- 최근 연구는 기계 학습 방법이 바이러스 게놈을 사용하여 동물에서 인간으로 바이러스 점프 또는 “전파”의 위험을 결정할 수 있음을 보여줍니다.
- 연구 모델은 유전적으로 유사한 비인간 영장류 바이러스가 다른 동물 그룹의 경우가 아닌 인간 전염의 위험이 증가한다고 예측했습니다.
- 과학자들은 예측 모델이 식별한 바이러스가 동물에서 인간으로 전염될 위험이 높다는 것을 확인하기 위해 더 많은 연구를 수행해야 할 것입니다.
인수공통전염병 또는 인수공통전염병은 동물과 사람 사이에 퍼지는 바이러스, 박테리아, 기생충 또는 곰팡이로 인해 발생합니다.
약
Cary Institute of Ecosystem Studies의 질병 생태학자인 Dr. Barbara A. Han은 팟캐스트에서 “동물성 전염병은 동물에서 발생하는 감염일 뿐입니다. […], 이 야생 종에서 살기에 완벽하게 만족하는 기생충이나 병원체에 의해 발생합니다.”
Han 박사는 다음과 같이 자세히 설명했습니다. “때때로 그 병원체나 기생충이 인간에게 흘러들어가는데, 99%는 거기서 끝납니다. 그 사람은 아플 수 있지만 막다른 숙주이기 때문에 그렇게 하지 않습니다. 더 멀리 가십시오. 그들 중 일부는 사람에서 다른 사람으로 전염될 수 있으므로 2차 전염은 전염병이 될 가능성이 있는 무언가에 정말 중요합니다.”
따라서 인수공통전염병을 예방, 탐지, 조사, 우선순위 지정 및 대응하기 위해 인간, 동물 및 환경 전문가 간의 개선된 글로벌 커뮤니케이션, 조정 및 협력이 필수적입니다.
이 강화된 의사 소통은 우리가 다음 전염병을 예방하거나 완화하기 위한 조기 경보 시스템을 만들 수 있도록 하는 데 매우 중요합니다.
위협 식별
이러한 필요성으로 인해 영국 글래스고 대학의 연구원들은 새로운 접근 방식을 공식화했습니다. 그들은 바이러스와 인간을 사용했습니다.
그들의 최신 연구는 저널에 게재됩니다. 플로스 생물학.
설명되지 않은 약 167만 개의 동물 바이러스가 포유류와 조류에 감염을 일으키며 과학자들은 최대 절반이 인간에게 퍼질 수 있다고 믿고 있습니다.
글래스고 대학교 바이러스 연구 센터의 연구 공동 저자인 나두스 몰렌체(Nardus Molentze) 박사는 다음과 같이 말했습니다. 오늘의 의료 뉴스:
“최근 몇 년 동안 바이러스 발견 분야는 이전에 과학에 알려지지 않은 바이러스가 정기적으로 보고될 정도로 상당한 발전을 이루었습니다. 그러나 이것은 도전으로 이어집니다. 우리는 자연의 바이러스 다양성을 특성화하고 발견을 넘어 이러한 바이러스가 위협을 일으키는 지 여부를 알아내는 측면에서 여전히 우리 앞에 큰 과제가 있습니다.”
그는 “2018년 공동 저자들은 RNA 바이러스 게놈이 기계 학습 방법이 자연적으로 순환하는 박쥐, 설치류 및 영장류와 같은 광범위한 저장소 그룹을 식별할 수 있는 충분한 신호를 포함하고 있음을 보여주었습니다.”라고 덧붙였습니다.
즉, 그들은 바이러스 게놈만을 분석함으로써 그들의 모델이 바이러스가 감염을 일으킬 수 있는 동물의 유형을 식별할 수 있음을 보여주었습니다.
Molenze 박사는 계속해서 “이것은 우리가 […] 바이러스 게놈은 또한 그들의 능력에 대한 단서를 포함할 수 있습니다. [cause infections in] 특히 기회가 주어졌을 때 인간에게.”
연구원들은 동물을 감염시킬 수 있는 36개 바이러스 군에서 861개 RNA 및 DNA 바이러스 종에서 게놈 서열을 수집했습니다.
조사하기 위해 그들은 3개의 공개된 데이터 세트의 정보를 사용하여 인간에게 감염을 일으키는 능력에 따라 각 바이러스를 분류했습니다.
그들은 또한 인간에게 감염을 일으킬 수 있는 바이러스와 각 바이러스의 유사성에 주목하고 이러한 감염이 발생할 수 있는지 여부를 예측하는 기계 학습 모델을 구축했습니다.
과학자들은 가장 성능이 좋은 모델을 식별하기 위해 여러 학습 기반 모델을 테스트하고 이를 사용하여 758개 바이러스 종의 순위를 매겼습니다.
기계 학습 모델은 인수공통전염 가능성이 높거나 매우 높은 인간 바이러스의 70.8%를 정확하게 식별했습니다.
훈련 데이터의 일부가 아닌 645개의 동물 바이러스에 대한 연구에서 모델은 유전적으로 유사한 동물 또는
두 번째 실험에서는 현재 인식되는 모든 코로나바이러스 종의 인수공통전염병 가능성과 모든 중증급성호흡기증후군 관련 코로나바이러스의 인간 및 동물 게놈을 예측했습니다.
실행 가능한 데이터
Molentze 박사는 “우리의 연구는 바이러스 발견이 실행 가능한 정보로 전환될 수 있는 경로를 보여줍니다. 새로 발견된 바이러스가 [cause infection in] 합리적인 정확도를 가진 인간을 통해 우리는 이러한 바이러스에 대한 추가 특성화 노력에 집중할 수 있습니다.”
컴퓨터 학습 방법은 게놈 서열만 필요하기 때문에 증거 기반 바이러스 감시를 위한 저렴한 접근 방식을 제공할 수 있습니다.
Molentze 박사는 “우리 모델은 완벽하지 않습니다. 예측에는 위양성과 위음성이 모두 포함될 것이며, 이는 실험실에서 이러한 바이러스의 추가 특성을 통해서만 구별할 수 있습니다.”라고 덧붙였습니다.
몰렌체 박사는 “바이러스 발견을 실제 전염병 대비로 바꾸려면 새로 발견된 바이러스를 특성화해야 합니다. […] 모델 […] 이 특성화 파이프라인의 다양한 단계에서 바이러스의 우선 순위를 지정하는 데 도움이 될 수 있으며, 특히 독성 및 전파 능력과 같은 위험의 다른 측면을 예측하는 방법을 개발할 수 있는 경우 구현을 보다 효율적이고 실현 가능하게 만들 수 있습니다.”
