Antes que a inteligência artificial se tornasse o “santo graal” para diversas áreas do conhecimento, economia e indústrias, cientistas da Universidade de Montreal, no Canadá, começaram a desenvolver, durante os estágios iniciais da covid-19, um algoritmo para prever as interações mamífero-vírus.
O objetivo da pesquisa foi criar uma modelagem de IA que desse conta de destacar e prever “pontos críticos” virais emergentes que mereciam ser monitorados. A ferramenta pode representar um ponto de inflexão na detecção de prováveis infecções zoonóticas como forma de prevenção a uma nova pandemia global.
Em um release da UdeM, o professor Timothée Poisot, professor do Departamento de Ciências Biológicas e líder do projeto, lembrou que “o problema básico é que só conhecemos entre um e dois por cento das interações entre vírus e mamíferos. As redes são dispersas e há poucas interações, que se concentram em apenas algumas espécies”.
Como foi construído o algoritmo para prevenir interações virais?
Resumo gráfico do estudo.Fonte: Poisot et al.
Para tentar prever quais espécies de vírus poderão infectar quais espécies de mamíferos, a pesquisa, publicada no dia 24 de abril na revista Patterns, usou o CLOVER, um banco de dados aberto, para obter a descrição de 5.494 interações entre 829 vírus e 1.081 hospedeiros mamíferos, sendo a maioria composta de animais selvagens.
Outros conjuntos de dados (HP3, EID2 e GHMPD2) também foram utilizados, mas, por serem mais antigos, continham alguns nomes de espécies desatualizados ou dados inseridos à mão. Isso inflacionou o tempo necessário ao aprendizado de máquina. Finalmente, disse Poisot, "a principal tarefa foi determinar o nível de confiança que tínhamos na capacidade de o modelo fazer previsões”.
Feito isso, os pesquisadores se concentraram em 20 vírus considerados mais preocupantes por mostrarem maior potencial para infectar seres humanos.
Um teatro de sombras
A imputação de rede mostrou uma associação hospedeiro-vírus na Amazônia.Fonte: Poisot et al.
Fazendo previsões espaciais sobre locais em que certos tipos de vírus podem ser encontrados, a imputação de rede (previsão de valores ausentes) apontou para duas áreas de interesse. Primeiramente, a bacia amazônica, onde a interação vírus-hospedeiro é mais original, com probabilidade de mais interações, e a África Subsaariana, na qual o algoritmo identificou novos hospedeiros com potencial para transportar vírus zoonóticos.
Como um teatro de sombras, o algoritmo pega a rede que já é conhecida e projeta "luz sobre as interações de uma nova maneira". “Agora sabemos quais espécies monitorar, onde e para que tipo de vírus”, diz Poisot. O próximo passo é levar essa IA para uma visão mais abrangente do viroma global.
Categorias
