Un equipo internacional de investigadores dirigido por científicos de la Universidad de Georgetown ha demostrado el papel fundamental de la inteligencia artificial a la hora de predecir cuáles pueden ser los futuros virus que podrían afectar a la humanidad. La pandemia provocada por el SARS-CoV-2 ha provocado la peor crisis sanitaria a la que hemos tenido que hacer frente en, al menos, los últimos 100 años, por lo que la comunidad científica, instituciones y gobiernos han aumentado sus esfuerzos en materia de prevención. Especialmente si tenemos en cuenta que alrededor del 70% de las nuevas enfermedades que han afectado a los seres humanos en las últimas décadas encuentran su origen en zoonosis.
El grupo de investigadores ha desarrollado un conjunto de modelos predictivos sobre probables huéspedes reservorios que ha sido publicado en la revista Lancet Microbe. Este ha sido validado en un proyecto de 18 meses de duración que tiene como objetivo la identificación de especies específicas de murciélagos con probabilidad de portar betacoronavirus, el grupo que incluye virus similares al SARS.
"Si desea encontrar estos virus, debe comenzar por perfilar sus anfitriones: su ecología, su evolución, incluso la forma de sus alas", explica el autor principal del estudio, Colin Carlson, profesor asistente de investigación en el Departamento de Microbiología e Inmunología y miembro del Centro de Ciencias y Seguridad de la Salud Global de Georgetown en el Centro Médico de la Universidad de Georgetown. “La inteligencia artificial nos permite tomar datos sobre murciélagos y convertirlos en predicciones concretas: ¿dónde deberíamos estar buscando el próximo SARS?”, añade.
A pesar de las inversiones globales en la vigilancia de enfermedades, continúa siendo difícil identificar y monitorizar los reservorios de virus en la vida silvestre que algún día podrían infectar a los humanos. Los modelos estadísticos se utilizan cada vez más para priorizar qué especies de vida silvestre muestrear en el campo, pero las predicciones que se generan a partir de cualquier modelo pueden ser muy inciertas.
“La inteligencia artificial nos permite tomar datos sobre murciélagos y convertirlos en predicciones concretas: ¿dónde deberíamos estar buscando el próximo SARS?”
Los científicos rara vez rastrean el éxito o el fracaso de sus predicciones después de hacerlas, lo que dificulta el aprendizaje y desarrollar mejores modelos en el futuro. Juntas, estas limitaciones significan que existe una gran incertidumbre sobre qué modelos pueden ser los más adecuados para la tarea.
Este nuevo estudio sugiere que la búsqueda de virus estrechamente relacionados podría no ser trivial, ya que se prevé que más de 400 especies de murciélagos en todo el mundo albergarán betacoronavirus, un gran grupo de virus que incluye a los responsables del SARS-CoV (el virus que causó el brote de SARS de 2002-2004) y SARS-CoV-2 (el virus que causa la Covid-19). Aunque el origen del SARS-CoV-2 sigue siendo incierto, la propagación de otros virus de los murciélagos es un problema creciente debido a factores como la expansión agrícola y el cambio climático.
Greg Albery, becario postdoctoral en el Departamento de Biología de Georgetown, expone que la Covid-19 proporcionó el impulso para acelerar su investigación. “Esta es una oportunidad realmente rara”, comenta Albery. “Fuera de una pandemia, nunca aprenderíamos tanto sobre estos virus en tan poco tiempo. Una década de investigación se ha colapsado en aproximadamente un año de publicaciones, y eso significa que podemos demostrar que estas herramientas funcionan”.
Se prevé que más de 400 especies de murciélagos en todo el mundo albergarán betacoronavirus, un gran grupo de virus que incluye a los responsables del SARS-CoV (el virus que causó el brote de SARS de 2002-2004) y SARS-CoV-2 (el virus que causa la Covid-19)
En el primer trimestre de 2020, el equipo de investigadores entrenó ocho modelos estadísticos diferentes que predijeron qué tipo de animales podrían albergar betacoronavirus. Durante más de un año, el equipo rastreó el descubrimiento de 40 nuevos murciélagos anfitriones de betacoronavirus para validar las predicciones iniciales y actualizar dinámicamente sus modelos.
Los investigadores descubrieron que los modelos que aprovechan los datos sobre la ecología y la evolución de los murciélagos se desempeñaron extremadamente bien en la predicción de nuevos anfitriones. Por el contrario, los modelos de vanguardia de la ciencia de redes que utilizaron matemáticas de alto nivel, pero menos datos biológicos, se desempeñaron aproximadamente tan bien o peor de lo esperado al azar.
"Una de las cosas más importantes que nos brinda nuestro estudio es una lista basada en datos de qué especies de murciélagos deben estudiarse más a fondo", señala Daniel Becker, profesor asistente de biología en la Universidad de Oklahoma. “Después de identificar estos posibles anfitriones, el siguiente paso es invertir en la monitorización para comprender dónde y cuándo es probable que se propaguen los betacoronavirus”.
Carlson apostilla que el equipo ahora está trabajando con otros científicos de todo el mundo para analizar muestras de murciélagos en busca de coronavirus en función de sus predicciones.
“Si gastamos menos dinero, recursos y tiempo buscando estos virus, podemos poner todos esos recursos en las cosas que realmente salvan vidas en el futuro. Podemos invertir en la construcción de vacunas universales para atacar esos virus, o monitorizar el contagio en las personas que viven cerca de los murciélagos”, asegura Carlson. “Es beneficioso para la ciencia y la salud pública”.