Bodo nove različine Koronavirusa bolj ali manj nevarne?
Medtem ko se javni zdravstveni delavci po vsem svetu spopadajo z zadnjim izbruhom pandemije COVID-19, so raziskovalci z univerze Drexel ustvarili računalniški model, ki bi se jim lahko pomagal bolje pripraviti na naslednji izbruh. Z uporabo algoritmov strojnega učenja, usposobljenih za ugotavljanje korelacij med spremembami v genetskem zaporedju virusa COVID-19 in povečanjem prenosa, hospitalizacij in smrtnih primerov, lahko model zagotovi zgodnje opozarjanje na resnost novih različic.
Mutacije virusa SARS-CoV-2
Več kot dve leti po začetku pandemije si znanstveniki in javni zdravstveni uslužbenci po najboljših močeh prizadevajo napovedati, kako bodo mutacije virusa SARS-CoV-2 verjetno povečale njegovo prenosljivost, povečale moč rušenja imunskih sistemov in pospešile verjetnost povzročanja hudih okužb. Vendar je zbiranje in analiziranje genetskih podatkov za prepoznavanje novih različic, in povezovanje z določenimi bolniki, ki so zboleli za tem virusom, še vedno naporen proces.
Zato večina javnozdravstvenih napovedi o novih "zaskrbljujočih različicah" - kot jih razvršča Svetovna zdravstvena organizacija - temelji na nadzornih testih in opazovanju regij, kjer se že širijo.
"Poskušamo jim ponuditi sistem zgodnjega opozarjanja - kot je napredno modeliranje vremena za meteorologe - da lahko hitro predvidijo, kako nevarna bo nova različica, in se ustrezno pripravijo," je dejal Bahrad A. Sokhansanj, doktor znanosti, docent za raziskave na Drexelovem kolidžu za inženirstvo, ki je vodil razvoj računalniškega modela.
Drexelov model, ki je bil nedavno objavljen v reviji Computers in Biology and Medicine, temelji na usmerjeni analizi genetskega zaporedja virusnega proteina spike - dela virusa, ki omogoča izogibanje imunskemu sistemu in okužbo zdravih celic; ta del je tudi del, za katerega je znano, da je med pandemijo najpogosteje mutiral - v kombinaciji z analizo strojnega učenja z mešanimi učinki dejavnikov, kot so starost, spol in geografski položaj bolnikov s COVID.
Raziskovalna skupina je uporabila novo razvit algoritem strojnega učenja, imenovan GPBoost, ki temelji na metodah, ki jih velika podjetja običajno uporabljajo za analizo prodajnih podatkov. S pomočjo analize besedila se lahko program hitro usmeri na področja genetskega zaporedja, ki so najverjetneje povezana s spremembami resnosti različice.
Te vzorce poveže z vzorci, ki jih pridobi z ločenim pregledom metapodatkov o bolniku (starost in spol) in zdravstvenih izidov (blagi primeri, hospitalizacije, smrti). Algoritem upošteva in poskuša odpraviti tudi pristranskost zaradi načina zbiranja podatkov v različnih državah. Ta postopek usposabljanja programu ne omogoča le potrjevanja napovedi, ki jih je že naredil v zvezi z obstoječo različico, temveč model pripravi tudi na napovedi, ko naleti na nove mutacije v beljakovini spike. Te napovedi prikaže kot razpon resnosti - od blagih primerov do hospitalizacij in smrti - glede na starost ali spol bolnika.
Ekipa ugotavlja, da takšen napredek poudarja, da je treba ranljivim območjem sveta zagotoviti več sredstev za dobro funkcijoniranje javnega zdravja - ne le za zdravljenje in cepljenje, temveč tudi za zbiranje podatkov o javnem zdravju, vključno s sekvenciranjem nastajajočih različic.
"Virus nas lahko in nas bo še naprej presenečal," je dejal Sokhansanj. "Nujno moramo razširiti naše globalne zmogljivosti za sekvenciranje različic, da bomo lahko analizirali zaporedja potencialno nevarnih različic takoj, ko se pojavijo - preden postanejo svetovni problem."
Več iz rubrike
Zgodba avtomobilskega dobavitelja v postopku transformacije
Zapleten proces prehajanja iz klasičnih montažnih postopkov v nove proizvodne procese
Razbijamo mite: kako resnično voditi finance podjetja
Ste podjetnik, ki skrbi za finance v podjetju? Če vas zanima, kako do finančne varnosti in uspešnosti, se prijavite na brezplačni webinar Bilance niso finance.
