Quels virus animaux pourraient infecter les humains ? Les ordinateurs font la course pour le savoir.

Colin Carlson, biologiste à l’Université de Georgetown, a commencé à s’inquiéter de la variole de la souris.

Le virus, découvert en 1930, se propage parmi les souris, les tuant avec une efficacité impitoyable. Mais les scientifiques ne l’ont jamais considéré comme une menace potentielle pour l’homme. Maintenant, le Dr Carlson, ses collègues et leurs ordinateurs ne sont pas si sûrs.

En utilisant une technique connue sous le nom d’apprentissage automatique, les chercheurs ont passé ces dernières années à programmer des ordinateurs pour se renseigner sur les virus qui peuvent infecter les cellules humaines. Les ordinateurs ont passé au peigne fin de vastes quantités d’informations sur la biologie et l’écologie des hôtes animaux de ces virus, ainsi que sur les génomes et d’autres caractéristiques des virus eux-mêmes. Au fil du temps, les ordinateurs en sont venus à reconnaître certains facteurs permettant de prédire si un virus a le potentiel de se propager aux humains.

Une fois que les ordinateurs ont fait leurs preuves sur des virus que les scientifiques avaient déjà étudiés intensément, le Dr Carlson et ses collègues les ont déployés sur l’inconnu, produisant finalement une courte liste de virus animaux susceptibles de franchir la barrière des espèces et de provoquer des épidémies humaines.

Dans les dernières exécutions, les algorithmes ont placé de manière inattendue le virus de la variole de la souris dans les premiers rangs des agents pathogènes à risque.

Chaque fois que nous utilisons ce modèle, il monte très haut, a déclaré le Dr Carlson.

Intrigués, le Dr Carlson et ses collègues se sont enracinés dans la littérature scientifique. Ils sont tombés sur la documentation d’une épidémie oubliée depuis longtemps en 1987 dans la Chine rurale. Les écoliers ont contracté une infection qui leur a causé des maux de gorge et une inflammation des mains et des pieds.

Des années plus tard, une équipe de scientifiques a effectué des tests sur des prélèvements de gorge qui avaient été collectés pendant l’épidémie et stockés. Ces échantillons, comme le groupe l’a signalé en 2012, contenaient de l’ADN de la variole de la souris. Mais leur étude a suscité peu d’attention et, une décennie plus tard, la variole de la souris n’est toujours pas considérée comme une menace pour l’homme.

Si l’ordinateur programmé par le Dr Carlson et ses collègues a raison, le virus mérite un nouveau look.

C’est juste fou que cela ait été perdu dans la vaste pile de choses que la santé publique doit passer au crible, a-t-il déclaré. Cela change en fait notre façon de penser à ce virus.

Les scientifiques ont identifié environ 250 maladies humaines apparues lorsqu’un virus animal a franchi la barrière des espèces. Le VIH a sauté des chimpanzés, par exemple, et le nouveau coronavirus est originaire des chauves-souris.

Idéalement, les scientifiques aimeraient reconnaître le prochain virus contagieux avant qu’il n’ait commencé à infecter les gens. Mais il y a beaucoup trop de virus animaux pour que les virologues puissent les étudier. Les scientifiques ont identifié plus de 1 000 virus chez les mammifères, mais il s’agit très probablement d’une infime fraction du nombre réel. Certains chercheurs soupçonnent que les mammifères sont porteurs de dizaines de milliers de virus, tandis que d’autres évaluent le nombre à des centaines de milliers.

Pour identifier de nouvelles retombées potentielles, des chercheurs comme le Dr Carlson utilisent des ordinateurs pour repérer des modèles cachés dans les données scientifiques. Les machines peuvent se concentrer sur les virus qui peuvent être particulièrement susceptibles de provoquer une maladie humaine, par exemple, et peuvent également prédire quels animaux sont les plus susceptibles d’héberger des virus dangereux que nous ne connaissons pas encore.

