Un nuovo approccio di intelligenza artificiale in grado di prevedere, con maggiore accuratezza rispetto ai metodi tradizionali, i legami ancora sconosciuti tra i virus e le specie di mammiferi che potrebbero ospitarli, in modo da individuare i microrganismi potenzialmente responsabili di future epidemie. Questo il risultato di uno studio condotto dal Dipartimento di Fisica e dal Dipartimento di Biologia e Biotecnologie ‘Charles Darwin’ della Sapienza Università di Roma, pubblicato su Nature Communications.
Le attuali conoscenze sui virus zoonotici, ovvero quelli di origine animale capaci di infettare l’uomo, si legge in una nota dell’ateneo, sono ancora molto limitate. Si stima infatti che sia stato descritto meno dell’1% dei virus zoonotici dei mammiferi e che le risorse disponibili non siano sufficienti ad accelerare significativamente la ricerca. Rimane quindi elevato il rischio di future epidemie causate da patogeni ancora ignoti, come già accaduto con Sars, Mers, Ebola, Nipah e, più recentemente, Sars-CoV-2. Individuare in anticipo quali specie animali possano ospitare determinati virus rappresenta una delle principali priorità per la prevenzione delle future pandemie.
“Le informazioni disponibili sono fortemente sbilanciate verso le specie e le aree geografiche più studiate -lamenta Moreno Di Marco, leader del Biodiversity & Global Change Lab – di conseguenza, l’assenza di segnalazioni di un virus in una specie non sempre implica che questa ne sia immune, ma riflette spesso una carenza sistematica di dati”. Per superare questo problema i ricercatori hanno sviluppato una nuova tecnica di apprendimento automatico, il Dynamic Positive-Unlabeled (Dpu) learning. “Il Dpu distingue le reali assenze di un virus dai semplici vuoti di conoscenza – spiega Gabriele Pignalberi, primo autore dello studio – e corregge le distorsioni presenti nei dati, migliorando così le proprie predizioni”. “Il modello ha già previsto con precisione associazioni poi confermate da dati sperimentali successivi – aggiunge Andrea Tonelli coautore dello studio – ma i risultati suggeriscono anche che il numero reale di associazioni tra mammiferi e famiglie virali sia molto più elevato di quello ad oggi conosciuto”.
Riproduzione riservata © Copyright ANSA
