AIは、次の世界的大流行を防ぐための秘密兵器になる可能性があります

2016 年に遡ると、パンデミックにより世界が停止に陥る 4 年前、国連環境計画 (UNEP) は人獣共通感染症を世界的懸念の重要な新たな問題として特定し、人獣共通感染症に警鐘を鳴らしていました。

現在、世界保健機関によると、毎年約10億人の感染者と数百万人の死亡が、病原体が脊椎動物から人間に飛び移る人獣共通感染症によって引き起こされている。 そして、過去 30 年間に確認された 30 種類の新しいヒトウイルスのうち、75% という膨大な数が他の動物に由来しています。

しかし、モントリオール大学の科学者らは、彼らの新しい人工知能モデリングには、注目すべき新たなウイルスの「ホットスポット」を強調して予測する能力があり、これにより、発生の可能性が高い動物から人への感染症に飛び込み、理想的には新型コロナウイルスのようなものを防ぐことができると信じている。 -19 再び起こらないようにします。

研究者が 3 年と 10,000 時間のコンピューティングを費やしたこのアルゴリズムにより、ウイルスと宿主の間の 80,000 の新たな潜在的な相互作用と、それらが最も懸念される場所を特定することができました。

モントリオール大学生物科学部教授のティモシー・ポワゾ氏は、「私たちはパンデミックが本格化する前の2020年の最初の数カ月からこのプロジェクトに取り組んでいた」と語った。

データ内のリンクを手動で作成するのではなく、機械学習を通じて、アルゴリズムは何千もの哺乳類種と何千ものウイルスを評価し、実行可能なすべての組み合わせを導き出すことができました。

「基本的な問題は、ウイルスと哺乳類との相互作用の1～2パーセントしか私たちが認識していないことだ」とポワゾ氏は語った。 「ネットワークは分散しており、相互作用はほとんどなく、ほんの数種に集中しています。私たちは、どの種のウイルスがどの種の哺乳動物に感染する可能性が高いかを知りたいと考えています。そうすることで、どの相互作用が最も起こりやすいかを確立できるのです。」

チームは、829 のウイルスと 1,081 の哺乳動物宿主の間の 5,494 の相互作用を記述した最大のオープン データセット CLOVER を使用しました。その大部分は野生動物に焦点を当てているだけでなく、宿主-病原体系統学プロジェクト (HP3)、強化版などの他のいくつかのデータセットも使用しました。感染症データベース (EID2) および世界哺乳類寄生虫データベース V2.0 (GHMPD2)。

「私たちが持っていたデータセットの一部は古いものでした。特定の種の古い名前が含まれていたり、データが手入力されたためにエラーがあったりしました」とポワゾ氏は、データセットに必要な時間のかかるプロセスについて語った。機械学習。 「その後の主なタスクは、モデルの予測能力に対する信頼レベルを判断することでした。」

次に研究者らは、懸念すべきウイルスとみなされ、人間に感染する可能性がある20のウイルスに焦点を当てた。

「最初は一部の結果が私たちにとって奇妙に思えたので、チーム内で何度も議論しました」とポワゾ氏は、マウス関連のエクトロメリアウイルスが注目すべきウイルスとして特定されたことに驚いたと語った。 「私たちは懐疑的でしたが、文献を調べたところ、人間でも症例があったことが分かりました。」

研究者らはモデルを通じて地域を正確に特定することもでき、これは科学者がより的を絞った方法でウイルスやワクチンの研究を進めるのに役立つ可能性がある。

「私たちのモデルは空間予測を行いますが、より正確には、このモデルは、特定の種類のウイルスがどの哺乳類のどのグループのどの場所で見つかる可能性が高いかを具体的に示しています」とポワゾ氏は述べた。

その結果、特に興味深い 2 つの地域が示されました。1 つはアマゾン盆地で、ウイルスと宿主の相互作用がより独創的であり、新しい相互作用が最も見られる可能性が最も高い地域です。 サハラ以南のアフリカでは、アルゴリズムにより人獣共通感染症ウイルスを媒介する可能性のある新たな宿主が特定されました。

「私たちは、新しいウイルスを発見するために哺乳類を研究しに行く必要がある場所を実際に変えつつあります」とポワゾ氏は説明した。

人獣共通感染症病原体は細菌性、寄生性、ウイルス性などさまざまな形態をとる可能性がありますが、ヒトとヒト以外の動物が同じ空間を占有し続けるにつれて、その蔓延はますます一般的になることが予想されます。

研究チームは、そのモデルが研究の新たな出発点を知らせるだけでなく、現実世界の監視を提供できることを期待している。 次のステップは、この AI を次のレベルに引き上げ、より微生物学的、免疫学的、生態学的メカニズムを組み込んで、地球規模のバイロームをより完全に観察することです。

「このアルゴリズムは、私たちがすでに知っているネットワークを利用して、影絵劇場のような新しい空間に投影します。新しい方法でインタラクションに光を当てます」とポワゾ氏は述べています。 「現在、どの種を、どこで、どの種類のウイルスを監視すべきかがわかりました。」

この研究は『Patterns』誌に掲載されました。

出典: モントリオール大学