Durante COVID 19 pandemia, Timothée Poisot e il suo team erano già al lavoro su un algoritmo per prevedere le interazioni tra mammiferi e virus.
La pandemia di COVID-19 ha evidenziato l’importanza di monitorare attentamente i virus che potrebbero infettare l’uomo. Nelle prime fasi della pandemia, Timothée Poisot e i suoi colleghi stavano già sviluppando un algoritmo per prevedere le interazioni virus-mammifero.
Ricerca in un laboratorio biomedico – foto illustrativa. Credito immagine: CDC
“Stavamo lavorando a questo progetto dai primi mesi del 2020, prima che la pandemia decollasse”, ha affermato Poisot, professore presso il Dipartimento di scienze biologiche dell’Université de Montréal e membro della Viral Emergence Research Initiative (VERENA). , un istituto di ricerca internazionale con sede a Washington, DC
Poco più di tre anni dopo, Poisot e colleghi hanno pubblicato sulla rivista i risultati di migliaia di ore di calcoli e validazioni Modelliuna rivista premium ad accesso aperto di Cell Press.
Fare previsioni migliori
Poisot appartiene a un gruppo di ricerca multidisciplinare che spera di fare previsioni migliori sulle interazioni tra mammiferi e virus in generale. Quando vengono soddisfatte determinate condizioni, il passaggio di virus da una specie all’altra può portare alla comparsa di una zoonosi, che l’Organizzazione mondiale della sanità definisce “una malattia infettiva che è passata da un animale non umano all’uomo”.
Secondo Poisot, “il problema fondamentale è che siamo consapevoli solo dell’uno e del due per cento delle interazioni tra virus e mammiferi. Le reti sono sparse e ci sono poche interazioni, concentrate in poche specie».
Cercare di campionare manualmente tutte le interazioni sarebbe un compito enorme, soprattutto perché ci sono migliaia di specie di mammiferi e ancora più migliaia di virus, portando a combinazioni di virus-mammifero letteralmente infinite.
Poisot e i suoi colleghi hanno quindi cercato di sviluppare un nuovo algoritmo utilizzando l’apprendimento automatico, come un modo per formulare ipotesi che sarebbero poi servite a identificare quali interazioni ospite-virus esplorare ulteriormente.
“Vogliamo sapere quale specie di virus è in grado di infettare quale specie di mammifero, in modo da poter stabilire quali interazioni hanno maggiori probabilità di verificarsi”, ha affermato Poisot, che ha trascorso diverse migliaia di ore con il suo team creando l’algoritmo e perfezionandolo.
“Nomi ed errori obsoleti”
“Alcuni dei set di dati che avevamo erano più vecchi: contenevano nomi obsoleti per specie particolari o contenevano errori perché i dati erano stati inseriti a mano”, ha detto Poisot.
Il primo lavoro è stato quello di ripulire e standardizzare i dati, un’attività che richiede molto tempo. Una volta che lui ei suoi colleghi hanno creato l’algoritmo, hanno dovuto perfezionarlo. “Uno dei vantaggi del nostro algoritmo è che non hai bisogno di molte informazioni per usarlo”, ha detto Poisot.
L’implementazione di modelli esistenti per fare previsioni richiede molte informazioni su tassonomia, struttura filogenetica, dati presi dal campionamento e altro ancora. Per far fronte a ciò, l’algoritmo sviluppato da Poisot e dal suo team rappresenta il sistema come una rete di interazioni tra virus e mammiferi che l’algoritmo deve poi completare.
“L’algoritmo prende la rete che già conosciamo e la proietta in un nuovo spazio, un po’ come un teatro delle ombre: getta luce sulle interazioni in un modo nuovo”, ha detto Poisot. “Questo, a sua volta, ci consente di fare previsioni”.
Anche così, fare queste previsioni ha richiesto 10.000 ore di calcolo sui computer di Calcul Québec. Confrontando i risultati con le interazioni note, il modello ha trovato 80.000 nuove potenziali interazioni tra virus e host.
“Dopodiché”, ha detto Poisot, “il compito principale era determinare il livello di fiducia che avevamo nella capacità del modello di fare previsioni”. Il modello doveva essere convalidato statisticamente, il che di per sé richiedeva ai ricercatori di pubblicare un articolo sulla metodologia di convalida utilizzando dati molto incompleti.
Monitoraggio di 20 virus chiave
Il team di ricerca ha quindi selezionato 20 virus chiave che vale la pena monitorare, poiché hanno il potenziale per superare la barriera delle specie e infettare gli esseri umani. Il team ha anche identificato le regioni “calde” in cui le risorse dovrebbero essere concentrate. “Abbiamo discusso molto sulla squadra, perché all’inizio alcuni dei risultati ci sembravano strani”, ha detto Poisot.
Uno dei virus che sono venuti alla luce era l’ectromelia murina, che è correlata al vaiolo nei topi. “Eravamo scettici, ma quando abbiamo cercato nella letteratura, abbiamo scoperto che c’erano stati casi negli esseri umani”, ha detto Poisot.
Uno dei risultati importanti di questo progetto di ricerca è la riscoperta di specifici virus zoonotici, che erano già stati oggetto di pubblicazioni sparse, ma che non erano mai stati collegati in banche dati.
Un altro aspetto innovativo della ricerca è la mappatura dei risultati per comprendere meglio le interazioni virus-mammiferi su scala globale. “Il nostro modello fa previsioni spaziali, ma più precisamente, il modello indica specificamente in quale gruppo di mammiferi e in quale posizione è probabile che si trovino determinati tipi di virus”, ha affermato Poisot.
Due regioni da esplorare
Il team ha identificato due regioni geografiche da esplorare. In primo luogo, il bacino amazzonico in Sud America, dove le interazioni tra ospiti e virus sono più originali che altrove e dove è più probabile che si osservino nuove interazioni. E in secondo luogo, l’Africa centrale, dove sono stati trovati nuovi ospiti potenziali portatori di virus zoonotici.
“Stiamo davvero spostando i luoghi in cui dobbiamo andare a studiare i mammiferi per scoprire nuovi virus”, ha spiegato Poisot. Queste due regioni dovrebbero quindi interessare i virologi che desiderano comprendere la diversificazione dei sistemi del virus ospite e il rischio zoonotico che rappresentano per l’uomo, ha aggiunto.
Il prossimo passo per Poisot e i suoi colleghi di ricerca è rendere le informazioni facilmente accessibili e di facile utilizzo per i partner sul campo. “Vogliamo rendere più facile per le parti interessate adottare il nostro modello. Ora sappiamo quali specie monitorare, dove e per quale tipo di virus”, ha affermato.
Alla fine, ritiene, questo progetto di ricerca potrebbe rivelarsi essenziale per prevenire una futura pandemia.
Fonte: Università di Montréal
Da un’altra testata giornalistica. news de www.technology.org
