Κοροναϊός: Μαθηματικό μοντέλο του MIT και του Χάρβαρντ προβλέπει τα επικίνδυνα νέα στελέχη

Αλγόριθμος μηχανικής μάθησης που αναπτύχθηκε στο MIT και το Χάρβαρντ μπορεί να αναλύει εκατομμύρια γενετικές αλληλουχίες του πανδημικού κοροναϊού και να προβλέπει ποια στελέχη θα επικρατήσουν και θα προκαλέσουν αύξηση κρουσμάτων.

Όταν το μοντέλο δοκιμάστηκε για πρώτη φορά τον Ιανουάριο του 2022 προέβλεψε την εξάπλωση της BA.2, υποπαραλλαγής της Όμικρον που επικράτησε σε πολλές χώρες τους επόμενους μήνες.

Το λογισμικό, με την ονομασία PyR0 (προφέρεται «πάι-αρ-νοτ), θα μπορούσε επίσης να είχε προειδοποιήσει για την εμφάνιση της παραλλαγής Άλφα μέχρι τα τέλη Νοεμβρίου του 2020, έναν μήνα προτού το συγκεκριμένο στέλεχος αναγνωρίστηκε από τον Παγκόσμιο Οργανισμό Υγείας ως παραλλαγή ανησυχίας.

«Το έργο αυτό ήταν αποτέλεσμα συνεργασίας ανάμεσα σε βιολόγους, γενετιστές, μηχανικούς λογισμικού και επιστήμονες πληροφορικής» δήλωσε ο Τζέικομ Λεμιέ, μέλος της ερευνητικής ομάδας που παρουσιάζει τη μελέτη στο κορυφαίο περιοδικό Science.

Το PyR0 βασίστηκε σε σύστημα μηχανικής μάθησης που αναπτύχθηκε στο εργαστήριο τεχνητής νοημοσύνης της Uber. Τρία μέλη της ομάδας μετακόμισαν αργότερα στο Ινστιτούτο Broad του MIT και του Χάρβαρντ για να εφαρμόσουν την τεχνολογία σε βιολογικά προβλήματα.

Διαβάστε επίσης: 

• Κοροναϊός – Τεχνητή νοημοσύνη της BioNTech αναγνωρίζει τις παραλλαγές υψηλού κινδύνου
• «Εξυπνο» σύστημα έγκαιρης προειδοποίησης δείχνει τους ασθενείς του κοροναϊού που κινδυνεύουν με θάνατο

Το λογισμικό εκπαιδεύτηκε αναλύοντας 6,4 εκατομμύρια γονιδιώματα του SARS-CoV-2 που είχαν καταχωρηθεί στη διεθνή βάση δεδομένων GISAID μέχρι τον Ιανουάριο του 2022.

Οι ερευνητές αναφέρουν ότι το σύστημα μπορεί να εκτιμά την επίδραση κάθε νέας μετάλλαξης στην ικανότητα του ιού να πολλαπλασιάζεται και να εξαπλώνεται στους πληθυσμούς.

Θα μπορούσε έτσι να προσφέρει έγκαιρη προειδοποίηση για την εμφάνιση τυχόν νέων στελεχών που θα μπορούσαν να προκαλέσουν νέα πανδημικά κύματα.

Παράλληλα όμως θα μπορούσε να αποκαλύψει γονίδια του ιού που μένουν σταθερά στην πορεία του χρόνου, λόγω της σημασίας τους για την εξάπλωση του ιού, γονίδια που θα μπορούσαν να γίνουν στόχος νέων εμβολίων για προστασία διαρκείας.

Σε αντίθεση με άλλα μαθηματικά μοντέλα, τα οποία αδυνατούν να εξετάσουν όλες τις παραλλαγές του ιού ταυτόχρονα, το PyR0 μπορεί να αναλύει εκατομμύρια ιικά γονιδιώματα μέσα σε μια ώρα. Πετυχαίνει αυτή την ταχύτητα ομαδοποιώντας τα γονιδιώματα ανάλογα με τις κοινές μεταλλάξεις τους, εξηγούν οι ερευνητές.

«Το γονιδίωμα του SARS-CoV-2 έχει πλέον συσσωρεύσει πολλές μεταλλάξεις, οπότε γίνεται όλο και πιο δύσκολο να ελέγχουμε όλους τους συνδυασμούς μεταλλάξεων» σχολίασε ο Μάρτιν Τζάνκοβιακ, ειδικός της μηχανικής μάθησης και μέλος της ομάδας.

«Το πλεονέκτημα της ανάλυσης αυτού του είδους είναι ότι εξετάζει ολόκληρο το γονιδίωμα ολιστικά, και μπορεί να υποδείξει μεταλλάξεις ή παραλλαγές που δεν έχουν τραβήξει την προσοχή μας στο εργαστήριο» εξήγησε.

Στο μέλλον, νέες βερσιόν του συστήματος ή άλλα μοντέλα θα μπορούσαν να βελτιώσουν τις προβλέψεις λαμβάνοντας υπόψη τις αλληλεπιδράσεις μεταξύ των μεταλλάξεων, λένε οι ερευνητές.