Tot voor kort wisten we slechts twee procent van de mogelijke interacties tussen zoogdieren en virussen, of het 'virome'. Een nieuwe techniek voor kunstmatige intelligentie (AI) heeft echter potentiële nieuwe gastheer-virus-interacties geïdentificeerd, waardoor de omvang van het bekende viroom met een factor 15 is toegenomen.

Een nieuwe, op machine learning gebaseerde benadering voor het voorspellen van host-virus-interacties werd toegepast en 35.000 uur computertijd werd gebruikt op Calcul Québec-computers om gegevens te analyseren over interacties tussen duizend zoogdieren (de gastheren) en evenveel virussen.

Nadat 80.000 potentiële nieuwe host-virusinteracties waren geïdentificeerd, werd het netwerk van host-virusassociaties gekoppeld aan een virusgenoommodel om het menselijke infectiepotentieel van alle virussen in de database opnieuw te beoordelen.

Het resultaat was een lijst van dierlijke virussen die zoönosen kunnen veroorzaken, d.w.z. mensen infecteren.

Het internationale onderzoeksproject werd geleid door Timothée Poisot, een professor in de afdeling Biologische Wetenschappen van de Universiteit van Montreal die geïnteresseerd is in het berekenen van pandemische risico's. Het werd gefinancierd door IVADO, het Institute for Data Valorization, en uitgevoerd als onderdeel van het Viral Emergence Research Initiative.

'vergeten' virussen ontdekken

Om hun voorspellingen te valideren, hebben Poisot en zijn team van experts op het gebied van virologie, AI en volksgezondheid de literatuur onderzocht op eerdere menselijke uitbraken van de virussen die ze als hoog risico hadden aangemerkt. Het bleek dat van de 20 virussen met het sterkste zoönotische potentieel, er 11 mensen ziek hebben gemaakt.

"Sommige virussen hebben ons echt verrast; we dachten niet dat ze op mensen konden worden overgedragen", zei Poisot. "Ons systeem heeft bijvoorbeeld berekend dat ectromelia, het virus dat verantwoordelijk is voor pokken bij muizen, een 'zeer hoge' kans heeft om mensen te infecteren, en we ontdekten dat er inderdaad een uitbraak was in een Chinese school in 1987, maar het werd niet vermeld in een van de databases."

Over het algemeen zijn de virusfamilies die het vaakst op de lijst met hoog risico verschijnen bunyavirussen (waarvan er één Rift Valley-koorts veroorzaakt), rhabdovirussen (rabiës), filovirussen (Ebola) en flavivirussen (dengue-koorts, gele koorts). "Dit zijn allemaal families waarvan bekend is dat ze een aanzienlijk zoönotisch risico vertonen, maar het model kan ons in staat stellen om het risico binnen deze families nauwkeuriger te meten", legt Poisot uit.

Hotspots in de gaten houden, met name de Amazone

Dit voorspellende onderzoek kan een leidraad zijn voor de inspanningen van virologen die werken aan het voorkomen van zoönosen die toekomstige epidemieën en pandemieën kunnen veroorzaken. De lijst met risicovolle virussen kan worden gebruikt om bemonsteringscampagnes op specifieke soorten te richten en ook op basis van geografische spreiding, aangezien het onderzoeksteam de resultaten in kaart heeft gebracht.

"Als ecoloog die biogeografisch onderzoek doet, wil ik niet alleen weten welk virus compatibel zal zijn met welke gastheer, maar ook waar die combinaties te vinden zijn," zei Poisot.

Volgens het computermodel is de Amazone het deel van de wereld met het grootste potentieel voor virale mutaties. "De resultaten zijn duidelijk:de Amazone is een hotspot voor nieuwe interacties tussen gastheer en virus", zegt Poisot. "Het is de regio waar we de meeste interacties vinden die normaal niet voorkomen."

Volgens Poisot kunnen deze nieuwe contacten worden verklaard door het gebrek aan gegevens over het Amazone-virome, ontbossing, klimaatverandering en stadsuitbreiding, waardoor het contact tussen dieren en mensen toeneemt.