Menu
e-shop
Většina „nových“ infekčních onemocnění, která se v posledních desetiletích objevila u člověka, se řadí mezi tzv. zoonotické. Jejich schopnost způsobit epidemie se různí. Včasná identifikace těch vysoce rizikových je klíčová pro efektivnější monitoring, prioritizaci výzkumu a prevenci. Téměř tři čtvrtiny nových virů, které dovedou infikovat člověka, mají svůj původ u zvířat.
Při prevenci pandemií je třeba být proaktivní, pokud bude možné lépe předpovídat, které druhy představují největší riziko. S tím by mohla pomoci umělá inteligence, jež by např. dokázal identifikovat živočišné druhy, které mohou být rezervoárem či vektorem pro viry schopné infikovat člověka.
Za pomoci umělé inteligence jde analyzovat hlavní charakteristiky hostitelů a virů, aby se odhalili potenciální živočišné rezervoáry a geografické oblasti, kde je pravděpodobnější vznik nových ohnisek onemocnění. Model se může zaměřit např. na orthopoxviry, k nimž patří viry způsobující např. pravé neštovice a tzv. opičí neštovice (mpox). Výsledky by mohly pomoci při předvídání míry jejich rizika.
Ačkoliv orthopoxviry obvykle způsobují relativně malá, lokalizovaná ohniska, tak třeba globální šíření mpox viru v roce 2022 vyvolalo obavy. Co kdyby se tyto viry přestaly zdržovat v hranicích „té své“ oblasti, ale za určitých podmínek – např. využitím nových živočišných rezervoárů či přenašečů – by se mohly rozšířit i mimo původní lokality? Ostatně by to nebylo poprvé (a s velkou pravděpodobností ani naposled). Proto se identifikace možných rezervoárů a přenášečů jeví jako cesta k lepší prevenci nových epidemií na místech, kde by je jen málokdo čekal. Z geografického hlediska byly modelem označeny jihovýchodní Asie, rovníková Afrika a Amazonie jako možné významné rezervoáry orthopoxvirů. V těchto oblastech je nejen vysoká koncentrace potenciálních hostitelů, ale také nízká míra proočkovanosti proti neštovicím.
Nicméně tradiční terénní monitoring je nejen náročný na zdroje, ale také do značné míry nepraktický. Pokud by se nový rezervoár viru mpox hledal například ve střední Africe, což je jedno z biologicky nejrozmanitějších míst na Zemi, není vůbec snadné vybrat, kde začít.
Oproti tomu by model využívající umělou inteligenci mohl tuto práci výrazně zjednodušit a zrychlit a posloužit i k cílenému sledování volně žijících živočichů. Modely využívající strojové učení mohou poměrně snadno a rychle vyhodnotit priority, což je přínosné pro testování, identifikaci původu virů i pro klasifikaci rizik.
Vědci identifikovali několik nejpravděpodobnějších hostitelů viru mpox, vč. hlodavců, koček, psovitých šelem, skunků, lasic a mývalů, přičemž model správně vyloučil krysy, u nichž se v laboratorních studiích ukázalo, že jsou vůči infekci virem mpox rezistentní.
Většina „nových“ infekčních onemocnění, která se v posledních desetiletích objevila u člověka (např. COVID-19), se řadí mezi zoonotické – tj. původcem jsou viry, které způsobují onemocnění u jiných živočišných druhů a dovedly si najít cestu k mezidruhovému přenosu. Včasná identifikace těch vysoce rizikových by mohla pomoci při efektivnějším stanovení priorit výzkumu a monitoringu. Identifikace původců zoonotických onemocnění dříve, než mohou ukázat, co dovedou, je velkou výzvou, protože pouze malá část z odhadovaných 1,67 milionu zvířecích virů je schopna infikovat člověka. Umělá inteligence, resp. modely strojového učení pracující s virovými genomy, by mohla předpovědět pravděpodobnost s jakou by (za předpokladu biologicky relevantní expozice) mohl jakýkoli virus infikující zvířata nakazit člověka.
Vědci na základě informací z téměř 900 virových druhů vytvořili modely strojového učení, které spojovaly vzorce obsažené ve virových genomech s pravděpodobností infekce člověka a zjistili, že některé z nich obsahovaly zobecnitelné rysy, které jsou nezávislé na taxonomických vztazích a mohou umožnit virům adaptovat se k přenosu na člověka. Nicméně i tyto predikce mají své limity. Počítačové modely jsou pouze počátečním krokem. U virů, které budou těmito modely označené jako potenciálně zoonotické, bude vyžadováno potvrzující laboratorní testování před tím, než se přistoupí k dalším (nemalým) investicím do výzkumu. Zatímco tyto modely predikují, zda by viry mohly být schopny infikovat člověka, jejich schopnost mezidruhového přenosu je „pouze“ jednou z částí klasifikace zoonotického rizika, které je mimo jiné ovlivněno virulencí viru u člověka, schopností přenosu mezi lidmi a ekologickými podmínkami v době jejich expozice.
Genomická sekvence je obvykle první a často jedinou informací, kterou mají vědci o nově objevených virech k dispozici. Čím více informací z ní dovedou vytáhnout, tím dříve mohou identifikovat původ viru a případné zoonotické riziko.
Čím více virů bude rozluštěno, tím efektivnější budou modely strojového učení při odhalování těch nepříliš častých a odhadu jejich rizikovosti. Jejich pečlivé sledování a případě upřednostňování při vývoji preventivních vakcín by mohlo znamenat důležitý nástroj pro ochranu před další epidemií či pandemií.
Ing. Anna Mikšovský Marcinková + foto (K častým přenašečům zoonóz patří i běžná domácí zvířata)
Podrobněji v NCH 11/2026.
