“Esto va a acelerar el descubrimiento de virus”: científicos trabajan con Inteligencia Artificial para predecir futuras pandemias

Un investigador del Instituto Pasteur en Camboya, captura un murciélago. Foto: Reuters

Una nueva investigación muestra que con la ayuda Inteligencia Artificial (IA) se podría identificar mucho antes los virus procedentes de otras especies animales que provoquen enfermedades infecciosas en humanos, como lo sucedido con el Covid-19.




La mayoría de las enfermedades infecciosas emergentes en los seres humanos (como el Sars-CoV-2) son zoonóticas, es decir, causadas por virus procedentes de otras especies animales, e identificar antes los virus de este tipo que son de alto riesgo puede mejorar las prioridades de investigación y vigilancia ante un posible brote que ponga nuevamente en peligro la vida de las personas.

Un estudio publicado en la revista científica PLOS Biology por Nardus Mollentze, Simon Babayan y Daniel Streicker, de la Universidad de Glasgow (Reino Unido), sugiere que el aprendizaje automático (un tipo de Inteligencia Artificial) a partir de los genomas virales puede predecir la probabilidad de que cualquier virus que infecte a los animales también pueda infectar a los humanos, dada una exposición biológicamente relevante.

La tarea de identificar las enfermedades zoonóticas antes de su aparición es un reto importante, porque sólo una pequeña parte de los 1,67 millones de virus animales que se calcula que existen, pueden infectar a los humanos.

Para desarrollar modelos de aprendizaje automático a partir de secuencias de genomas virales, los investigadores ingleses recopilaron primero un conjunto de datos de 861 especies de virus de 36 familias. Luego, construyeron estos modelos de IA que asignaban una probabilidad de infección humana basada en los patrones de los genomas de los virus, y así después los autores aplicaran el modelo de mejor rendimiento para analizar los patrones en el potencial zoonótico previsto de otros genomas de virus muestreados de una serie de especies.

De esta manera, los científicos descubrieron que los genomas virales pueden tener características generalizables que son independientes de las relaciones taxonómicas (ordenar a los organismos en un sistema de clasificación) del virus y pueden preadaptar los virus para infectar a los humanos. Así es como desarrollaron estos modelos de aprendizaje automático capaces de identificar las zoonosis candidatas a partir de los genomas virales.

A pesar de que este estudio es reciente, el doctor César Ravello de la Fundación Ciencia y Vida, y especialista en Inteligencia Artificial y vacunas, señala que se podría esperar que esta investigación “va a acelerar el descubrimiento de virus (provenientes de animales), porque básicamente se está aprovechando información que de otra forma es difícil tener acceso”.

Foto: AP

Añadiendo que la forma tradicional de saber si un virus infectará al humano es analizando si la nueva especie encontrada pertenece a alguna “familia de virus” que ya se sabe que pueden infectar personas. Pero, en el caso de los virus se conoce ningún “pariente” cercano no podemos saber si va a ser capaz de infectar humanos o no. “En cambio, con esta nueva aproximación sí podríamos saberlo en base a analizar su información genética, entonces sin tener una información previa de si tiene parientes cercanos que sean capaz de infectar humanos, vamos a poder predecir qué tan probable es que este virus pueda ser peligroso para nosotros. Entonces en ese sentido, va a acelerar y permitir el descubrimiento de virus que de otra forma podrían completamente pasársenos por alto en el caso de estos virus que no tienen ningún pariente conocido que haya infectado humanos antes”.

Los autores del estudio, dijeron en un comunicado que “nuestros resultados demuestran que el potencial zoonótico de los virus puede deducirse en una medida sorprendente a partir de su secuencia genómica. Al destacar los virus con mayor potencial zoonótico, la clasificación basada en el genoma permite orientar con mayor eficacia la caracterización ecológica y virológica”.

Desventajas

Sin embargo, estos modelos de IA tienen limitaciones, ya que los modelos informáticos son sólo un paso preliminar para identificar los virus zoonóticos con potencial para infectar a los humanos. Los virus señalados por la IA requerirán pruebas de laboratorio confirmatorias antes de realizar importantes inversiones de investigación adicionales. Además, aunque estos modelos predicen si los virus pueden infectar a los humanos, la capacidad de infección es sólo una parte del riesgo zoonótico más amplio, en el que también influyen la virulencia del virus en los humanos, la capacidad de transmisión entre humanos y las condiciones ecológicas en el momento de la exposición humana.

Otra limitante, según Ravello es que, “para poder diversificar si el virus va a ser peligroso o no, tenemos que primero que nada descubrirlo, o sea, poder aislarlo y eso está por fuera de la capacidad de la Inteligencia Artificial, es decir, tenemos que ir a ver a los animales y ver qué virus están presentes y luego separarlo cada uno, obtener sus genomas y después analizarlos, y yo creo que por mucho tiempo eso va a seguir siendo el paso limitante, ir a encontrar al virus ahí donde está escondido. En ese sentido esta herramienta de IA +nos da una gran ventaja pero no es como una varita mágica que nos permitirá descubrir a todos los virus, primero hay un trabajo de terreno y de laboratorio previo a este análisis”.

“Entonces si bien esta herramienta provee una gran ventaja, el problema va a seguir siendo nuestra capacidad de monitorear y de encontrar estos virus antes de identificarlos, entonces en ese sentido la naturaleza seguirá llevándonos una gran ventaja” agrega el especialista.

Uno de los autores del estudio, Simon Babayan dijo que “estos hallazgos añaden una pieza crucial a la ya sorprendente cantidad de información que podemos extraer de la secuencia genética de los virus mediante técnicas de IA”.

“Una secuencia genómica suele ser la primera, y a menudo única, información que tenemos sobre los virus recién descubiertos, y cuanta más información podamos extraer de ella, antes podremos identificar el origen del virus y el riesgo zoonótico que puede suponer. Cuanto más virus se caractericen, más eficaces serán nuestros modelos de aprendizaje automático para identificar los virus raros que deben ser vigilados de cerca y priorizados para el desarrollo de vacunas preventivas” finaliza Babayan.

Comenta

Por favor, inicia sesión en La Tercera para acceder a los comentarios.