Maska nakazów, szczepionek i wiadomości podróżniczych: Covid Live Updates

Colin Carlson, biolog z Georgetown University, zaczął się martwić ospą myszy.

Wirus odkryty w 1930 r. rozprzestrzenia się wśród myszy, zabijając je za pomocą bezwzględna wydajność. Ale naukowcy nigdy nie uważali tego za potencjalne zagrożenie dla ludzi. Teraz dr. Carlson, jego koledzy i ich komputery nie są tacy pewni.

Korzystając z techniki znanej jako uczenie maszynowe, naukowcy spędzili ostatnie kilka lat na programowaniu komputerów, aby uczyły się o wirusach, które mogą infekować ludzkie komórki. Komputery przeszukały ogromną ilość informacji o biologii i ekologii zwierzęcych gospodarzy tych wirusów, a także o genomach i innych cechach samych wirusów. Z biegiem czasu komputery zaczęły rozpoznawać pewne czynniki, które przewidywały, czy wirus może przenosić się na ludzi.

Kiedy komputery skoncentrowały się na wirusach, które naukowcy już intensywnie badali, dr. Carlson i jego koledzy rozmieścili je w nieznanym, ostatecznie tworząc krótką listę wirusów zwierzęcych, które mogą przeskoczyć barierę gatunkową i spowodować epidemie u ludzi.

W ostatnich testach algorytmy nieoczekiwanie umieściły wirusa ospy myszy w czołówce ryzykownych patogenów.

„Za każdym razem, gdy uruchamiamy ten model, jest on bardzo wysoki” powiedział Carlson.

Zdziwiony, dr. Carlson i jego koledzy zakorzenili się w literaturze naukowej. Natknęli się na dokumentację dawno zapomnianej wybuch w 1987 roku w wiejskich Chinach. Dzieci w wieku szkolnym zachorowały na infekcję, która spowodowała ból gardła i zapalenie dłoni i stóp.

Wiele lat później zespół naukowców przeprowadził testy na wymazach z gardła pobranych podczas epidemii i przechowywanych. Próbki te, jak poinformowała grupa w 2012 roku, zawierały DNA ospy myszy. Ale ich badanie nie przyniosło większego zainteresowania, a dekadę później ospa myszy nadal nie jest uważana za zagrożenie dla ludzi.

Jeśli komputer zaprogramowany przez dr. Carlson i jego koledzy mają rację, wirus zasługuje na nowy wygląd.

„To po prostu szalone, że zaginęło to w ogromnym stosie rzeczy, które musi przesiać zdrowie publiczne” – powiedział. „To faktycznie zmienia sposób, w jaki myślimy o tym wirusie”.

Naukowcy zidentyfikowali około 250 ludzkich chorób, które pojawiły się, gdy wirus zwierzęcy przekroczył barierę gatunkową. HIV skoczył na przykład od szympansów i nowych koronawirus pochodzi z nietoperze.

Najlepiej byłoby, gdyby naukowcy chcieli rozpoznać kolejnego wirusa rozprzestrzeniającego się, zanim zacznie on zarażać ludzi. Jest jednak zbyt wiele wirusów zwierzęcych, aby wirusolodzy mogli je zbadać. Naukowcy zidentyfikowali ponad 1000 wirusów u ssaków, ale najprawdopodobniej jest to niewielki ułamek prawdziwej liczby. Niektórzy badacze podejrzewają, że ssaki są nosicielami dziesiątki tysięcy wirusów, podczas gdy inni podają liczbę setki tysięcy.

Aby zidentyfikować potencjalne nowe skutki uboczne, badacze tacy jak dr. Carlson używa komputerów do wykrywania ukrytych wzorców w danych naukowych. Maszyny mogą skupić się na wirusach, które mogą być szczególnie podatne na wywołanie choroby u ludzi, a także mogą przewidzieć, które zwierzęta najprawdopodobniej będą nosiły niebezpieczne wirusy, o których jeszcze nie wiemy.

Kredyt …Pamela Freeman / Cary Institute of Ecosystem Studies

„Wydaje się, że masz nowe oczy” – powiedziała Barbara Han, ekolog chorób z Cary Institute of Ecosystem Studies w Millbrook w stanie Nowy Jork, która współpracuje z dr. Carlsona. „Po prostu nie można zobaczyć w tylu wymiarach, w jakim może to zrobić model”.

Dr. Han po raz pierwszy zetknął się z uczeniem maszynowym w 2010 roku. Informatycy rozwijali tę technikę od dziesięcioleci i zaczęli budować z jej pomocą potężne narzędzia. W te dni, nauczanie maszynowe umożliwia komputerom wykrywanie fałszywych opłat kredytowych i rozpoznawanie ludzkich twarzy.

