Grâce à l’apprentissage automatique, les chercheurs peuvent prévoir les épidémies d’agents pathogènes tels que le coronavirus et la variole du singe

Un professeur adjoint de l’Université de Floride du Sud a aidé à développer une méthodologie qui fera exactement cela – prédire la transmission de la maladie de la faune à l’homme, d’une espèce sauvage à une autre et déterminer qui est à risque d’infection.

La méthodologie est une approche d’apprentissage automatique qui identifie l’influence de variables, telles que l’emplacement et le climat, sur les agents pathogènes connus. En utilisant seulement de petites quantités d’informations, le système est capable d’identifier les points chauds communautaires à risque d’infection à l’échelle mondiale et locale.

“Notre objectif principal est de développer cet outil pour des mesures préventives”, a déclaré le co-chercheur principal Diego Santiago-Alarcon, professeur adjoint de biologie intégrative à l’USF. “Il est difficile d’avoir une méthodologie polyvalente qui puisse être utilisée pour prédire les infections dans tous les divers systèmes parasitaires, mais avec cette recherche, nous contribuons à atteindre cet objectif.”

Avec l’aide de chercheurs de l’Universiad Veracruzana et de l’Instituto de Ecologia, situés au Mexique, Santiago-Alarcon a examiné trois systèmes hôte-pathogène – le paludisme aviaire, les oiseaux atteints du virus du Nil occidental et les chauves-souris atteintes du coronavirus – pour tester la fiabilité et l’exactitude des modèles générés par la méthodologie.

L’équipe a constaté que pour les trois systèmes, l’espèce la plus fréquemment infectée n’était pas nécessairement la plus sensible à la maladie. Pour mieux identifier les hôtes présentant un risque d’infection plus élevé, il était important d’identifier les facteurs pertinents, tels que le climat et les relations évolutives.

En intégrant des variables de développement géographiques, environnementales et évolutives, les chercheurs ont identifié des espèces hôtes qui n’avaient pas été précédemment enregistrées comme infectées par le parasite à l’étude, fournissant un moyen d’identifier les espèces sensibles et éventuellement d’atténuer le risque d’agent pathogène.

“Nous sommes convaincus que la méthodologie est un succès et qu’elle peut être largement appliquée à de nombreux systèmes hôte-pathogène”, a déclaré Santiago-Alarcon. “Nous entrons maintenant dans une phase d’amélioration et de raffinement.”

Les résultats, publiés dans le Actes de l’Académie nationale des sciences, prouver que la méthodologie est capable de fournir des prédictions globales fiables pour les systèmes hôte-pathogène étudiés, même en utilisant une petite quantité d’informations. Cette nouvelle approche aidera à orienter la surveillance des maladies infectieuses et les efforts sur le terrain, en fournissant une stratégie rentable pour mieux déterminer où investir les ressources limitées en matière de maladies.

Prédire quel type d’agent pathogène produira la prochaine infection médicale ou vétérinaire est difficile, mais nécessaire. À mesure que le taux d’impact humain sur les environnements naturels augmente, les possibilités de nouvelles maladies continueront d’augmenter.

“L’humanité, et en fait la biodiversité en général, sont confrontées à de plus en plus de défis liés aux maladies infectieuses en raison de notre incursion et de notre destruction de l’ordre naturel dans le monde à travers des choses comme la déforestation, le commerce mondial et le changement climatique”, a déclaré Andrés Lira-Noriega, chercheur. à l’Instituto de Ecologia. “Cela impose la nécessité de disposer d’outils comme celui que nous publions pour nous aider à prédire où de nouvelles menaces en termes de nouveaux agents pathogènes et de leurs réservoirs peuvent se produire ou survenir.”

L’équipe prévoit de poursuivre ses recherches pour tester davantage la méthodologie sur d’autres systèmes hôte-pathogène et étendre l’étude de la transmission de la maladie pour prédire les futures épidémies. L’objectif est de rendre l’outil facilement accessible via une application pour la communauté scientifique d’ici fin 2022.

Source de l’histoire :

Matériaux fourni par Université de Floride du Sud. Remarque : Le contenu peut être modifié pour le style et la longueur.