Predecir anfitriones de reservorio y vectores de artrópodos a partir de firmas evolutivas en genomas de virus de ARN

Área de la Ciencia:

• Virología
• La genómica
• Epidemiología
• Aprendizaje automático
• La bioinformática

Sus antecedentes:

• La identificación de los orígenes animales y los vectores de los virus de ARN es crucial para controlar las enfermedades infecciosas emergentes, pero a menudo es un proceso largo y intensivo en recursos.
• Los métodos tradicionales que implican extensos estudios de campo y de laboratorio pueden retrasar las respuestas críticas a nuevas amenazas virales.
• El rápido avance de las tecnologías de secuenciación genómica ha generado grandes cantidades de datos de secuencias virales.

Objetivo del estudio:

• Desarrollar y validar modelos de aprendizaje automático capaces de predecir los reservorios animales y los vectores de artrópodos de los virus de ARN directamente a partir de sus secuencias genómicas.
• Demostrar la amplia aplicabilidad de estos modelos predictivos en diversas familias de virus de ARN de cadena única infecciosos para humanos.
• Reducir el lapso de tiempo entre el descubrimiento del virus y la implementación de estrategias de investigación, vigilancia y gestión específicas.

Principales métodos:

• Utilizó conjuntos de datos genómicos y ecológicos a gran escala para entrenar modelos de aprendizaje automático.
• Desarrolló algoritmos predictivos que analizan las secuencias del genoma viral para inferir los reservorios de animales huéspedes y las identidades de vectores de artrópodos.
• Modelos aplicados a una amplia gama de virus de ARN de una sola cadena, incluidos aquellos con características epidemiológicas previamente desconocidas.

Principales resultados:

• Predijo con éxito reservorios animales y vectores de artrópodos para numerosos virus de ARN utilizando solo sus secuencias de genoma.
• Identificó los orígenes y vectores de 69 virus donde esta información era desconocida o mal entendida.
• Demostró la capacidad de los modelos para predecir con precisión la epidemiología de diversos virus en múltiples familias infecciosas humanas.

Conclusiones:

• El análisis de aprendizaje automático de genomas virales ofrece un método poderoso y rápido para identificar orígenes y vectores de virus.
• Estos modelos predictivos pueden acelerar significativamente la comprensión y el manejo de las enfermedades infecciosas emergentes.
• Aprovechar los datos genómicos y el aprendizaje automático es esencial para la vigilancia y respuesta proactivas de salud pública.