Inteligencia artificial descubre más de 160.000 nuevas especies de virus

Un modelo de inteligencia artificial de aprendizaje profundo escanea la “materia oscura” de los datos genómicos para encontrar 70.000 virus de ARN nunca antes vistos.

El mundo está repleto de virus. Los agentes infecciosos se consideran ampliamente la entidad biológica más abundante en la Tierra.

Pero una comprensión completa de los virus y las funciones que desempeñan en nuestro mundo está limitada por nuestro escaso conocimiento de su increíble diversidad.

Investigadores han utilizado un modelo informático de aprendizaje profundo para revelar miles de virus ocultos que acechan en nuestro mundo y en las bases de datos genéticas.

Los científicos crearon una herramienta que escaneó las enormes cantidades de datos genómicos recopilados de entornos de todo el mundo e identificaron más de 160.000 nuevas especies potenciales de virus de ARN, incluidas unas 70.000 que nunca antes se habían identificado como especies potencialmente novedosas.

“Es un estudio histórico, no por la amplitud del descubrimiento, sino por la profundidad con la que lo hicieron”, dijo Artem Babaian, Ph.D., virólogo computacional de la Universidad de Toronto que no participó en el estudio.

“Se están centrando en estos virus de ARN que antes eran invisibles para los métodos estándar de alineación de secuencias”.

Como su nombre lo indica, los virus de ARN tienen genomas hechos de ARN en lugar de ADN.

Aunque la mayoría de los virus no infectan a los humanos, el grupo incluye patógenos humanos famosos como el SARS-CoV-2, la gripe y el ébola.

Los virus de ARN están a nuestro alrededor, incluso en nuestros propios hogares.

“Si vas a tu patio trasero”, dijo Eddie Holmes, Ph.D., biólogo evolutivo y virólogo de la Universidad de Sydney, “puedes tomar una muestra de suelo y, si secuencias ese suelo, encontrarás virus nuevos”.

Pero secuenciar todo el material genético de un montón de tierra también producirá una gran cantidad de la llamada “materia oscura”: ADN y ARN que no se corresponden con ningún organismo conocido.

Se sospecha que gran parte de este material es viral, dijo Holmes, en parte debido a la cantidad de virus que hay en el mundo y en parte porque los virus de ARN en particular evolucionan rápidamente.

Como dijo Holmes, “el ARN es intrínsecamente propenso a errores”.

Mientras que el ADN tiene el poder de corregir errores, el ARN no; a medida que un virus de ARN se replica, los cambios en su genoma pueden acumularse rápidamente y, con el tiempo, hacer que el virus no se parezca a sus parientes.

Para encontrar los virus de ARN escondidos en esta “materia oscura”, un equipo dirigido por Holmes y Mang Shi, Ph.D., virólogo de la Universidad Sun Yat-sen en China, aprovechó una cosa que todos los virus de ARN tienen en común: la enzima ARN polimerasa.

Esta es la proteína que los virus de ARN usan para copiar sus genomas cuando se replican.

Debido a su función vital, su estructura está muy conservada, aunque la secuencia del gen que la codifica puede variar ampliamente.

“Entrenamos este método de IA para que reconociera la estructura de cada ARN polimerasa conocida”, dijo Holmes, explicando que el programa, llamado LucaProt, puede entonces clasificar nuevos datos y buscar secuencias de ARN que produzcan proteínas que se parezcan a la ARN polimerasa.

“Y he aquí que las encuentra. Encuentra muchísimas”.

“En lugar de hacer este costoso paso computacional de predecir la estructura completa y luego hacer una búsqueda de la estructura que involucra un conjunto completamente diferente de herramientas, esencialmente han cortado la parte profunda del aprendizaje profundo”, dijo Babaian.

Aun así, ejecutar el programa tomó semanas, dijo Holmes, y se asociaron con la empresa tecnológica china Alibaba para asegurar la potencia computacional que necesitaban.

Fuente: Fierce Biotech