Tim koji predvode naučnici u UGA-inoj školi za ekologiju Odum razvio je algoritam koji može precizno predvideti kako se očekuje da će se razvijati virus sezonskog gripa. Takve informacije mogu omogućiti da se vakcine protiv sezonskog gripa brže ažuriraju, što dovodi do smanjenja infekcija i smrti.
Objavljeno u časopisu Proceedings of the Royal Society B: Biological Sciences, istraživanje opisuje alat za mašinsko učenje pod nazivom Novi detektor virusa gripa A (NIAViD) koji predviđa promene u virusu sezonskog gripa sa skoro 73% preciznosti. Alpha Forna, postdoktorski istraživač u školi Odum, predvodio je razvoj NIAViD, koji koristi podatke o sekvenci virusa gripa da bi razumeo kako se očekuje da virusi u nastajanju zaobiđu postojeći imunitet u populaciji.
Svake godine virusi sezonskog gripa globalno zaraze milijardu ljudi, a većina od procenjenih 500.000 smrtnih slučajeva su mala deca u zemljama u razvoju. U Sjedinjenim Državama, milioni Amerikanaca se zaraze godišnje, a hiljade umiru. Predviđeni godišnji trošak sezonskih infekcija je oko 90 milijardi dolara samo u Sjedinjenim Državama.
Jedan od izazova u prevenciji sezonskih infekcija gripa je predviđanje kako se očekuje da će se virus gripa promeniti, navodi Forna.
„Svaki virus gripa, koji nazivamo gripom, ima protein hemaglutinin koji inicira infekciju kada se veže za ćelije. Tokom infekcije virusi gripa počinju da se razmnožavaju, a kako se to dešava, dolazi do malih genetskih promena na proteinu hemaglutinina, koje mi nazovite antigenski drift“, rekao je on.
„Neke od ovih promena mogu učiniti virus gripa neprepoznatljivim za naš imuni sistem. To znači da, iako je neko možda imao prethodnu infekciju gripom ili je primio vakcinu, ipak može biti zaražen virusom gripa koji ima blago razvijen protein hemaglutinin. “
Mašinsko učenje, metod programiranja računara za samostalno učenje, je sve važnije sredstvo u oblasti istraživanja modeliranja zaraznih bolesti. Forna je proveo dve godine gradeći NIAViD sistem, pristupajući i dajući smisao velikim skupovima podataka i modelima obuke za tačna predviđanja. On i njegove kolege razvili su specifičan skup algoritama koji su dizajnirani da analiziraju sekvence aminokiselina u regionu gena proteina hemaglutinina i nekoliko povezanih svojstava koja kvantifikuju osobine, na primer, elektrostatički naboj virusa.
Nakon što je model obučen na podskupu podataka, njegova stopa tačnosti je bila skoro 73%, što je jednako ili premašuje performanse drugih modela. Fokusirajući se na ključna svojstva, NIAViD precizno identifikuje antigene promene, pomažući u blagovremenom ažuriranju vakcina protiv gripa.
NIAViD je razvijen oko virusa gripa koji se prvi put pojavio tokom pandemije 1968. koja je počela u Hong Kongu. Nakon što je ovaj virus počeo da kruži globalnom ljudskom populacijom, laboratorije širom sveta počele su da testiraju prikupljene viruse kako bi razumeli kako reaguju na antitela za koja se znalo da štite ljude od infekcija. Kako su otkriveni virusi imuni ili na antitela ili na vakcine, grupisane grupe su na kraju identifikovane, što je dovelo do ranog prediktivnog modeliranja koje je pomoglo proizvođačima vakcina da usredsrede svoje napore na nove linije gripa.
Koautor Justin Bahl, profesor na UGA-ovom koledžu za veterinarsku medicinu, rekao je da su ovi rani istraživački projekti bili ključni u razvoju vakcine.
„Grupisanje virusa gripa u specifične grupe da bi se razumeo njihov nivo imuniteta na vakcine bilo je revolucionarno“, rekao je on. „Međutim, ovo istraživanje je zasnovano na metodologiji nadzora virusa koja je radno intenzivna, dugotrajna i može biti nepouzdana. Verovali smo da se brži i precizniji metod predviđanja virusa sezonskog gripa u nastajanju može postići pomoću mašine za zarazne bolesti -algoritam učenja.“
Uspeh NIAViD-a otvara brojne puteve za dalja istraživanja, kaže profesor Džon Drejk, direktor Centra za ekologiju zaraznih bolesti.
„Njegova sposobnost da brzo identifikuje antigene varijante može podržati tekući razvoj vakcina protiv gripa, jačajući spremnost javnog zdravlja i reagovanje na sezonski grip“, rekao je on. „Integracija NIAViD-a u sisteme nadzora omogućila bi proizvođačima da budu ispred evolucije virusa, osiguravajući da vakcine ciljaju na najnovije sojeve.
