机器学习模型使用宿主特征和病毒遗传学来预测潜在的宿主

一种新的人工智能工具可以通过识别可能携带和传播能够感染人类的病毒的动物物种来帮助限制甚至预防流行病

由华盛顿州立大学的研究人员创建的机器学习模型分析宿主特征和病毒遗传学，以确定潜在的动物宿主和更有可能发生新疫情的地理区域。该模型侧重于正痘病毒，其中包括导致天花和猴痘的病毒

研究人员最近在《通讯生物学》杂志上发表了一项关于他们使用该模型的研究。他们的发现可以帮助科学家预测新出现的人畜共患威胁，重要的是，可以适应其他病毒

“感染人类的新病毒中，近四分之三来自动物，”病毒出现和跨物种传播专家、华盛顿州立大学兽医学院保罗·G·艾伦全球卫生学院助理教授斯蒂芬妮·塞弗特说，她帮助领导了该项目。“如果我们能更好地预测哪些物种构成最大的风险，我们就可以采取积极措施预防流行病。”

该模型将东南亚、赤道非洲和亚马逊地区确定为正痘病毒爆发的潜在热点。这些地区不仅有高浓度的潜在宿主，而且与天花疫苗接种率低的地区重叠。虽然天花疫苗提供了对抗其他正痘病毒的交叉保护，但在1980年天花被根除后，疫苗接种工作停止了。

该研究还确定了几个动物家族可能是猴痘的宿主，包括啮齿类动物、猫、犬科动物（狗和相关物种）、臭鼬、鼬（黄鼠狼和水獭）和貉。该模型正确地排除了实验室研究表明对猴痘感染具有耐药性的大鼠

兽医研究生、该研究的第一作者Katie Tseng指出，该模型不仅比以前的模型具有更高的预测准确性，而且在预测宿主感染其他病毒方面也很有用

“虽然我们专门针对正痘病毒使用了该模型，但我们也可以朝着许多不同的方向发展，并开始针对其他病毒对该模型进行微调，”她说

艾伦学院的疾病生态学家兼助理教授Pilar Fernandez与Seifert共同领导了该项目，他说，以前用于预测正痘病毒潜在宿主的机器学习模型依赖于动物的生态特征，如栖息地和饮食，以及影响其与环境相互作用的其他特征，如资源利用和生存。虽然有效，但这些模型忽略了方程式中的一个关键部分——病毒的基因组成

费尔南德斯说：“以前的模型更多地基于宿主的特征，但我们想添加故事的另一面，即病毒的特征。”。“我们的模型提高了宿主预测的准确性，并为病毒如何在物种间传播提供了更清晰的图景。”

与超过100000名依赖Phys.org获取日常见解的订阅者一起探索科学、技术和太空的最新进展。注册我们的免费时事通讯，每天或每周获取重要突破、创新和研究的最新进展

正痘病毒通常会引起小规模的局部疫情，但最近的事件，包括2022年猴痘的全球传播，引起了人们对这些病毒建立新的流行区并通过新的动物库传播的担忧

识别可能的储层是预测溢出事件的关键。然而，通过传统的现场采样来实现这一目标是一项资源密集且不切实际的努力。新模型简化了这项任务，可用于针对野生动物监测工作

塞弗特说：“如果你正在中非寻找猴痘病毒的库，那里是地球上生物多样性最强的地方之一，那么你从哪里开始呢？”。“如果我们能够使用这些机器学习模型来帮助我们优先考虑采样工作，那么这将有助于识别这些病毒的来源和了解它们带来的风险。”

研究团队还包括分子生物科学学院助理教授Heather Koehler，他对猴痘进行了广泛研究。Daniel J.Becker，俄克拉荷马大学；Rory Gibb，伦敦大学学院；耶鲁大学的科林·卡尔森（Collin Carlson）也是病毒出现研究所（Viral Emergence Research Institute）的成员，该研究所是一个科学家合作网络，研究宿主-病毒相互作用，以预测病毒在全球范围内的传播。该小组包括数据科学、计算生物学、病毒学、生态学和进化生物学方面的专家 More information: Katie K. Tseng et al, Viral genomic features predict Orthopoxvirus reservoir hosts, Communications Biology (2025). DOI: 10.1038/s42003-025-07746-0

Journal information: Communications Biology