É comum que certos vírus mortais circulem nos animais antes de se espalharem para as pessoas. No entanto, identificar possíveis hospedeiros de vírus naturais pode levar anos de pesquisa, dificultando a implementação de medidas preventivas, como a vacinação de animais ou a prevenção do contacto entre espécies.

Contudo, uma nova pesquisa revela que através de um algoritmo de Machine Learning poderá ser possível acelerar esse processo.

O estudo foi publicado esta quinta-feira na revista Science e os autores falam de um modelo algorítmico desenvolvido para prever quais dos 11 grupos de animais, como primatas e roedores, teria maior probabilidade de hospedar um vírus, usando informações do genoma do ARN de um vírus.

Mais de 500 vírus foram estudados, e em  72% dos casos, o modelo previu corretamente o hospedeiro natural da doença. Em 97% dos casos, a ferramenta determinou se o vírus foi ou não transmitido por insetos hematófagos, e o tipo de inseto foi previsto corretamente em cerca de 90% do tempo.

A equipa também aplicou os modelos a vírus que têm um hospedeiro natural desconhecido, como o Zika, e os algoritmos apontaram para um “melhor palpite” em relação ao animal hospedeiro.

O modelo também apresentou novas evidências. Ao testarem 4 vírus Ébola, a equipa de investigação verificou que dois desses vírus poderiam ter vindo de primatas, sendo que atualmente acredita-se que o Ébola tenha origem nos morcegos.

Os investigadores estão a desenvolver uma aplicação web para permitir que cientistas de todo o mundo apresentem suas sequências de vírus e recebam previsões de hospedeiros naturais e rotas de transmissão de doenças em poucos minutos.

Vet-Online

ler mais