Ale niewielu badaczy zastosowało uczenie maszynowe do chorób. Dr. Han zastanawiał się, czy mogłaby go użyć do odpowiedzi na otwarte pytania, na przykład dlaczego mniej niż 10 procent gatunków gryzoni jest nosicielami patogenów, o których wiadomo, że zarażają ludzi.

Wprowadzała do komputera informacje o różnych gatunkach gryzoni z internetowej bazy danych – wszystko od ich wieku w momencie odsadzenia po gęstość populacji. Komputer następnie szukał cech gryzoni, o których wiadomo, że są nosicielami dużej liczby patogenów skaczących po gatunkach.

Kiedy komputer stworzył model, przetestowała go na innej grupie gatunków gryzoni, sprawdzając, jak dobrze potrafi odgadnąć, które z nich są obciążone czynnikami chorobotwórczymi. Ostatecznie model komputera osiągnął dokładność 90 procent.

Następnie dr. Han zwrócił się do gryzoni, które nie zostały jeszcze zbadane pod kątem patogenów zewnętrznych, i stworzył listę gatunków o wysokim priorytecie. Dr. Han i jej koledzy przewidzieli, że gatunki takie jak nornik górski i mysz pasikonik północny z zachodniej Ameryki Północnej będą szczególnie narażone na przenoszenie niepokojących patogenów.

Ze wszystkich cech dr. Han i jej koledzy dostarczyli do swojego komputera, najbardziej liczyła się długość życia gryzoni. Gatunki, które umierają młodo, okazują się przenosić więcej patogenów, być może dlatego, że ewolucja włożyła więcej swoich zasobów w rozmnażanie niż w budowanie silnego układu odpornościowego.

Wyniki te obejmowały lata żmudnych badań, w których dr. Han i jej koledzy przeszukiwali ekologiczne bazy danych i badania naukowe w poszukiwaniu przydatnych danych. Niedawno badacze przyspieszyli tę pracę, budując bazy danych specjalnie zaprojektowane do uczenia komputerów o wirusach i ich gospodarzach.

Kredyt …Rick i Nora Bowers / Alamy

Na przykład w marcu dr. Carlson i jego koledzy odsłonięty ogólnodostępna baza danych o nazwie VIRION, która zgromadziła pół miliona informacji o 9521 wirusach i ich 3692 zwierzęcych żywicielach – i wciąż rośnie.

Bazy danych, takie jak VIRION, umożliwiają teraz zadawanie bardziej szczegółowych pytań dotyczących nowych pandemii. Kiedy wybuchła pandemia Covid, wkrótce stało się jasne, że wywołał ją nowy wirus o nazwie SARS-CoV-2. Dr. Carlson, dr. Han i ich koledzy stworzyli programy identyfikujące zwierzęta, które najprawdopodobniej będą kryć krewnych nowego koronawirusa.

SARS-CoV-2 należy do grupy gatunków zwanych betakoronawirusami, która obejmuje również wirusy, które spowodowały epidemie SARS i MERS wśród ludzi. W większości beta-koronawirusy infekują nietoperze. Kiedy w styczniu 2020 r. odkryto SARS-CoV-2, nosiło je 79 gatunków nietoperzy.

Jednak naukowcy nie przeszukiwali systematycznie wszystkich 1447 gatunków nietoperzy pod kątem betakoronawirusów, a ukończenie takiego projektu zajęłoby wiele lat.

Wprowadzając dane biologiczne o różnych typach nietoperzy – ich diecie, długości skrzydeł itd. – do swojego komputera, dr. Carlson, dr. Han i ich koledzy stworzyli model, który może oferować przewidywania dotyczące nietoperzy, które najprawdopodobniej będą nosicielami betakoronawirusów. Znaleźli ponad 300 gatunków, które pasują do rachunku.

Od czasu tej prognozy w 2020 r. naukowcy rzeczywiście znaleźli betakoronawirusy u 47 gatunków nietoperzy – z których wszystkie znajdowały się na listach przewidywań opracowanych przez niektóre modele komputerowe, które stworzyli na potrzeby swoich badań.

Daniel Becker, ekolog chorób z University of Oklahoma, który również pracował nad badanie betakoronawirusa, powiedział, że uderza w sposób, w jaki proste cechy, takie jak rozmiar ciała, mogą prowadzić do potężnych prognoz dotyczących wirusów. „Wiele z nich to nisko wiszący owoc biologii porównawczej” – powiedział.

Dr. Becker śledzi teraz swoje własne podwórko na liście potencjalnych gospodarzy betakoronawirusa. Okazuje się, że niektóre nietoperze w Oklahomie mają je żywić.

Jeśli dr. Becker znajduje betakoronawirusa na podwórku, nie będzie mógł od razu powiedzieć, że jest to bezpośrednie zagrożenie dla ludzi. Aby ocenić ryzyko, naukowcy musieliby najpierw przeprowadzić żmudne eksperymenty.

