Home / ML Machine Learning / In che modo l’apprendimento automatico prevede la gamma host di virus noti tra animali e uomo

In che modo l’apprendimento automatico prevede la gamma host di virus noti tra animali e uomo



I ricercatori hanno previsto un aumento di 5,35 volte nelle associazioni tra ospiti di mammiferi selvatici e semi-addomesticati e virus zoonotici noti.

Iricercatori dell’Università di Liverpool hanno condotto uno studio per prevedere oltre 20.000 associazioni sconosciute tra virus noti e specie di mammiferi sensibili. La ricerca, pubblicata in un articolo intitolato. “Dividi e conquista: l’apprendimento automatico integra i tratti dei mammiferi, dei virus e della rete per prevedere le associazioni virus-mammiferi sconosciute”, ha utilizzato l’apprendimento automatico per migliorare la nostra comprensione delle gamme di ospiti virali a proposito dei mammiferi.

“La gamma di host è un importante fattore predittivo del fatto che un virus sia zoonotico e quindi rappresenti un rischio per l’uomo. Più di recente, è stato scoperto che SARS-CoV-2 ha una gamma di ospiti relativamente ampia che potrebbe aver facilitato la sua ricaduta sugli esseri umani. Tuttavia, la nostra conoscenza della gamma di ospiti della maggior parte dei virus rimane limitata”, ha affermato il ricercatore capo Maya Wardeh dell’Istituto di infezione, scienze veterinarie ed ecologiche dell’Università.

La gamma degli ospiti è fondamentale per stabilire se un virus è zoonotico (se può essere trasferito dagli animali all’uomo) e rappresenta una minaccia per l’uomo. Ad esempio, SARS-CoV-2 ha una vasta gamma di ospiti, inclusi pipistrelli, gatti, furetti, ecc. È interessante notare che finora è stato scoperto meno dell’1% della diversità virale dei mammiferi. Tuttavia, possiamo sfruttare le attuali conoscenze per valutare la misura in cui stiamo sotto-osservando le associazioni tra agenti virali noti e i loro ospiti mammiferi. Le caratteristiche topologiche della rete sono state esaminate per ottenere informazioni sui modelli di condivisione di agenti patogeni, comparsa di malattie ed eventi di ricaduta e anche per prevedere i collegamenti mancanti in una litania di reti ospite-patogeno.

Apprendimento automatico quadro
I ricercatori hanno incorporato la visione globale della condivisione virale in una struttura guidata dall’apprendimento automatico per prevedere associazioni sconosciute tra virus noti e i loro ospiti mammiferi. Il quadro ha adottato un approccio multiprospettico per prevedere tre volte le associazioni virali dei mammiferi dai punti di osservazione di mammifero, virus e rete. I risultati sono stati consolidati a maggioranza.

I ricercatori hanno trasformato le associazioni virus-mammiferi a livello di specie in una rete bipartita in cui i nodi rappresentano specie di virus o mammiferi e collega le associazioni implicite tra specie di mammiferi e virali.

Il framework ha formato e selezionato una serie di classificatori supervisionati in ciascuna delle tre prospettive. Quindi ha consolidato i risultati dei classificatori più performanti utilizzando il voto in base al quale è stata selezionata un’associazione sconosciuta se prevista da almeno due delle tre prospettive.

Dal punto di vista dei mammiferi, la probabilità che un virus colpisca/associ a questo mammifero focale è stata quantificata in base alla nostra conoscenza dei virus trovati in questo mammifero. Dal punto di vista virale, la probabilità che il virus infetti/associ a specie di mammiferi incluse è quantificata in base alla nostra comprensione degli ospiti noti di questo virus. La prospettiva finale consente previsioni basate sulla topologia della rete che collega tutti i mammiferi inclusi con tutti i virus inclusi. 

Il framework è flessibile, in termini di algoritmi di apprendimento automatico selezionati, classificatori addestrati e funzionalità progettate per ogni prospettiva. Evita l’overfitting mentre affronta il problema da varie prospettive e consolida efficacemente insiemi di classificatori addestrati su sottoinsiemi dei dati sottostanti. Inoltre, nessun modello costitutivo del quadro è stato addestrato con tutti i dati disponibili in qualsiasi momento. Il framework consente anche l’incorporazione di host in cui è stato rilevato un solo virus fino ad oggi (tramite le prospettive 2 e 3) e virus in cui è stato scoperto un solo host (tramite le prospettive 1 e 3).

 
La ricerca ha previsto un aumento di 5,35 volte nelle associazioni tra ospiti di mammiferi selvatici e semi-addomesticati e virus zoonotici noti. I risultati hanno indicato un aumento di 5,20 volte tra mammiferi selvatici e semi-addomesticati e virus di specie domestiche economicamente importanti. Non sorprende che pipistrelli e roditori siano collegati a un aumento del rischio di virus zoonotici. 

 “Mentre i virus continuano a diffondersi in tutto il mondo, il nostro modello fornisce un modo potente per valutare potenziali host che devono ancora incontrare. Avere questa lungimiranza potrebbe aiutare a identificare e mitigare i rischi di zoonosi e malattie degli animali, come la ricaduta dai serbatoi animali nelle popolazioni umane”, ha affermato il dott. Wardeh.

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi