L'IA peut aider à prédire le prochain virus à sauter aux humains

L’IA peut aider à prédire le prochain virus à sauter aux humains

Accueil » Santé » L’IA peut aider à prédire le prochain virus à sauter aux humains
  • Une étude récente démontre que les méthodes d’apprentissage automatique pourraient déterminer le risque de saut viral ou de « débordement » des animaux aux humains en utilisant des génomes viraux.
  • Les modèles de recherche ont prédit que les virus de primates non humains génétiquement similaires présentaient un risque accru de transmission humaine, ce qui n’était pas le cas avec d’autres groupes d’animaux.
  • Les scientifiques devront mener davantage de recherches pour confirmer que les virus identifiés par les modèles de prédiction représentent un risque élevé de transmission de l’animal à l’homme.

Les maladies zoonotiques, ou zoonoses, sont dues à des virus, des bactéries, des parasites ou des champignons qui se propagent entre les animaux et les humains.

Environ 60 % des maladies infectieuses connues et 75 % des maladies infectieuses nouvelles ou émergentes peuvent se transmettre des animaux aux humains.

Le Dr Barbara A. Han, Ph.D., écologiste des maladies au Cary Institute of Ecosystem Studies, a expliqué dans un podcast, une « maladie zoonotique n’est qu’une infection qui provient d’un animal […], causée par un parasite ou un agent pathogène qui est parfaitement heureux de vivre dans cette espèce sauvage.

Le Dr Han a précisé : « Parfois, cet agent pathogène ou ce parasite se répand dans un humain, et 99% du temps, c’est là que ça se termine – cette personne peut tomber malade, mais c’est un hôte sans issue, donc ça ne le fait pas. aller plus loin. Certains d’entre eux peuvent se transmettre d’une personne à une autre, de sorte que la transmission secondaire est vraiment critique pour quelque chose qui a le potentiel de devenir pandémique. »

L’expansion humaine dans de nouvelles zones géographiques avec des contacts étroits avec les animaux sauvages et domestiques ainsi que les changements climatiques ont augmenté la fréquence des zoonoses. De même, le mouvement accru d’animaux, de personnes et de produits d’origine animale en raison du commerce et des voyages internationaux a également joué un rôle important.

Par conséquent, il est impératif d’améliorer la communication, la coordination et la collaboration mondiales entre les experts humains, animaux et environnementaux pour prévenir, détecter, enquêter, hiérarchiser et répondre aux zoonoses.

Cette communication renforcée est vitale pour nous permettre de créer un système d’alerte précoce pour prévenir ou atténuer la prochaine pandémie.

Discerner la menace

Ce besoin a conduit des chercheurs de l’Université de Glasgow au Royaume-Uni à formuler une nouvelle approche. Ils ont utilisé des caractéristiques de séquences du génome viral et humain pour développer des modèles d’apprentissage automatique – un type d’intelligence artificielle – afin de prédire la probabilité qu’un virus animal puisse se propager à l’homme.

Leur dernière étude paraît dans la revue PLOS BIOLOGY.

Environ 1,67 million de virus animaux non décrits provoquent des infections chez les mammifères et les oiseaux, et les scientifiques pensent que jusqu’à la moitié pourraient se propager aux humains.

Le Dr Nardus Molentze, co-auteur de l’étude et associé de recherche au Centre de recherche sur les virus de l’Université de Glasgow, s’est entretenu avec Medical News Today :

« Ces dernières années, le domaine de la découverte de virus a fait des progrès significatifs, au point où des virus jusque-là inconnus de la science sont régulièrement signalés. Mais cela conduit à un défi – nous avons encore une tâche énorme devant nous en termes de caractérisation de la diversité virale dans la nature, et au-delà de la découverte, pour déterminer si ces virus constituent une menace. »

Il a ajouté : « En 2018, mes co-auteurs ont montré que les génomes des virus à ARN contiennent suffisamment de signaux pour que les méthodes d’apprentissage automatique identifient le large groupe de réservoirs – par exemple les chauves-souris, les rongeurs et les primates – dans lequel ils circulent naturellement. »

En d’autres termes, ils ont montré qu’en analysant un seul génome viral, leur modèle pouvait identifier avec quel type d’animal le virus pouvait provoquer une infection.

Le Dr Molentze a poursuivi : « Cela nous a amenés à nous demander si […] les génomes viraux peuvent également contenir des indices sur leur capacité à [cause infections in] les humains en particulier lorsqu’on leur en donne l’occasion.

Les chercheurs ont collecté une séquence du génome de 861 espèces de virus à ARN et à ADN de 36 familles virales pouvant infecter les animaux.

Pour enquêter, ils ont classé chaque virus en fonction de sa capacité à provoquer une infection chez l’homme en utilisant les informations de trois ensembles de données publiés.

Ils ont également noté la similitude de chaque virus avec des virus pouvant provoquer des infections chez l’homme et ont construit des modèles d’apprentissage automatique pour prédire si ces infections pourraient se produire.

Les scientifiques ont testé plusieurs modèles basés sur l’apprentissage pour identifier le modèle le plus performant et l’ont utilisé pour classer 758 espèces de virus.

Le modèle d’apprentissage automatique a correctement identifié 70,8 % des virus humains à potentiel zoonotique élevé ou très élevé.

Dans une étude de 645 virus animaux qui ne faisaient pas partie des données d’entraînement, les modèles ont prédit un risque accru de transmission zoonotique de virus de primates non humains génétiquement similaires ou phylogénétiques, mais pas dans d’autres groupes d’animaux.

Une deuxième expérience a prédit le potentiel zoonotique de toutes les espèces de coronavirus actuellement reconnues et les génomes humains et animaux de tous les coronavirus liés au syndrome respiratoire aigu sévère.

Données exploitables

Le Dr Molentze a commenté les résultats : « Notre travail montre une voie par laquelle les découvertes de virus peuvent être transformées en informations exploitables : la capacité d’identifier quels virus nouvellement découverts sont les plus susceptibles d’être en mesure de [cause infection in] les humains avec une précision raisonnable nous permettent de concentrer davantage les efforts de caractérisation sur ces virus. »

Étant donné que la méthode d’apprentissage informatique ne nécessite qu’une séquence du génome, elle peut constituer une approche à faible coût pour la surveillance des virus fondée sur des preuves.

Le Dr Molentze a ajouté: “Notre modèle est loin d’être parfait – les prédictions contiendront à la fois des faux positifs et des faux négatifs, qui ne peuvent être distingués que par une caractérisation plus poussée de ces virus en laboratoire.”

Le Dr Molentze a souligné la nécessité d’une étude plus approfondie : « Si nous voulons transformer les découvertes de virus en une véritable préparation à une pandémie, nous devons caractériser les virus nouvellement découverts. […] Des modèles […] pourrait aider à hiérarchiser les virus à différentes étapes de ce pipeline de caractérisation, rendant leur mise en œuvre plus efficace et réalisable, en particulier si nous sommes également en mesure de développer des méthodes prédisant d’autres aspects du risque, tels que la virulence et la capacité de transmission. »

Publications similaires