摘要：一种新的人工智能工具可以通过识别可能携带和传播能够感染人类的病毒的动物物种来帮助限制甚至预防大流行。机器学习模型分析了宿主特征和病毒遗传学，以识别潜在的动物储藏和地理区域，在这些区域中更有可能发生新爆发。...

一种新的人工智能工具可以通过识别可能携带和传播能够感染人类的病毒的动物物种来帮助限制甚至预防大流行。

机器学习模型由华盛顿州立大学的研究人员创建，分析了宿主特征和病毒遗传学，以识别潜在的动物水库和地理区域，在这些地区更有可能发生新的爆发。该模型着重于正托病毒，其中包括引起天花和MPOX的病毒。

研究人员最近使用该杂志中的模型发表了有关他们的工作的研究通信生物学。他们的发现可以帮助科学家预期新兴的人畜共患病威胁，重要的是，适用于其他病毒。

“感染人类的新兴病毒的近四分之三来自动物，”病毒出现和跨物种传播专家，兽医学院的助理教授Paul G. Allen Global Health的助理教授说。 “如果我们能够更好地预测哪些物种会带来最大的风险，那么我们可以采取积极的措施来预防大流行。”

该模型将东南亚，赤道非洲和亚马逊确定为正托病毒暴发的潜在热点。这些区域不仅具有高浓度的潜在宿主，而且与天花疫苗接种率较低的地区重叠。虽然天花疫苗可针对其他正托病毒提供交叉保护，但在1980年消除了天花后，疫苗接种工作停止了。

该研究还确定了几个动物家族是MPOX的可能宿主，包括啮齿动物，猫，犬科（狗和相关物种），臭鼬，芥末（芥丝和水獭）和浣熊。该模型正确排除了大鼠，在实验室研究中已显示出对MPOX感染的抗性。

兽医医学研究生和该研究的第一作者凯蒂·滕（Katie Tseng）指出，该模型不仅表现出比以前的模型具有更高的预测精度，而且还可以预测其他病毒的宿主。

她说：“尽管我们专门用于正托病毒，但我们也可以朝许多不同的方向前进，并开始对其他病毒进行微调。”

艾伦学校的疾病生态学家兼助理教授皮拉·费尔南德斯（Pilar Fernandez）用塞弗特（Seifert）领导该项目。尽管有效，这些模型却忽略了方程的关键部分 - 病毒的基因组成。

费尔南德斯说：“以前的模型更多地基于宿主的特征，但我们想添加故事的另一面，即病毒的特征。” “我们的模型提高了宿主预测的准确性，并更清楚地了解了病毒如何在物种中传播。”

正托病毒通常会引起较小的局部暴发，但最近的事件，包括2022年MPOX的全球蔓延，引起了人们对这些病毒建立新的流行地区并通过新动物储层扩散的担忧。

确定可能的储层是预期溢出事件的关键，但是，通过传统的现场抽样来实现这是一项资源密集型且不切实际的努力。新模型简化了这项任务，可用于针对野生动植物监视工作。

“如果您正在寻找中非MPOX病毒的水库，那是地球上生物多样性最多的地方之一，那么您从哪里开始？”塞弗特说。 “如果我们可以使用这些机器学习模型来帮助我们确定采样工作的优先级，那么这将是真正有益的，可以确定这些病毒来自何处以及了解它们所带来的风险。”

研究小组还包括分子生物科学学院的助理教授希瑟·科勒（Heather Koehler），他对MPOX进行了广泛研究。俄克拉荷马大学的丹尼尔·J·贝克尔（Daniel J. Becker）；罗里·吉布（Rory Gibb），伦敦大学学院；耶鲁大学的柯林·卡尔森（Collin Carlson）也为病毒出现研究所的成员做出了贡献。该小组包括数据科学，计算生物学，病毒学，生态学和进化生物学专家。