研究人员使用人工智能来指导搜索下一个类似非典病毒

领导的一个国际研究小组在乔治敦大学的科学家已经证明了人工智能的力量来预测哪些病毒可以感染人类喜欢SARS-CoV-2,病毒导致COVID-19流行病动物宿主,和他们可能出现的地方。

他们的合奏预测模型可能的宿主,发表在1月10日柳叶刀的微生物(“优化预测模型优先在人畜共患病毒发现水库”),在18个月的项目验证识别特定的蝙蝠物种可能携带betacoronaviruses,包括类似非典的病毒。

“如果你想找到这些病毒,你必须首先分析他们hosts-their生态学、进化,即使翅膀的形状,”这项研究的资深作者解释说,科林•卡尔森博士,助理研究教授微生物学与免疫学和乔治敦大学全球健康科学中心的一员,在乔治敦大学医学中心的安全。“人工智能可以让我们把蝙蝠的数据并将其转化为具体的预测:我们应该寻找下一个SARS在哪里?”

尽管疾病监测全球投资,仍然很难识别和监测野生动物水库有朝一日能感染人类的病毒。统计模型越来越多被用于野生动物物种样本的优先领域,但预测来自任何一个模型可以高度不确定的。科学家们也很少跟踪预测的成功或失败后他们让他们,很难学习和将来做出更好的模型。在一起,这些限制意味着存在高度不确定性的模型可能是最适合的任务。

这项新研究表明,寻找紧密病毒可能是重要的,与世界各地的超过400种蝙蝠将主机betacoronaviruses,一大群的病毒,包括那些负责冠状病毒(导致了2002 - 2004年爆发的SARS)和SARS-CoV-2 (病毒导致COVID-19)。尽管SARS-CoV-2的起源仍不确定,其他病毒的溢出蝙蝠是一个日益严重的问题由于农业扩张和气候变化等因素。

格雷格Albery博士,博士后在乔治敦大学的生物系,说COVID-19提供了动力加快他们的研究。“这是一个非常难得的机会,”Albery解释道。“以外的大流行,我们从来没有这么多了解这些病毒在这个小的时间框架。十年的研究已经陷入一年的出版物,这意味着我们可以表明这些工具工作。”

在2020年第一季度,研究员团队训练八个不同的统计模型,预测哪种动物主机betacoronaviruses。超过一年,然后团队跟踪发现的40个新的betacoronaviruses蝙蝠主机验证初始预测和动态更新模型。研究人员发现,模型利用蝙蝠生态和进化数据表现非常好预测新的主机。相比之下,从尖端模型网络科学使用高级数学运算少生物data-performed大致随机还是逊于预期。

”我们的研究给了我们最重要的事情之一是数据驱动的名单的蝙蝠物种应进一步研究,”丹尼尔·贝克尔说,博士,助理俄克拉荷马大学的生物学教授。“识别这些可能的主机之后,下一步是然后投资监控了解何时何地betacoronaviruses可能蔓延。”

卡尔森说,研究小组目前正在与其他世界各地的科学家测试棒样品基于预测的冠状病毒。

“如果我们花更少的钱、资源和时间寻找这些病毒,我们可以把所有这些资源实际上是拯救生命的东西。我们可以投资建设通用疫苗针对这些病毒,或监视溢出的人住在蝙蝠,”卡尔森说。“这是一个双赢的科学和公共卫生。”