一个新的人工智能工具可能有助于限制甚至预防大流行，通过识别可能携带和传播能够感染人类的病毒的动物物种。该机器学习模型分析宿主特征和病毒基因组，以识别潜在动物储存库和新疫情更可能发生的地理区域。
一个新的人工智能工具可能有助于限制甚至预防大流行，通过识别可能携带和传播能够感染人类的病毒的动物物种。
该模型由华盛顿州立大学研究人员创建，分析宿主特征和病毒基因组，以识别潜在的动物储存库和新疫情更可能发生的地理区域。该模型聚焦于正痘病毒——包括导致天花和mpox的病毒。
研究人员最近在期刊 Communications Biology上发表了他们使用该模型的研究。他们的发现可能帮助科学家预测新出现的动物源威胁，并且可以重要地适应其他病毒。
“近四分之三的新兴病毒感染人类来自动物，”病毒出现和跨物种传播方面的专家、WSU兽医学学院保罗·G·艾伦全球健康学院的助理教授斯蒂芬妮·赛弗特表示，她参与了这个项目的领导工作。“如果我们能更好地预测出哪些物种构成最大的风险，我们就可以采取主动措施来预防大流行。”
该模型识别了东南亚、赤道非洲和亚马逊作为正痘病毒暴发的潜在热点。这些地区不仅有潜在宿主的高浓度，而且与天花疫苗接种率较低的地区重叠。虽然天花疫苗对其他正痘病毒提供交叉保护，但在1980年天花根除后，疫苗接种工作停止了。
该研究还识别了多个动物家族作为mpox的可能宿主，包括啮齿动物、猫、犬科（狗及相关物种）、臭鼬、鼬科（黄鼠狼和水獺）和浣熊。该模型正确地排除了老鼠，实验室研究表明它们对mpox感染具有抗性。
兽医学研究生、研究的第一作者凯蒂·曾指出，该模型不仅比之前的模型显示出更高的预测准确性，而且在预测其他病毒的宿主方面也非常有用。
“虽然我们专门将模型用于正痘病毒，但我们也可以朝着许多不同的方向走，并开始针对其他病毒微调该模型，”她说。
与赛弗特一起领导该项目的艾伦学院助理教授、病理生态学家皮拉尔·费尔南德斯表示，以前用于预测正痘病毒潜在宿主的机器学习模型依赖于动物的生态特征，如栖息地和饮食，以及影响它们与环境互动的其他特征，如资源使用和生存。虽然有效，这些模型忽略了方程中的一个关键部分——病毒的遗传构成。
“以前的模型更多地基于宿主的特征，但我们想要加入故事的另一面，病毒的特征，”费尔南德斯说。“我们的模型提高了宿主预测的准确性，并提供了病毒如何跨物种传播的更清晰的图景。”
正痘病毒通常引起小规模、局部的暴发，但最近的事件，包括2022年mpox的全球传播，引发了对这些病毒建立新地方性区域并通过新的动物储存库传播的担忧。
识别潜在的储存库对于预测病毒溢出事件至关重要，但通过传统的实地取样来实现这一目标是一项资源密集且不切实际的工作。新模型简化了这项任务，并可用于为野生动物监测工作定向。
“如果你在寻找中非mpox病毒的储存库，那是地球上生物多样性最丰富的地方之一，那你从哪里开始？”赛弗特说。“如果我们能利用这些机器学习模型来帮助我们优先安排取样工作，那将对识别这些病毒的来源以及理解它们带来的风险非常有利。”
研究团队还包括海瑟·科勒，分子生物科学学院的助理教授，长期研究mpox。俄克拉荷马大学的丹尼尔·J·贝克、伦敦大学学院的罗瑞·吉布以及耶鲁大学的科林·卡尔森作为病毒出现研究所的成员进行了贡献，这是一个由国家科学基金会资助的科学家协作网络，研究宿主-病毒互动，以预测全球范围内病毒传播。该小组包括数据科学、计算生物学、病毒学、生态学和进化生物学方面的专家。