C’est comme si vous aviez une nouvelle paire d’yeux, a déclaré Barbara Han, écologiste des maladies au Cary Institute of Ecosystem Studies à Millbrook, NY, qui collabore avec le Dr Carlson. Vous ne pouvez tout simplement pas voir dans autant de dimensions que le modèle peut le faire.

Le Dr Han a découvert l’apprentissage automatique pour la première fois en 2010. Les informaticiens développaient la technique depuis des décennies et commençaient à créer des outils puissants avec. De nos jours, l’apprentissage automatique permet aux ordinateurs de repérer les frais de crédit frauduleux et de reconnaître les visages des gens.

Mais peu de chercheurs avaient appliqué l’apprentissage automatique aux maladies. Le Dr Han s’est demandé si elle pouvait l’utiliser pour répondre à des questions ouvertes, comme pourquoi moins de 10 % des espèces de rongeurs hébergent des agents pathogènes connus pour infecter les humains.

Elle a alimenté un ordinateur avec des informations sur diverses espèces de rongeurs à partir d’une base de données en ligne, de leur âge au sevrage à leur densité de population. L’ordinateur a ensuite recherché les caractéristiques des rongeurs connus pour héberger un grand nombre d’agents pathogènes sautant d’espèces.

Une fois que l’ordinateur a créé un modèle, elle l’a testé contre un autre groupe d’espèces de rongeurs, voyant à quel point il pouvait deviner lesquels étaient chargés d’agents pathogènes. Finalement, le modèle informatique a atteint une précision de 90 %.

Ensuite, le Dr Han s’est tourné vers les rongeurs qui n’ont pas encore été examinés pour les agents pathogènes de débordement et a dressé une liste d’espèces hautement prioritaires. Le Dr Han et ses collègues ont prédit que des espèces telles que le campagnol montagnard et la souris sauterelle de l’ouest de l’Amérique du Nord seraient particulièrement susceptibles d’être porteuses d’agents pathogènes inquiétants.

De tous les traits que le Dr Han et ses collègues ont fournis à leur ordinateur, celui qui importait le plus était la durée de vie des rongeurs. Les espèces qui meurent jeunes s’avèrent être porteuses de plus d’agents pathogènes, peut-être parce que l’évolution a consacré plus de ressources à la reproduction qu’à la construction d’un système immunitaire fort.

Ces résultats ont nécessité des années de recherche minutieuse au cours desquelles le Dr Han et ses collègues ont passé au peigne fin des bases de données écologiques et des études scientifiques à la recherche de données utiles. Plus récemment, des chercheurs ont accéléré ce travail en créant des bases de données expressément conçues pour renseigner les ordinateurs sur les virus et leurs hôtes.

En mars, par exemple, le Dr Carlson et ses collègues ont dévoilé une base de données en libre accès appelée VIRION, qui a amassé un demi-million d’informations sur 9 521 virus et leurs 3 692 hôtes animaux et continue de croître.

Des bases de données comme VIRION permettent désormais de poser des questions plus ciblées sur les nouvelles pandémies. Lorsque la pandémie de Covid a frappé, il est rapidement devenu évident qu’elle était causée par un nouveau virus appelé SARS-CoV-2. Le Dr Carlson, le Dr Han et leurs collègues ont créé des programmes pour identifier les animaux les plus susceptibles d’héberger des parents du nouveau coronavirus.

Le SRAS-CoV-2 appartient à un groupe d’espèces appelées bétacoronavirus, qui comprend également les virus à l’origine des épidémies de SRAS et de MERS chez l’homme. Pour la plupart, les bétacoronavirus infectent les chauves-souris. Lorsque le SRAS-CoV-2 a été découvert en janvier 2020, 79 espèces de chauves-souris étaient connues pour en être porteuses.

Mais les scientifiques n’ont pas systématiquement recherché les bétacoronavirus dans les 1 447 espèces de chauves-souris, et un tel projet prendrait de nombreuses années.

