INTELIGENCIA ARTIFICIAL PUEDE PREDECIR EL PRÓXIMO VIRUS QUE PASARÁ DE LOS ANIMALES A LOS HUMANOS

Inteligencia artificial puede predecir el próximo virus que pasará de los animales a los humanos

Comparta este Artículo en:

La mayoría de las enfermedades infecciosas emergentes de los seres humanos (como COVID-19) son zoonóticas, causadas por virus que se originan en otras especies animales.

La identificación temprana de los virus de alto riesgo puede mejorar las prioridades de investigación y vigilancia.

Un estudio de Nardus Mollentze, Simon Babayan y Daniel Streicker en la Universidad de Glasgow, Reino Unido, sugiere que el aprendizaje automático (un tipo de inteligencia artificial) usando genomas virales puede predecir la probabilidad de que cualquier virus que infecte a los animales infectará a los seres humanos, dada la exposición biológicamente relevante.

La identificación de las enfermedades zoonóticas antes de su aparición es un gran desafío porque solo una pequeña minoría de los 1,67 millones de virus animales estimados pueden infectar a los seres humanos.

Para desarrollar modelos de aprendizaje automático utilizando secuencias del genoma viral, los investigadores primero compilaron un conjunto de datos de 861 especies de virus de 36 familias.

Luego construyeron modelos de aprendizaje automático, que asignaron una probabilidad de infección humana en función de patrones en los genomas del virus.

Luego, los autores aplicaron el modelo de mejor rendimiento para analizar patrones en el potencial zoonótico predicho de genomas de virus adicionales muestreados de una variedad de especies.

Los investigadores encontraron que los genomas virales pueden tener características generalizables que son independientes de las relaciones taxonómicas de los virus y pueden preadaptar los virus para infectar a los humanos.

Pudieron desarrollar modelos de aprendizaje automático capaces de identificar posibles zoonosis utilizando genomas virales.

Any skin problem doctor in India gives preference to the herbal treatments for the skin problem due to viagra uk shop the proved magical effects of herbs on skin. The Internet Can cialis prices Be Accessed With Cell Phones And Mobile Devices Most people who do not have the time to go. If you haven’t managed to bag Edinburgh Military Tattoo tickets, try finding them on the company’s automated telephone meter reading tadalafil 40mg djpaulkom.tv system. You can tadalafil generic cialis look out for these medicines is increasing irrespective of the side effects.

Estos modelos tienen limitaciones, ya que los modelos informáticos son solo un paso preliminar para identificar virus zoonóticos con potencial para infectar a los seres humanos.

Los virus marcados por los modelos requerirán pruebas de laboratorio de confirmación antes de realizar importantes inversiones adicionales en investigación.

Además, si bien estos modelos predicen si los virus podrían infectar a los humanos, la capacidad de infectar es solo una parte del riesgo zoonótico más amplio, que también está influenciado por la virulencia del virus en humanos, la capacidad de transmisión entre humanos y las condiciones ecológicas en el momento de la exposición humana.

Según los autores, “Nuestros hallazgos muestran que el potencial zoonótico de los virus se puede inferir en un grado sorprendentemente grande a partir de la secuencia de su genoma.

Al resaltar los virus con el mayor potencial de convertirse en zoonóticos, la clasificación basada en el genoma permite que la caracterización ecológica y virológica adicional sea dirigida de manera más efectiva “.

Estos hallazgos agregan una pieza crucial a la ya sorprendente cantidad de información que podemos extraer de la secuencia genética de los virus usando técnicas de IA”, agrega Babayan.

“Una secuencia genómica suele ser la primera, y a menudo la única, información que tenemos sobre los virus recién descubiertos, y cuanta más información podamos extraer de ella, antes podremos identificar los orígenes del virus y el riesgo zoonótico que puede representar.

A medida que se caractericen más virus, más efectivos serán nuestros modelos de aprendizaje automático para identificar los virus raros que deben ser monitoreados de cerca y priorizados para el desarrollo preventivo de vacunas“.

Fuente: PLOS

Leave a Reply

Your email address will not be published. Required fields are marked *