in

Un système d'apprentissage automatique prédit efficacement l'émergence de variantes importantes

Les scientifiques de Scripps Study ont développé un système d’apprentissage automatique – un style d’application d’intelligence artificielle (IA) – qui peut suivre l’évolution détaillée des virus épidémiques et prédire l’émergence de variantes virales avec de nouvelles propriétés importantes.

Les scientifiques ont démontré le système en utilisant des données sur les variants SARS-CoV-2 enregistrés et les taux de mortalité du COVID-19. Ils ont montré que le système aurait pu prédire l’émergence de nouvelles “variantes préoccupantes” (COV) du SRAS-CoV-2 avant leur désignation officielle par l’Organisation mondiale de la santé (OMS). Leurs découvertes indiquent la possibilité d’utiliser un tel système en temps réel pour suivre les futures pandémies virales.

« Il existe des règles d’évolution du virus pandémique que nous n’avons pas includes mais qui peuvent être découvertes et utilisées dans un sens exploitable par les organisations de santé privées et publiques, grâce à cette approche d’apprentissage automatique sans précédent », déclare l’auteur principal de l’étude, William Balch, PhD, professeur au Département de médecine moléculaire de Scripps Investigate.

Les co-premiers auteurs de l’étude étaient Salvatore Loguercio, PhD, un scientifique du personnel du laboratoire Balch au instant de l’étude, et actuellement un scientifique du personnel au Scripps Analysis Translational Institute et Ben Calverley, PhD, associé de recherche postdoctoral au laboratoire Balch.

Le laboratoire Balch se spécialise dans le développement de méthodes informatiques, souvent basées sur l’IA, pour éclairer la manière dont les variants génétiques modifient les symptômes et la propagation des maladies. Pour cette étude, ils ont appliqué leur approche à la pandémie de COVID-19. Ils ont développé un logiciel d’apprentissage automatique, en utilisant une stratégie appelée covariance spatiale basée sur le processus gaussien, pour relier trois ensembles de données couvrant le cours de la pandémie : les séquences génétiques des variantes du SRAS-CoV-2 trouvées chez les personnes infectées dans le monde, les fréquences de ces variantes et le taux de mortalité mondial pour COVID-19.

“Cette méthode de calcul a utilisé des données provenant de référentiels accessibles au general public”, explique Loguercio. “Mais il peut être appliqué à n’importe quelle ressource de cartographie génétique.”

Le logiciel a permis aux chercheurs de suivre des ensembles de modifications génétiques apparaissant dans les variantes du SRAS-CoV-2 dans le monde. Ces changements – tendant généralement vers une augmentation des taux de propagation et une diminution des taux de mortalité – ont signifié les adaptations du virus aux verrouillages, au port de masques, aux vaccins, à l’augmentation de l’immunité naturelle dans la inhabitants mondiale et à la concurrence incessante entre les variantes du SRAS-CoV-2 elles-mêmes.

“Nous avons pu voir des variantes de gènes clés apparaître et devenir in addition répandues, vehicle le taux de mortalité a également changé, et tout cela s’est produit des semaines avant que les COV contenant ces variantes ne soient officiellement désignés par l’OMS”, a déclaré Balch.

Lui et son équipe ont montré qu’ils pouvaient utiliser ce système de suivi du SRAS-CoV-2 comme un “détecteur d’anomalies” d’alerte précoce pour les variantes génétiques associées à des changements significatifs dans la propagation virale et les taux de mortalité.

“L’une des grandes leçons de ce travail est qu’il est significant de prendre en compte non seulement quelques variantes importantes, mais aussi les dizaines de milliers d’autres variantes non désignées, que nous appelons la” matière noire variante “”, explique Balch.

Un système similaire pourrait être utilisé pour suivre l’évolution détaillée des futures pandémies virales en temps réel, notent les chercheurs. En principe, cela permettrait aux scientifiques de prédire les changements dans la trajectoire d’une pandémie – par exemple, de fortes augmentations des taux d’infection – à temps pour adopter des contre-mesures de santé publique appropriées.

Balch et ses collègues envisagent également l’utilisation de leur approche pour mieux comprendre la biologie des virus et ainsi améliorer le développement de traitements et de vaccins. Actuellement, ils utilisent leur système d’IA pour découvrir des détails clés sur la façon dont différentes protéines du SRAS-CoV-2 ont travaillé ensemble dans l’évolution de la pandémie.

“Ce système et ses méthodes techniques sous-jacentes ont de nombreuses apps futures possibles”, déclare Calverley.