机器学习有望找到致命病毒宿主

　　利用埃博拉病毒等致命病毒遗传信息的机器学习软件将能够预测病毒可能在哪些动物群体中传播。

　　由英国格拉斯哥大学疾病生态学家Daniel Streicker领导的软件开发团队表示，识别这些动物“宿主”可以帮助预防未来的人类疫情暴发。这一研究成果发表在最新出版的美国《科学》杂志上。

　　Streicker说：“在你知道宿主是什么之前，很难评估风险，也很难采取任何措施阻止疾病的出现。”他补充说，限制人类接触这些动物，甚至给人们接种疫苗，都可能阻止疫情的发生。

　　当科学家将一种新的人类病毒与它的动物宿主联系起来时——这种动物宿主可以在基本健康的情况下携带这种病毒，他们通常使用的是间接证据。以埃博拉病毒为例，许多科学家基于生态和分子数据，怀疑其在某些蝙蝠物种中自然传播。

　　蝙蝠在撒哈拉以南非洲的偏远森林中很常见，那里是埃博拉疫情暴发的源头。实地研究发现，这些蝙蝠种群中存在埃博拉病毒的抗体乃至基因序列。然而，已知导致人类疫情暴发的特定病毒还没有在野生蝙蝠中找到活体复制形式。（今年7月，研究人员表示，他们在塞拉利昂发现了一种新的埃博拉病毒，可能会从蝙蝠感染给人类，但这种说法的证据尚未发表）

　　Streicker指出，即使在动物身上发现了病毒，也不清楚这个物种是宿主还是仅仅被感染的动物。例如，埃博拉病毒可以感染黑猩猩和大猩猩，但这些类人猿不太可能在人类暴发的疫情中携带这种病毒，因为它们感染的往往是一种与人类相似的致命疾病。

　　为了更好地识别对病毒传播至关重要的动物，Streicker的团队收集了几百种病毒的流行病学和基因数据。这些病毒来自可以感染人类的群落，并且它们的宿主已经为人所知。

　　研究人员随后利用机器学习建立了一个计算机模型，能够通过病毒核糖核酸（RNA）基因组中的信息，预测11类动物（如灵长类动物和啮齿类动物）中的哪一类最有可能携带一种病毒。

　　这个模型是基于基因相关的病毒倾向于由相似的动物充当宿主的推断，而且它还考虑了那些表明一种病毒已使其基因组适应了自己宿主的信号。

　　当用一些构建模型时未曾涉及的病毒进行测试时，该软件预测病毒宿主的准确率为72%。

　　当Streicker的团队将这个模型应用于那些动物宿主尚不为人所知的病毒时——这才是其真正价值所在，他说，在很多情况下，这种预测是有意义的。

　　例如，该软件表明，它检测到的所有4种埃博拉病毒可能都是由一种蝙蝠亚目——翼足目携带的，其中包括发现部分埃博拉病毒序列和抗体的果蝠。

　　令人惊讶的是，该模型还预测，在乌干达和科特迪瓦发现的两种埃博拉病毒同样可能有灵长类动物宿主。Streicker渴望科学家在野外研究中测试他的预测。

　　英国格拉斯哥大学兽医流行病学家Sarah Cleaveland正准备这样做。Streicker的模型预测，造成克里米亚—刚果出血热（在非洲、中东、亚洲和巴尔干半岛都可以看到这种在人类身上可能致命的传染病）的病毒可能是牲畜或蝙蝠携带的，而不是蜱虫——后者通常被认为是病毒的宿主。

　　Cleaveland说：“这让我们对教科书上的假设提出了质疑。”他的团队计划在坦桑尼亚的家畜中寻找克里米亚—刚果出血热病毒宿主。

　　纽约市非营利环境生态健康联盟主席Peter Daszak表示，人们对使用计算机模型更好地了解新出现的传染病很感兴趣。

　　Daszak认为，Streicker团队的研究成果是有用的，因为它根据病毒序列——大多数疾病暴发的数据很容易获得——预测宿主。他说：“我认为这将形成一篇重要论文，因为它将成为未来新兴传染病监测的第一步。”

　　Streicker和他的同事希望提高预测的准确性，但是他们说现在任何线索都是有用的。“我们很想知道这些物种。”Streicker说，“而这是一种有望更快发现这些物种的方式。”