AI kao oružje za sprječavanje budućih pandemija

COVID-19 pandemija istaknula je važnost pomnog praćenja virusa koji bi mogli zaraziti ljude. U ranim fazama pandemije, Timothée Poisot i njegovi kolege već su razvijali algoritam za predviđanje interakcija između sisavaca i virusa.

"Radili smo na ovom projektu od prvih nekoliko mjeseci 2020., prije nego što je pandemija krenula", rekao je Poisot, profesor na Odsjeku za biološke znanosti na Sveučilištu u Montrealu i član Inicijative za istraživanje virusne pojave (VERENA).

Nešto više od tri godine kasnije, Poisot i kolege objavili su rezultate tisuća sati izračuna i validacije u časopisu Patterns.

Poisot i njegovi kolege nastojali su razviti novi algoritam koristeći strojno učenje, kao način formuliranja hipoteza koje bi zatim poslužile za određivanje koje interakcije između domaćina i virusa treba dalje istraživati.

"Želimo znati koja će vrsta virusa vjerojatno zaraziti koju vrstu sisavca, tako da možemo ustanoviti koje će se interakcije najvjerojatnije dogoditi", rekao je Poisot, koji je proveo nekoliko tisuća sati sa svojim timom stvarajući algoritam i usavršavajući ga.

"Neki od skupova podataka koje smo imali bili su stariji: sadržavali su zastarjela imena za određene vrste ili su imali pogreške jer su podaci uneseni ručno", rekao je Poisot.

Prvi posao bio je očistiti i standardizirati podatke – zadatak koji je zahtijevao dosta vremena. Nakon što su on i njegovi kolege izradili algoritam, morali su ga doraditi. "Jedna od prednosti našeg algoritma je ta što vam ne treba puno informacija da biste ga koristili", rekao je Poisot.

Primjena postojećih modela za predviđanje zahtijeva puno informacija o taksonomiji, filogenetskoj strukturi, podacima uzetim uzorkovanjem i više. Kako bi se to riješilo, algoritam koji su razvili Poisot i njegov tim predstavlja sustav kao mrežu interakcija između virusa i sisavaca koju algoritam zatim mora dovršiti.

"Algoritam uzima mrežu koju već poznajemo i projicira je u novi prostor. To nam zauzvrat omogućuje predviđanje."

Unatoč tome, izrada ovih predviđanja zahtijevala je 10.000 sati rada na računalima. Uspoređujući rezultate s poznatim interakcijama, model je pronašao 80.000 novih potencijalnih interakcija između virusa i domaćina.

"Nakon toga", rekao je Poisot, "glavni zadatak bio je utvrditi razinu povjerenja koju smo imali u sposobnost modela da daje predviđanja." Model je morao biti statistički potvrđen, što je samo po sebi zahtijevalo od istraživača da objave članak o validaciji.

Istraživački tim je potom odabrao 20 ključnih virusa koje vrijedi pratiti jer imaju potencijal preskočiti barijeru životinjske vrste i zaraziti ljude. Tim je također identificirao "vruće" regije na koje bi se resursi trebali usredotočiti.

Jedan od virusa koji je izašao na vidjelo bila je mišja ektromelija, koja je povezana s boginjama kod miševa. "Bili smo skeptični, ali kada smo pretražili literaturu, otkrili smo da je bilo slučajeva kod ljudi", rekao je Poisot.

Jedan od važnih rezultata ovog istraživačkog projekta je ponovno otkriće specifičnih virusa zoonoza, koji su već bili predmet raštrkanih publikacija, ali nikada nisu bili povezani u baze podataka.

Drugi inovativni aspekt istraživanja je mapiranje rezultata kako bi se bolje razumjeli međudjelovanja virusa i sisavaca na globalnoj razini. "Naš model donosi prostorna predviđanja i specifično ukazuje na to u kojoj skupini sisavaca i na kojoj lokaciji će se vjerojatno naći određene vrste virusa", rekao je Poisot.

Tim je identificirao dvije geografske regije za istraživanje. Prvo, bazen Amazone u Južnoj Americi, gdje su interakcije između domaćina i virusa izvornije nego drugdje i gdje je vjerojatnije da će se uočiti nove interakcije. I drugo, središnja Afrika, gdje su pronađeni novi domaćini koji su potencijalni prijenosnici zoonotskih virusa.

"Ove bi dvije regije stoga trebale biti zanimljive virolozima koji žele razumjeti raznolikost sustava domaćin-virus i rizik od zoonoza koji predstavljaju za ljude", dodao je.

Sljedeći korak za Poisota i njegove kolege istraživače jest da informacije učine lako dostupnima i lakima za korištenje za partnere na terenu. “Želimo dionicima olakšati usvajanje našeg modela. Sada znamo koje vrste treba pratiti, gdje i na koju vrstu virusa obratiti pažnju”, rekao je.

Na kraju, vjeruje, ovaj bi se istraživački projekt mogao pokazati ključnim za sprječavanje buduće pandemije.