Dr. Pranav Pandit, epidemiolog z Uniwersytetu Kalifornijskiego w Davis, ostrzega, że ​​te modele są bardzo w toku. Po przetestowaniu na dobrze zbadanych wirusach radzą sobie znacznie lepiej niż losowe przypadki, ale mogą działać lepiej.

„To nie jest etap, na którym możemy po prostu wziąć te wyniki i stworzyć ostrzeżenie, aby zacząć mówić światu:„ To jest wirus odzwierzęcy ”- powiedział.

Nardus Mollentze, wirusolog obliczeniowy z Uniwersytetu w Glasgow, wraz z kolegami opracowali pionierską metodę, która może znacznie zwiększyć dokładność modeli. Zamiast patrzeć na gospodarzy wirusa, ich modele patrzą na jego geny. Komputera można nauczyć rozpoznawać subtelne cechy w genach wirusów, które mogą infekować ludzi.

W ich pierwszy raport o tej technice dr. Mollentze i jego koledzy opracowali model, który może poprawnie rozpoznawać wirusy zarażające ludzi w ponad 70 procentach przypadków. Dr. Mollentze nie potrafi jeszcze powiedzieć, dlaczego jego model oparty na genach zadziałał, ale ma kilka pomysłów. Nasze komórki potrafią rozpoznać obce geny i wysłać alarm do układu odpornościowego. Wirusy, które mogą infekować nasze komórki, mogą naśladować nasze własne DNA jako rodzaj kamuflażu wirusowego.

Kiedy zastosowali model do wirusów zwierzęcych, stworzyli listę 272 gatunków o wysokim ryzyku rozprzestrzeniania się. To zbyt wiele, aby wirusolodzy mogli dogłębnie zbadać.

„Możesz pracować tylko na tak wielu wirusach” – powiedziała Emmie de Wit, wirusolog z Rocky Mountain Laboratories w Hamilton w stanie Mont., która nadzoruje badania nad nowym koronawirusem, grypą i innymi wirusami. „Z naszej strony naprawdę musielibyśmy to zawęzić”.

Dr. Mollentze przyznał, że on i jego koledzy muszą znaleźć sposób na wskazanie najgorszego z najgorszych wśród wirusów zwierzęcych. „To dopiero początek”, powiedział.

Kontynuując swoje wstępne badania, dr. Mollentze współpracuje z dr. Carlson i jego koledzy mają połączyć dane dotyczące genów wirusów z danymi związanymi z biologią i ekologią ich gospodarzy. Naukowcy uzyskują obiecujące wyniki dzięki temu podejściu, w tym kuszący trop ospy myszy.

Inne rodzaje danych mogą sprawić, że prognozy będą jeszcze lepsze. Jedną z najważniejszych cech wirusa jest na przykład powłoka cząsteczek cukru na jego powierzchni. Różne wirusy kończą z różnymi wzorcami cząsteczek cukru, a taki układ może mieć ogromny wpływ na ich sukces. Niektóre wirusy mogą używać tego molekularnego lukru, aby ukryć się przed układem odpornościowym gospodarza. W innych przypadkach wirus może wykorzystać swoje cząsteczki cukru do przyczepienia się do nowych komórek, wywołując nową infekcję.

Ten miesiąc, Dr. Carlson i jego koledzy opublikowali komentarz w Internecie, twierdząc, że uczenie maszynowe może uzyskać wiele informacji dzięki powłoce cukrowej wirusów i ich gospodarzy. Naukowcy zgromadzili już wiele tej wiedzy, ale nie została jeszcze przełożona na formę, z której komputery mogą się uczyć.

„Moim przeczuciem jest to, że wiemy o wiele więcej niż myślimy” – dr. powiedział Carlson.

Dr. de Wit powiedziała, że ​​modele uczenia maszynowego mogą pewnego dnia poprowadzić wirusologów takich jak ona do badania pewnych wirusów zwierzęcych. „Z pewnością wyniknie z tego wielka korzyść” – powiedziała.

Zauważyła jednak, że dotychczasowe modele koncentrowały się głównie na potencjale patogenu do infekowania komórek ludzkich. Przed wywołaniem nowej choroby u ludzi wirus musi również przenosić się z jednej osoby na drugą i powodować po drodze poważne objawy. Czeka na nową generację modeli uczenia maszynowego, które również mogą tworzyć takie prognozy.

„Naprawdę chcemy wiedzieć niekoniecznie, które wirusy mogą zarażać ludzi, ale które wirusy mogą wywołać epidemię” – powiedziała. „Więc to naprawdę kolejny krok, który musimy wymyślić”.

Leave a Comment