Investigadores usan IA para explorar posibles enfermedades zoonóticas

La pandemia de COVID-19 destacó la importancia de monitorear de cerca los virus que podrían infectar a los humanos. En las primeras etapas de la pandemia, Timothée Poisot y sus colegas ya estaban desarrollando un algoritmo para predecir las interacciones mamífero-virus.

«Habíamos estado trabajando en este proyecto desde los primeros meses de 2020, antes de que despegara la pandemia», dijo Poisot, profesor del Departamento de Ciencias Biológicas de la Université de Montréal y miembro de la Iniciativa de Investigación de Emergencia Viral (VERENA). , un instituto de investigación internacional con sede en Washington, DC

Poco más de tres años después, Poisot y sus colegas publicaron los resultados de miles de horas de cálculos y validación en la revista. Patrones.

Hacer mejores predicciones

Poisot pertenece a un equipo de investigación multidisciplinario que espera hacer mejores predicciones de las interacciones entre mamíferos y virus en general. Cuando se cumplen ciertas condiciones, el paso de virus de una especie a otra puede conducir en última instancia a la aparición de una zoonosis, que la Organización Mundial de la Salud define como «una enfermedad infecciosa que ha saltado de un animal no humano a los humanos».

Según Poisot, «el problema básico es que solo conocemos entre el uno y el dos por ciento de las interacciones entre virus y mamíferos. Las redes están dispersas y hay pocas interacciones, que se concentran en unas pocas especies».

Tratar de muestrear todas las interacciones manualmente sería una tarea enorme, especialmente porque hay miles de especies de mamíferos y aún más miles de virus, lo que lleva a combinaciones literalmente infinitas de virus y mamíferos.

Por lo tanto, Poisot y sus colegas buscaron desarrollar un nuevo algoritmo utilizando el aprendizaje automático, como una forma de formular hipótesis que luego servirían para identificar qué interacciones huésped-virus explorar más a fondo.

«Queremos saber qué especie de virus es probable que infecte a qué especie de mamífero, para que podamos establecer qué interacciones es más probable que ocurran», dijo Poisot, quien pasó varios miles de horas con su equipo creando el algoritmo y refinándolo.

‘Nombres desactualizados y errores’

«Algunos de los conjuntos de datos que teníamos eran más antiguos: contenían nombres desactualizados para especies particulares, o tenían errores porque los datos se habían ingresado a mano», dijo Poisot.

El primer trabajo fue limpiar y estandarizar los datos, una tarea que requería mucho tiempo. Una vez que él y sus colegas crearon el algoritmo, tuvieron que refinarlo. «Una de las ventajas de nuestro algoritmo es que no necesita mucha información para usarlo», dijo Poisot.

La implementación de modelos existentes para hacer predicciones requiere mucha información sobre taxonomía, estructura filogenética, datos tomados por muestreo y más. Para lidiar con eso, el algoritmo desarrollado por Poisot y su equipo representa el sistema como una red de interacciones entre virus y mamíferos que luego el algoritmo debe completar.

«El algoritmo toma la red que ya conocemos y la proyecta en un nuevo espacio, un poco como un teatro de sombras: arroja luz sobre las interacciones de una nueva manera», dijo Poisot. «Esto, a su vez, nos permite hacer predicciones».

Aun así, hacer estas predicciones requirió 10.000 horas de computación en las computadoras de Calcul Québec. Al unir los resultados con interacciones conocidas, el modelo encontró 80.000 nuevas interacciones potenciales entre virus y huéspedes.

«Después de eso», dijo Poisot, «la tarea principal era determinar el nivel de confianza que teníamos en la capacidad del modelo para hacer predicciones». El modelo tuvo que ser validado estadísticamente, lo que en sí mismo requirió que los investigadores publicaran un artículo sobre la metodología de validación utilizando datos muy incompletos.

Supervisión de 20 virus clave

Luego, el equipo de investigación seleccionó 20 virus clave que vale la pena monitorear, ya que tienen el potencial de saltar la barrera de las especies e infectar a los humanos. El equipo también identificó regiones «calientes» donde se deben concentrar los recursos. «Tuvimos muchas discusiones en el equipo, porque al principio algunos de los resultados nos parecían extraños», dijo Poisot.

Uno de los virus que salió a la luz fue la ectromelia murina, que está relacionada con la viruela en ratones. «Éramos escépticos, pero cuando buscamos en la literatura, encontramos que había habido casos en humanos», dijo Poisot.

Uno de los resultados importantes de este proyecto de investigación es el redescubrimiento de virus zoonóticos específicos, que ya habían sido objeto de publicaciones dispersas, pero que nunca habían sido enlazados en bases de datos.

Otro aspecto innovador de la investigación es mapear los resultados para comprender mejor las interacciones virus-mamíferos a escala global. «Nuestro modelo hace predicciones espaciales, pero más precisamente, el modelo indica específicamente en qué grupo de mamíferos y en qué ubicación es probable que se encuentren ciertos tipos de virus», dijo Poisot.

Dos regiones para explorar

El equipo ha identificado dos regiones geográficas para explorar. Primero, la cuenca del Amazonas en América del Sur, donde las interacciones entre huéspedes y virus son más originales que en otros lugares y donde es más probable que se observen nuevas interacciones. En segundo lugar, África Central, donde se han encontrado nuevos huéspedes que son posibles portadores de virus zoonóticos.

«Realmente estamos cambiando los lugares a los que debemos ir y estudiar a los mamíferos para descubrir nuevos virus», explicó Poisot. Por lo tanto, estas dos regiones deberían ser de interés para los virólogos que deseen comprender la diversificación de los sistemas de virus huésped y el riesgo zoonótico que representan para los humanos, agregó.

El próximo paso para Poisot y sus colegas de investigación es hacer que la información sea fácilmente accesible y fácil de usar para los socios en el campo. “Queremos que sea más fácil para las partes interesadas adoptar nuestro modelo. Ahora sabemos qué especies monitorear, dónde y para qué tipo de virus”, dijo.

Él cree que, al final, este proyecto de investigación podría resultar esencial para prevenir una futura pandemia.