在出现之前确定人畜共患病是一项重大挑战，因为在估计的167万种动物病毒中，只有少数能够感染人类。为了开发使用病毒基因组序列的机器学习模型，研究人员首先汇编了36个家族中861种病毒的数据集。然后，他们建立了机器学习模型，根据病毒基因组中的模式分配人类感染的概率。然后，作者应用表现最佳的模型分析从一系列物种中取样的其他病毒基因组预测的人畜共患病潜力模式。
研究人员发现，病毒基因组可能具有不依赖于病毒分类关系的可概括特征，并可能预先适应病毒感染人类。他们能够开发出能够利用病毒基因组识别候选人畜共患病的机器学习模型。这些模型有局限性，因为计算机模型只是识别可能感染人类的人畜共患病病毒的初步步骤。在进行重大的额外研究投资之前，模型标记的病毒将需要进行确认性实验室测试。此外，虽然这些模型预测了病毒是否能够感染人类，但感染能力只是更广泛的人畜共患病风险的一部分，这也受到病毒在人体内的毒力、人与人之间传播的能力以及人类接触时的生态条件的影响。
根据作者的说法，“我们的发现表明，病毒的人畜共患病潜力可以从其基因组序列中惊人地推断出来。通过突出显示最有可能成为人畜共患病的病毒，基于基因组的排名可以更有效地针对进一步的生态和病毒学特征。”
Babayan补充道：“这些发现为我们利用人工智能技术从病毒基因序列中提取的数量惊人的信息增加了一个关键部分。”。“基因组序列通常是我们掌握的关于新发现病毒的第一个信息，而且往往是唯一的信息，我们能从中提取的信息越多，我们就越早确定病毒的起源及其可能带来的人畜共患病风险。随着病毒的特征化程度越来越高，我们的机器学习模型将变得越有效这是一种罕见的病毒，应该受到密切监测，并优先发展先发制人的疫苗。”
In your coverage please use these URLs to provide access to the freely available article in PLOS Biology: http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.3001390
文章来源网络整理；如有侵权请及时联系PaperRSS小编删除，转载请注明来源。
温馨提示：
联系客服
