机器学习可以预测病毒基因组的人畜共患潜力

　　

　　

　　大多数新出现的人类传染病(如COVID-19)是人畜共患疾病——由源自其他动物物种的病毒引起。及早发现高风险病毒可以改善研究和监测重点。9月28日，英国格拉斯哥大学的Nardus Mollentze、Simon Babayan和Daniel Streicker发表在《公共科学图书馆·生物学》杂志上的一项研究表明，利用病毒基因组的机器学习(一种人工智能)可以预测任何感染动物的病毒感染人类的可能性，只要有生物学上的相关接触。

　　在出现人畜共患疾病之前识别是一项重大挑战，因为在估计的167万种动物病毒中，只有极少数能够感染人类。为了利用病毒基因组序列开发机器学习模型，研究人员首先编制了来自36个科的861种病毒的数据集。然后他们建立了机器学习模型，该模型根据病毒基因组的模式分配了人类感染的概率。然后，作者应用最佳表现模型分析了从一系列物种中取样的其他病毒基因组预测的人畜共患潜力的模式。

　　研究人员发现，病毒基因组可能具有独立于病毒分类学关系的可概括的特征，并且可能使病毒预先适应感染人类。他们能够开发出能够使用病毒基因组识别候选人畜共患病的机器学习模型。这些模型有局限性，因为计算机模型只是确定可能感染人类的人畜共患病毒的初步步骤。

　　在进行重大的额外研究投资之前，模型标记的病毒将需要进行确认性的实验室测试。此外，虽然这些模型预测病毒是否能够感染人类，但感染能力只是更广泛的人畜共患风险的一部分，这还受到病毒在人类中的毒力、人际传播能力和人类接触时的生态条件的影响。

　　根据作者的说法，“我们的研究结果表明，病毒的人畜共患潜力可以在很大程度上从它们的基因组序列中推断出来。通过突出最有可能成为人畜共患疾病的病毒，基于基因组的排名可以更有效地进一步确定生态和病毒学特征。”