Credito:Pixabay/CC0 di dominio pubblico
La velocità con cui le malattie emergenti della fauna selvatica infettano gli esseri umani è aumentata costantemente negli ultimi tre decenni. I virus, come la pandemia globale di coronavirus e la recente epidemia di vaiolo delle scimmie, hanno accresciuto l'urgente necessità di strumenti di ecologia delle malattie per prevedere quando e dove sono probabili focolai di malattie. Un assistente professore dell'Università della Florida del sud ha contribuito a sviluppare una metodologia che farà proprio questo:prevedere la trasmissione di malattie dalla fauna selvatica agli esseri umani, da una specie di fauna selvatica a un'altra e determinare chi è a rischio di infezione.
La metodologia è un approccio di apprendimento automatico che identifica l'influenza di variabili, come la posizione e il clima, sui patogeni noti. Utilizzando solo piccole quantità di informazioni, il sistema è in grado di identificare i punti caldi della comunità a rischio di infezione su scala sia globale che locale.
"Il nostro obiettivo principale è sviluppare questo strumento per misure preventive", ha affermato il co-principale investigatore Diego Santiago-Alarcon, assistente professore di biologia integrativa. "È difficile disporre di una metodologia per tutti gli usi che possa essere utilizzata per prevedere le infezioni in tutti i diversi sistemi di parassiti, ma con questa ricerca contribuiamo a raggiungere questo obiettivo".
Con l'aiuto dei ricercatori dell'Universiad Veracruzana e dell'Instituto de Ecologia, con sede in Messico, Santiago-Alarcon ha esaminato tre sistemi ospite-patogeno - malaria aviaria, uccelli con virus del Nilo occidentale e pipistrelli con coronavirus - per testare l'affidabilità e l'accuratezza dei modelli generati dalla metodologia.
Il team ha scoperto che per i tre sistemi, la specie infetta più frequentemente non era necessariamente la più suscettibile alla malattia. Per individuare meglio gli host con un rischio maggiore di infezione, era importante identificare fattori rilevanti, come il clima e le relazioni evolutive.
Integrando variabili di sviluppo geografiche, ambientali ed evolutive, i ricercatori hanno identificato le specie ospiti che in precedenza non erano state registrate come infette dal parassita in studio, fornendo un modo per identificare le specie suscettibili ed eventualmente mitigare il rischio di agenti patogeni.
"Siamo fiduciosi che la metodologia abbia successo e che possa essere ampiamente applicata a molti sistemi ospite-patogeno", ha affermato Santiago-Alarcon. "Entriamo ora in una fase di miglioramento e perfezionamento."
I risultati, pubblicati negli Atti dell'Accademia Nazionale delle Scienze , dimostrare che la metodologia è in grado di fornire previsioni globali affidabili per i sistemi ospite-patogeno studiati, anche quando si utilizza una piccola quantità di informazioni. Questo nuovo approccio aiuterà a dirigere la sorveglianza delle malattie infettive e gli sforzi sul campo, fornendo una strategia conveniente per determinare meglio dove investire risorse limitate per le malattie.
Prevedere quale tipo di agente patogeno produrrà la prossima infezione medica o veterinaria è difficile, ma necessario. Con l'aumento del tasso di impatto umano sugli ambienti naturali, le possibilità di nuove malattie continueranno ad aumentare.
"L'umanità, e in effetti la biodiversità in generale, stanno affrontando sempre più problemi di malattie infettive a causa della nostra incursione e distruzione dell'ordine naturale in tutto il mondo attraverso cose come la deforestazione, il commercio globale e il cambiamento climatico", ha affermato Andrés Lira-Noriega, ricercatore presso l'Istituto di Ecologia. "Ciò impone la necessità di disporre di strumenti come quello che stiamo pubblicando per aiutarci a prevedere dove possono verificarsi o insorgere nuove minacce in termini di nuovi agenti patogeni e dei loro serbatoi".
Il team prevede di continuare la ricerca per testare ulteriormente la metodologia su ulteriori sistemi ospite-patogeno ed estendere lo studio della trasmissione della malattia per prevedere futuri focolai. L'obiettivo è rendere lo strumento facilmente accessibile tramite un'app per la comunità scientifica entro la fine del 2022. + Esplora ulteriormente
