forsyningskæden og fødevaremangel.

Astrovira muterer hurtigt og kan let spredes på tværs af deres mere end 160 værtsarter, hvilket sætter forskere og offentlige sundhedsmyndigheder i et konstant kapløb om at klassificere og forstå nye astrovira, efterhånden som de dukker op. I 2023 var der 322 uidentificerede astrovira med forskellige genomer. I år er det tal steget til 479.

"På ethvert givet tidspunkt bærer mellem 2% og 9% af mennesker en af ​​disse vira. Det tal kan være så højt som 30% i nogle lande," sagde Fatemeh Alipour, Ph.D. kandidat i datalogi ved Waterloo og den ledende computervidenskabsforfatter af forskningsstudiet. "Det er vigtigt at forstå og klassificere disse vira effektivt for at udvikle vacciner."

Astrovirusforskerholdet omfattede computervidenskabelige forskere ved Waterloo og biologiforskere ved University of Western Ontario.

Den nye tredelte klassificeringsmetode inkluderer overvåget maskinlæring, uovervåget maskinlæring og manuel mærkning af hver astroviruss vært.

"Hovedidéen bag klassificeringsmetoden er at udnytte maskinlæring til at klassificere arter ved at lære af deres 'genomiske signaturer'," sagde Lila Kari, professor ved David R. Cheriton School of Computer Science. "Klassificeringsmetoden er spændende både i sin hastighed og generelle anvendelighed."

"Denne metode kan hjælpe os med at forstå, hvordan vira overføres mellem forskellige dyr. Den kan også bruges til at klassificere vira i andre virusfamilier som HIV og Dengue."

Flere oplysninger: Fatemeh Alipour et al., Udnyttelse af maskinlæring til taksonomisk klassificering af nye astrovirus, Grænser i molekylær biovidenskab (2024). DOI:10.3389/fmolb.2023.1305506

Leveret af University of Waterloo