پیش بینی هوش مصنوعی از انتقال ویروس ها

به گزارش ایسنا و به نقل از فلوریدا نیوز تایمز، بیشتر بیماری‌های عفونی در حال ظهور مانند کووید-۱۹، بیماری‌های مشترک میان انسان و حیوان هستند و توسط ویروس‌هایی ایجاد می‌شوند که از سایر گونه‌های حیوانی می‌آیند. شناسایی زودهنگام ویروس‌های پرخطر می‌تواند به بهبود پژوهش و نظارت کمک کند. پژوهشگران “دانشگاه گلاسگو” (University of Glasgow) در بررسی جدید خود دریافته‌اند که شاید یادگیری ماشینی بتواند به پژوهش در مورد این موضوع کمک کند.

شناسایی بیماری‌های عفونی مشترک میان انسان و حیوان پیش از ظهور آن، یک چالش بزرگ بود. پژوهشگران ابتدا یک پایگاه داده شامل ۸۶۱ مورد را ویرایش کردند تا مدل‌های یادگیری ماشینی را با استفاده از توالی ژنوم ویروس ابداع کنند.

آنها در مرحله بعد، یک مدل یادگیری ماشینی را ابداع کردند. این مدل، احتمال ابتلای انسان را براساس طبقه‌بندی ویروس و ارتباط با ویروس‌هایی که انسان را آلوده می‌کنند، تعیین می‌کند. پژوهشگران در مرحله بعد، بهترین مدل را برای تجزیه و تحلیل الگوهای پیش‌بینی شده ژنوم‌های ویروس به کار گرفتند.

پژوهشگران در این بررسی نشان داده‌اند که ژنوم ویروس ممکن است ویژگی‌هایی داشته باشد که از رابطه سمی ویروس، مستقل هستند و ویروس ممکن است برای آلوده کردن انسان، از پیش سازگار شده باشد.

آنها یک مدل یادگیری ماشینی ابداع کردند که ژنوم ویروس را برای شناسایی بیماری‌های مشترک میان انسان و حیوان به کار می‌گیرد. این مدل‌ها محدود هستند زیرا مدل‌های رایانه‌ای فقط یک مرحله مقدماتی برای شناسایی بیماری‌های مشترک میان انسان و حیوان به شمار می‌روند.

ویروس‌های مشخص شده توسط این مدل، پیش از سرمایه‌گذاری پژوهشی، به بررسی‌های آزمایشگاهی نیاز دارند. این مدل‌ها پیش‌بینی می‌کنند که آیا ویروس می‌تواند انسان را آلوده کند یا خیر اما توانایی آلوده کردن، تنها بخشی از خطر بیماری‌های مشترک میان انسان و حیوان، بیماری‌زایی در انسان و انتقال میان انسان‌ها است.

ابتلا به بیماری‌های مشترک میان انسان و حیوان، تحت تاثیر توانایی و شرایط محیطی نیز قرار می‌گیرد.

به گفته پژوهشگران، یافته‌های این پژوهش نشان می‌دهند که ویروس می‌تواند میان انسان و حیوان مشترک باشد. با مشخص کردن ویروس‌هایی که به احتمال قوی میان انسان و حیوان مشترک هستند، رتبه‌بندی براساس ژنوم می‌تواند ویژگی‌های مربوط به بوم‌شناسی و ویروس‌شناسی را هدف قرار دهد.

“سیمون بابایان”(Simon Babayan)، از پژوهشگران این پروژه گفت: کشف این موضوع، بخش مهمی را به اطلاعاتی اضافه می‌کند که می‌توان با کمک هوش مصنوعی از توالی‌های ویروس به دست آورد.

وی افزود: توالی‌های ژنوم معمولا نخستین و تنها اطلاعات در مورد ویروس‌هایی هستند که تازه کشف می‌شوند. ممکن است که بتوان شناسایی ویروس‌ها را سریع‌تر انجام داد. هرچه ویروس‌های بیشتری مشخص شوند، مدل یادگیری ماشینی ما نیز در شناسایی موارد نادر، موثرتر خواهد بود. توسعه واکسن برای پیشگیری، به نظارت و اولویت‌بندی دقیق نیاز دارد.

این پژوهش، در مجله “PLOS Biology” به چاپ رسید.