Forskare från University of Waterloo har framgångsrikt klassificerat 191 tidigare oidentifierade astrovirus med hjälp av en ny klassificeringsprocess som möjliggör maskininlärning.
Studien "Leveraging machine learning for taxonomic classification of emerging astroviruses," publicerades nyligen i Frontiers in Molecular Biosciences .
Astrovirus är några av de mest skadliga och utbredda virusen i världen. Dessa virus orsakar svår diarré, som dödar mer än 440 000 barn under 5 år årligen. I fjäderfäindustrin har astrovirus som fågelinfluensan en infektionsfrekvens på 80 % och en dödlighet på 50 % bland boskap, vilket leder till ekonomisk förödelse, störningar i försörjningskedjan och livsmedelsbrist.
Astrovirus muterar snabbt och kan lätt spridas över sina mer än 160 värdarter, vilket sätter forskare och folkhälsotjänstemän i en ständig kapplöpning för att klassificera och förstå nya astrovirus när de dyker upp. År 2023 fanns det 322 oidentifierade astrovirus med distinkta genom. I år har den siffran stigit till 479.
"Vid varje given tidpunkt bär mellan 2% och 9% av människorna på ett av dessa virus. Den siffran kan vara så hög som 30% i vissa länder", säger Fatemeh Alipour, Ph.D. kandidat i datavetenskap vid Waterloo och den ledande datavetenskapliga författaren till forskningsstudien. "Att förstå och klassificera dessa virus effektivt är avgörande för att utveckla vacciner."
Forskargruppen för astrovirus inkluderade datavetenskapsforskare vid Waterloo och biologiforskare vid University of Western Ontario.
Den nya tredelade klassificeringsmetoden inkluderar övervakad maskininlärning, oövervakad maskininlärning och manuell märkning av varje astroviruss värd.
"Huvudidén bakom klassificeringsmetoden är att utnyttja maskininlärning för att klassificera arter genom att lära sig av deras "genomiska signaturer", säger Lila Kari, professor vid David R. Cheriton School of Computer Science. "Klassificeringsmetoden är spännande både i sin snabbhet och generella tillämpbarhet."
"Denna metod kan hjälpa oss att förstå hur virus överförs mellan olika djur. Den kan också användas för att klassificera virus i andra virusfamiljer som HIV och Dengue."
Mer information: Fatemeh Alipour et al, Utnyttja maskininlärning för taxonomisk klassificering av framväxande astrovirus, Frontiers in Molecular Biosciences (2024). DOI:10.3389/fmolb.2023.1305506
Tillhandahålls av University of Waterloo
