La rete imputata rivela hotspot sconosciuti di associazioni di virus host uniche in Amazzonia. In alto:differenza tra l'unicità compositiva (a intervalli) della comunità virale basata sulla presenza dell'ospite (vedi ED Fig. 7). Le aree verde scuro indicano che la rete imputata suggerisce una maggiore originalità della comunità virale rispetto ai dati disponibili. In basso:confronto tra numero di host e unicità della comunità virale. Assumendo la scoperta casuale di virus attraverso il campionamento dell'ospite, questa relazione sarebbe complessivamente lineare e positiva, come nel caso dell'imputazione. L'aggiunta di interazioni imputate rimuove alcuni dei pregiudizi di campionamento e mostra come le aree con una minore ricchezza di host abbiano contributi più unici all'unicità virale, il che suggerisce che ospitano virus non condivisi da posizioni più specifiche. Credito:arXiv:2105.14973v2 [q-bio.QM], https://arxiv.org/abs/2105.14973
Fino a poco tempo, conoscevamo solo il due per cento delle possibili interazioni tra mammiferi e virus, o il "viroma". Tuttavia, una nuova tecnica di intelligenza artificiale (AI) ha identificato potenziali nuove interazioni tra virus ospite, aumentando le dimensioni del viroma noto di un fattore 15.
È stato applicato un nuovo approccio basato sull'apprendimento automatico per prevedere le interazioni tra virus host e 35.000 ore di tempo al computer sono state utilizzate sui computer Calcul Québec per analizzare i dati sulle interazioni tra mille mammiferi (gli host) e altrettanti virus.
Dopo che sono state identificate 80.000 potenziali nuove interazioni tra virus host, la rete di associazioni tra virus host è stata associata a un modello del genoma del virus per rivalutare il potenziale di infezione umana di tutti i virus nel database.
Il risultato è stato un elenco di virus animali che potrebbero causare zoonosi, ovvero infettare gli esseri umani.
Il progetto di ricerca internazionale in collaborazione è stato guidato da Timothée Poisot, professore presso il Dipartimento di Scienze Biologiche dell'Università di Montreal, interessato al calcolo dei rischi di pandemia. È stato finanziato da IVADO, l'Istituto per la valorizzazione dei dati, e realizzato nell'ambito della Viral Emergence Research Initiative.
Scoprire virus "dimenticati"
Per convalidare le loro previsioni, Poisot e il suo team di esperti in virologia, intelligenza artificiale e salute pubblica hanno esaminato la letteratura per precedenti focolai umani dei virus che avevano etichettato come ad alto rischio. Si è scoperto che dei 20 virus con il più forte potenziale zoonotico, 11 hanno infatti fatto ammalare gli esseri umani.
"Alcuni dei virus ci hanno davvero sorpreso; non pensavamo potessero essere trasmessi agli esseri umani", ha detto Poisot. "Ad esempio, il nostro sistema ha calcolato che l'ectromelia, il virus responsabile del vaiolo nei topi, ha una probabilità 'molto alta' di infettare gli esseri umani e abbiamo scoperto che c'era effettivamente un focolaio in una scuola cinese nel 1987, ma non era elencato in uno qualsiasi dei database."
Nel complesso, le famiglie di virus che compaiono più spesso nell'elenco ad alto rischio sono bunyavirus (uno dei quali causa la febbre della Rift Valley), rhabdovirus (rabbia), filovirus (Ebola) e flavivirus (febbre dengue, febbre gialla). "Queste sono tutte famiglie note per presentare un rischio zoonotico significativo, ma il modello potrebbe consentirci di misurare il rischio all'interno di queste famiglie in modo più accurato", ha spiegato Poisot.
Monitoraggio degli hotspot, in particolare l'Amazzonia
Questa ricerca predittiva può aiutare a guidare gli sforzi dei virologi che lavorano per prevenire le zoonosi che potrebbero causare future epidemie e pandemie. L'elenco dei virus ad alto rischio può essere utilizzato per indirizzare campagne di campionamento su specie specifiche e anche in base alla distribuzione geografica, poiché il team di ricerca ha mappato i risultati.
"Come ecologista che fa ricerca biogeografica, voglio sapere non solo quale virus sarà compatibile con quale ospite, ma anche dove si possono trovare quelle combinazioni", ha affermato Poisot.
Secondo il modello informatico, l'Amazzonia è la parte del mondo con il maggior potenziale di mutazioni virali. "I risultati sono chiari:l'Amazzonia è un hotspot per nuove interazioni tra virus host", ha affermato Poisot. "È la regione in cui troviamo il maggior numero di interazioni che di solito non si verificano."
Secondo Poisot, questi nuovi contatti possono essere spiegati dalla mancanza di dati sul viroma amazzonico, sulla deforestazione, sui cambiamenti climatici e sull'espansione urbana, che aumenta il contatto tra animali e umani.
