Det anslås at det finnes rundt 1,7 millioner typer virus som angriper ulike dyrearter. Noen av disse har eller kan utvikle potensiale til å angripe mennesker. Det gjelder svært få av dem, men hvordan kan man på forhånd finne ut hvilke?
Dette har britiske forskere ved universitetet i Glasgow undersøkt nærmere. De håper at man i fremtiden kan benytte kunstig intelligens og maskinlæring til å komme virusene i forkjøpet.
Overraskende resultat
Det forskerne kom frem til var at det i overraskende stor grad later til å være virusets genetikk som avgjør hvorvidt det kan bli zoonotisk eller ikke – altså hoppe fra dyr til mennesker.
Dette er gode nyheter, siden gensekvensen ofte er det første og eneste man har av informasjon når nyoppdagede virus dukker opp. Dermed har man en bedre mulighet enn før til å raskt identifisere virusets opprinnelse og vurdere den zoonotiske risikoen det kan utgjøre.
Jo flere virus som er undersøkt og karakterisert på denne måten, jo bedre vil maskinlæringsmodellen bli.
– Den vil kunne bli en stor hjelp med å identifisere sjeldne virus som bør overvåkes nøye og prioriteres for forebyggende utvikling av vaksiner, uttaler Simon Babayan, en av forskerne bak prosjektet til phys.org.
Et steg på veien
Forskerteamet begynte med å samle et datasett fra 861 kjente virus fra totalt 36 ulike virusfamilier. Deretter bygde de forskjellige maskinlæringsmodeller som tildelte en sannsynlighet for infeksjon av mennesker, basert på taksonomi og slektskap til kjente virus som kan smitte mennesker.
Deretter brukte de den modellen som ga best resultat, til å analysere hvor sannsynlig det er at ulike virus hos dyr kan smitte mennesker.
Dette gir et godt grunnlag til videre forskning i laboratorier, men er likevel bare et steg på veien. Metoden forskerteamet utvikler sier for eksempel ikke noe om hvor lett viruset kan smitte mellom mennesker, eller hvor egnet virusene er til å faktisk forårsake sykdom.
Hva er kunstig intelligens?
