Kunstmatige intelligentie kan mogelijk helpen de opvolger van SARS-CoV-2 te vinden

Welke virussen moeten we vrezen en met hand en tand bestrijden om een nieuwe pandemie te voorkomen? Wetenschappers kunnen het vaak lastig inschatten, maar kunstmatige intelligentie biedt nu hulp.

Veel opkomende infectieziekten die mensen treffen – zoals ook COVID-19 – zijn zogenoemde zoönosen. Dit zijn ziekteverwekkers die hun oorsprong vinden in andere diersoorten, maar op een gegeven moment op mensen overspringen.

Lastig
Het liefst willen onderzoekers virussen die de potentie hebben om (op termijn) van dieren op mensen over te springen natuurlijk op tijd op de radar krijgen. Maar dat is eenvoudiger gezegd dan gedaan. Het is namelijk zoeken naar een naald in een hooiberg; van de miljoenen virussen die dieren herbergen, zijn er slechts enkelen die ook mensen kunnen infecteren. En wanneer onderzoekers een nieuw virus onder dieren ontdekken is het ook nog heel lastig om snel te kunnen beoordelen of het de potentie heeft om de overstap van dieren naar mensen te maken en dus ook om vast te stellen of dit virus nader onderzocht en nauwlettend in de gaten moet worden gehouden.

Nieuw onderzoek
Maar een nieuw onderzoek, verschenen in het blad PLOS Biology kan het leven van onderzoekers die jagen op zoönosen wat gemakkelijker maken. In de studie presenteren wetenschappers namelijk een methode om op basis van het genoom van een virus – vaak het enige wat we van pasontdekte of slecht gekarakteriseerde virussen weten – vast te stellen of het in staat is om van dieren op mensen over te springen.

Kunstmatige intelligentie
De onderzoekers maken hierbij gebruik van machine learning (een vorm van kunstmatige intelligentie). Allereerst stelden ze een database samen met daarin informatie over meer dan 800 soorten virussen. Vervolgens bouwden ze meerdere kunstmatig intelligente modellen die afgaand op de evolutionaire verwantschap met andere virussen voor elk virus vaststelden hoe groot de kans was dat een virus mensen zou infecteren. Vervolgens gebruikten de onderzoekers het best presterende model om op zoek te gaan naar genetische aspecten die virussen waarvan het model dacht dat ze mensen konden gaan infecteren, met elkaar gemeen hadden. Het wijst uit dat “de zoönotische potentie van virussen voor een verrassend groot deel afgelezen kan worden uit hun genoomsequentie,” zo stellen de onderzoekers. En daarop ontwikkelden ze een kunstmatig intelligent model dat puur afgaand op het virale genoom kandidaat-zoönosen kan identificeren.

Veelbelovend
Dat het model veelbelovend is, bleek wel toen onderzoekers het loslieten op een groot aantal virussen, waaronder SARS-CoV-2. Zonder kennis van eerdere SARS-uitbraken wees het model SARS-CoV-2 en nauwverwante familieleden aan als risicovolle virussen. Dat wil zeggen dat het model de kans dat ze van dieren op mensen kunnen overspringen, vrij groot inschat.

Voorzet
Het model kan dus voorspellen of een virus in staat is om mensen te infecteren. Maar daarmee is alles gezegd. Het kan bijvoorbeeld niet voorspellen wanneer het virus overspringt, welke symptomen mensen ontwikkelen als ze het virus oplopen en of het virus nadat het op mensen is overgesprongen ook van mens op mens overdraagbaar is (en dus de potentie heeft om een pandemie te veroorzaken. Het model biedt ons de opvolger van SARS-CoV-2 dan ook niet op een presenteerblaadje aan, maar geeft een voorzet. Door te voorspellen welke (pas ontdekte) virussen de potentie hebben om ook onder mensen voor ellende te zorgen, kan het model onderzoekers laten zien welke virussen met spoed nader onderzocht en nauwlettend gemonitord moeten worden.

“Uitzoeken waartoe nieuwe virussen in staat zijn en hoe we daar op moeten reageren, vereist een uitgebreide karakterisatie van de virussen, zowel in het lab als in hun natuurlijke omgeving,” stelt onderzoeker Nardus Mollentze. Maar doordat er momenteel in hoog tempo nieuwe virussen ontdekt worden en het karakteriseren ervan veel tijd kost, loopt die karakterisatie behoorlijk achter en bestaat er een kans dat we pas lang nadat virussen ontdekt zijn in de gaten krijgen dat ze gevaarlijk zijn. “Wanneer virussen ontdekt worden, is hun genoomsequentie vaak het enige wat we hebben, dus het ontwikkelen van een accuraat machine learning-methode die gebaseerd is op informatie die in dat genoom zit opgesloten, zou ons in staat moeten stellen om beter te begrijpen welke dierenvirussen het grootste risico vormen en dus als eerste gekarakteriseerd en onderzocht moeten worden.”

En hopelijk kunnen we ons zo ook beter voorbereiden op toekomstige pandemieën of die mogelijk zelfs voorkomen. “Aangezien de meeste opkomende infectieziekten onder mensen veroorzaakt worden door een klein aantal virussen dat in andere diersoorten is ontstaan, blijft het een enorme uitdaging om te achterhalen waar we het volgende virus dat een epidemie kan veroorzaken, moeten zoeken,” stelt onderzoeker Simon Babayan. “Nu hebben we een snelle, goedkope aanpak die ons in staat stelt om specifiek die virussen die mogelijk mensen kunnen gaan infecteren, te surveilleren en karakteriseren. En dat kan weer helpen bij de toekomstige voorbereiding op epidemieën en pandemieën.”

Bronmateriaal

"Machine learning can predict which animal viruses risk infecting humans" - University of Glasgow
Afbeelding bovenaan dit artikel: PIRO4D (via Pixabay)

Fout gevonden?

Voor jou geselecteerd