Mašinsko učenje klasifikuje 191 od najštetnijih virusa na svetu

Mašinsko učenje klasifikuje 191 od najštetnijih virusa na svetu

Istraživači sa Univerziteta Vaterlo uspešno su klasifikovali 191 ranije neidentifikovani astrovirus koristeći novi proces klasifikacije koji omogućava mašinsko učenje.

Studija, „Upotreba mašinskog učenja za taksonomsku klasifikaciju astrovirusa u nastajanju“, nedavno je objavljena u Frontiers in Molecular Biosciences.

Astrovirusi su neki od najštetnijih i najrasprostranjenijih virusa na svetu. Ovi virusi izazivaju tešku dijareju, koja godišnje ubije više od 440.000 dece mlađe od 5 godina. U živinarskoj industriji, astrovirusi poput ptičijeg gripa imaju stopu infekcije od 80% i stopu mortaliteta među stokom od 50%, što dovodi do ekonomske devastacije, prekida lanca snabdevanja i nestašice hrane.

Astrovirusi brzo mutiraju i mogu se lako proširiti na više od 160 vrsta domaćina, što dovodi istraživače i službenike za javno zdravlje u stalnu trku da klasifikuju i razumeju nove astroviruse kako se pojavljuju. U 2023. bilo je 322 neidentifikovana astrovirusa sa različitim genomima. Ove godine taj broj je porastao na 479.

„U bilo kom trenutku, između 2% i 9% ljudi nosi jedan od ovih virusa. Taj broj može biti i do 30% u nekim zemljama“, rekla je Fatemeh Alipour, dr. kandidat za računarstvo na Vaterlou i vodeći autor istraživačke studije iz računarskih nauka. „Razumevanje i efikasno klasifikovanje ovih virusa je od suštinskog značaja za razvoj vakcina.

Istraživački tim astrovirusa uključivao je istraživače računarskih nauka u Vaterlou i istraživače biologije na Univerzitetu Zapadni Ontario.

Nova trodelna metoda klasifikacije uključuje nadgledano mašinsko učenje, mašinsko učenje bez nadzora i ručno obeležavanje svakog domaćina astrovirusa.

„Glavna ideja koja stoji iza metode klasifikacije je da se iskoristi mašinsko učenje za klasifikaciju vrsta učenjem iz njihovih ’genomskih potpisa’“, rekla je Lila Kari, profesorka na Dejvid R. Čeriton školi računarskih nauka. „Metoda klasifikacije je uzbudljiva i po svojoj brzini i po opštoj primenljivosti.

„Ovaj metod nam može pomoći da razumemo kako se virusi prenose između različitih životinja. Takođe se može koristiti za klasifikaciju virusa u druge porodice virusa kao što su HIV i Denga.“