La IA podría ser el arma secreta para prevenir la próxima pandemia mundial

En 2016, cuatro años antes de que una pandemia detuviera el mundo, el Programa de las Naciones Unidas para el Medio Ambiente (PNUMA) hizo sonar la alarma sobre las enfermedades zoonóticas, identificándolas como un problema emergente clave de preocupación mundial.

Ahora, según la Organización Mundial de la Salud, alrededor de mil millones de casos y millones de muertes cada año son el resultado de zoonosis, en las que los patógenos saltan de los animales vertebrados a los humanos. Y de los 30 nuevos virus humanos que se han identificado en las últimas tres décadas, un masivo 75% se originó en otros animales.

Pero los científicos de la Universidad de Montreal creen que su nuevo modelo de inteligencia artificial tiene la capacidad de resaltar y predecir "puntos críticos" virales emergentes para observar, lo que podría dar el salto a posibles infecciones de animales a humanos e, idealmente, prevenir algo como COVID. -19 de volver a suceder.

El algoritmo, que llevó a los investigadores tres años y 10 000 horas de computación, pudo identificar 80 000 nuevas interacciones potenciales entre virus y hosts, y en qué lugar del mundo son más preocupantes.

“Habíamos estado trabajando en este proyecto desde los primeros meses de 2020, antes de que despegara la pandemia”, dijo Timothée Poisot, profesor del Departamento de Ciencias Biológicas de la Universidad de Montreal.

A través del aprendizaje automático, en lugar de hacer enlaces manualmente en los datos, el algoritmo pudo evaluar miles de especies de mamíferos y miles de virus y resolver todas las combinaciones viables.

"El problema básico es que solo somos conscientes de entre el uno y el dos por ciento de las interacciones entre virus y mamíferos", dijo Poisot. "Las redes están dispersas y hay pocas interacciones, que se concentran en unas pocas especies. Queremos saber qué especie de virus es probable que infecte a qué especie de mamífero, para que podamos establecer qué interacciones es más probable que ocurran".

El equipo utilizó el conjunto de datos abierto más grande, CLOVER, que describió 5494 interacciones entre 829 virus y 1081 huéspedes mamíferos, la mayoría de los cuales se centró en animales salvajes, así como varios otros conjuntos de datos, incluido el Proyecto de Filogenia de Huésped-Patógeno (HP3), Enhanced Base de datos de enfermedades infecciosas (EID2) y la base de datos mundial de parásitos de mamíferos V2.0 (GHMPD2).

"Algunos de los conjuntos de datos que teníamos eran más antiguos: contenían nombres desactualizados para especies particulares, o tenían errores porque los datos se habían ingresado a mano", dijo Poisot sobre el proceso que requería mucho tiempo para la aprendizaje automático. "Después de eso, la tarea principal fue determinar el nivel de confianza que teníamos en la capacidad del modelo para hacer predicciones".

Luego, los investigadores se centraron en 20 virus que se consideraron preocupantes y que tenían el potencial de propagarse a los humanos.

"Tuvimos muchas discusiones en el equipo, porque al principio algunos de los resultados nos parecían extraños", dijo Poisot, quien se sorprendió al ver que el virus Ectromelia relacionado con ratones se identificó como uno a observar. "Éramos escépticos, pero cuando buscamos en la literatura, encontramos que había habido casos en humanos".

Los investigadores también pudieron identificar regiones a través del modelo, algo que podría ayudar a los científicos a realizar investigaciones virales y de vacunas de una manera más específica.

"Nuestro modelo hace predicciones espaciales, pero más precisamente, el modelo indica específicamente en qué grupo de mamíferos y en qué ubicación es probable que se encuentren ciertos tipos de virus", dijo Poisot.

Los resultados mostraron dos áreas de interés específico: la cuenca del Amazonas, donde la interacción del virus y el huésped es más original y es más probable que se observen nuevas interacciones; y África subsahariana, donde el algoritmo identificó nuevos huéspedes que probablemente portarían virus zoonóticos.

"Realmente estamos cambiando los lugares a los que debemos ir y estudiar a los mamíferos para descubrir nuevos virus", explicó Poisot.

Si bien los patógenos zoonóticos pueden tomar muchas formas (bacterianas, parasitarias, virales), se espera que su prevalencia sea cada vez más común a medida que los animales humanos y no humanos continúan ocupando más del mismo espacio.

El equipo espera que su modelo no solo pueda informar nuevos puntos de partida para la investigación, sino también ofrecer vigilancia en el mundo real. El próximo paso sería llevar esta IA al siguiente nivel e incluir más mecanismos microbiológicos, inmunológicos y ecológicos, para una visión más completa de un viroma global.

"El algoritmo toma la red que ya conocemos y la proyecta en un nuevo espacio, un poco como un teatro de sombras: arroja luz sobre las interacciones de una nueva manera", dijo Poisot. "Ahora sabemos qué especies monitorear, dónde y para qué tipo de virus".

La investigación fue publicada en la revista Patterns.

Fuente: Universidad de Montreal