Kredit:Pixabay/CC0 Public Domain
Hastigheten med vilken framväxande vilda sjukdomar infekterar människor har stadigt ökat under de senaste tre decennierna. Virus, som den globala coronavirus-pandemin och det senaste utbrottet av apkoppor, har ökat det akuta behovet av sjukdomsekologiska verktyg för att förutsäga när och var sjukdomsutbrott är troligt. En biträdande professor vid University of South Florida hjälpte till att utveckla en metod som kommer att göra just det - förutsäga sjukdomsöverföring från vilda djur till människor, från en vilda djurart till en annan och avgöra vem som löper risk för infektion.
Metodiken är en maskininlärningsmetod som identifierar påverkan av variabler, såsom plats och klimat, på kända patogener. Genom att använda endast små mängder information kan systemet identifiera hot spots i samhället som riskerar att bli smittade på både global och lokal skala.
"Vårt huvudsakliga mål är att utveckla det här verktyget för förebyggande åtgärder", säger co-huvudutredaren Diego Santiago-Alarcon, biträdande professor i integrativ biologi. "Det är svårt att ha en allsidig metodik som kan användas för att förutsäga infektioner i alla olika parasitsystem, men med denna forskning bidrar vi till att uppnå det målet."
Med hjälp av forskare vid Universiad Veracruzana och Instituto de Ecologia, som ligger i Mexiko, undersökte Santiago-Alarcon tre värdpatogensystem – fågelmalaria, fåglar med West Nile-virus och fladdermöss med coronavirus – för att testa tillförlitligheten och noggrannheten hos de modeller som genererades genom metoden.
Teamet fann att för de tre systemen var den mest infekterade arten inte nödvändigtvis den mest mottagliga för sjukdomen. För att bättre lokalisera värdar med högre risk för infektion var det viktigt att identifiera relevanta faktorer, såsom klimat och evolutionära samband.
Genom att integrera geografiska, miljömässiga och evolutionära utvecklingsvariabler identifierade forskarna värdarter som tidigare inte har registrerats som infekterade av parasiten som studeras, vilket ger ett sätt att identifiera mottagliga arter och så småningom mildra patogenrisken.
"Vi känner oss övertygade om att metoden är framgångsrik och att den kan tillämpas brett på många värdpatogensystem," sa Santiago-Alarcon. "Vi går nu in i en fas av förbättring och förfining."
Resultaten, publicerade i Proceedings of the National Academy of Sciences , bevisa att metodiken kan ge tillförlitliga globala förutsägelser för de studerade värd-patogensystemen, även när en liten mängd information används. Detta nya tillvägagångssätt kommer att hjälpa till att styra övervakning av infektionssjukdomar och fältinsatser, vilket ger en kostnadseffektiv strategi för att bättre avgöra var man ska investera begränsade sjukdomsresurser.
Att förutsäga vilken typ av patogen som kommer att producera nästa medicinska eller veterinärmedicinska infektion är utmanande, men nödvändigt. När graden av mänsklig påverkan på naturliga miljöer ökar, kommer möjligheten för nya sjukdomar att fortsätta att öka.
"Mänskligheten, och faktiskt den biologiska mångfalden i allmänhet, upplever fler och fler utmaningar med infektionssjukdomar som ett resultat av vårt intrång och förstörelse av den naturliga ordningen världen över genom saker som avskogning, global handel och klimatförändringar", säger Andrés Lira-Noriega, forskare vid Instituto de Ecologia. "Detta kräver att vi har verktyg som det vi publicerar för att hjälpa oss att förutsäga var nya hot i form av nya patogener och deras reservoarer kan uppstå eller uppstå."
Teamet planerar att fortsätta sin forskning för att ytterligare testa metodiken på ytterligare värdpatogensystem och utöka studien av sjukdomsöverföring för att förutsäga framtida utbrott. Målet är att göra verktyget lättillgängligt via en app för forskarsamhället i slutet av 2022. + Utforska vidare