En fournissant des données biologiques sur les différents types de chauves-souris, leur régime alimentaire, la longueur de leurs ailes, etc., dans leur ordinateur, le Dr Carlson, le Dr Han et leurs collègues ont créé un modèle qui pourrait offrir des prédictions sur les chauves-souris les plus susceptibles d’héberger. bêtacoronavirus. Ils ont trouvé plus de 300 espèces qui correspondent à la facture.

Depuis cette prédiction en 2020, les chercheurs ont en effet trouvé des bétacoronavirus dans 47 espèces de chauves-souris qui figuraient toutes sur les listes de prédiction produites par certains des modèles informatiques qu’ils avaient créés pour leur étude.

Daniel Becker, un écologiste des maladies à l’Université de l’Oklahoma qui a également travaillé sur l’étude du bétacoronavirus, a déclaré qu’il était frappant de constater que des caractéristiques simples telles que la taille du corps pouvaient conduire à de puissantes prédictions sur les virus. Une grande partie est le fruit à portée de main de la biologie comparative, a-t-il déclaré.

Le Dr Becker suit maintenant depuis sa propre cour la liste des hôtes potentiels du bétacoronavirus. Il s’avère que certaines chauves-souris de l’Oklahoma devraient les héberger.

Si le Dr Becker trouve un bétacoronavirus domestique, il ne sera pas en mesure de dire immédiatement qu’il s’agit d’une menace imminente pour les humains. Les scientifiques devraient d’abord mener des expériences minutieuses pour juger du risque.

Le Dr Pranav Pandit, épidémiologiste à l’Université de Californie à Davis, prévient que ces modèles sont en grande partie un travail en cours. Lorsqu’ils sont testés sur des virus bien étudiés, ils font nettement mieux que le hasard, mais pourraient faire mieux.

Ce n’est pas à un stade où nous pouvons simplement prendre ces résultats et créer une alerte pour commencer à dire au monde, ceci est un virus zoonotique, a-t-il déclaré.

Nardus Mollentze, virologue informatique à l’Université de Glasgow, et ses collègues ont mis au point une méthode qui pourrait augmenter considérablement la précision des modèles. Plutôt que de regarder les hôtes d’un virus, leurs modèles regardent ses gènes. Un ordinateur peut apprendre à reconnaître des caractéristiques subtiles dans les gènes des virus qui peuvent infecter les humains.

Dans leur premier rapport sur cette technique, le Dr Mollentze et ses collègues ont développé un modèle capable de reconnaître correctement les virus infectant les humains plus de 70 % du temps. Le Dr Mollentze ne peut pas encore dire pourquoi son modèle basé sur les gènes a fonctionné, mais il a quelques idées. Nos cellules peuvent reconnaître des gènes étrangers et envoyer une alarme au système immunitaire. Les virus qui peuvent infecter nos cellules peuvent avoir la capacité d’imiter notre propre ADN comme une sorte de camouflage viral.

Lorsqu’ils ont appliqué le modèle aux virus animaux, ils ont dressé une liste de 272 espèces à haut risque de propagation. C’est trop pour que les virologues puissent les étudier en profondeur.

Vous ne pouvez travailler que sur autant de virus, a déclaré Emmie de Wit, virologue aux Rocky Mountain Laboratories à Hamilton, Mont., Qui supervise la recherche sur le nouveau coronavirus, la grippe et d’autres virus. De notre côté, nous aurions vraiment besoin de le réduire.

Le Dr Mollentze a reconnu que lui et ses collègues devaient trouver un moyen d’identifier le pire des pires parmi les virus animaux. Ce n’est qu’un début, dit-il.

Pour donner suite à son étude initiale, le Dr Mollentze travaille avec le Dr Carlson et ses collègues pour fusionner des données sur les gènes des virus avec des données liées à la biologie et à l’écologie de leurs hôtes. Les chercheurs obtiennent des résultats prometteurs de cette approche, y compris la piste alléchante de la variole de la souris.

D’autres types de données peuvent rendre les prévisions encore meilleures. L’une des caractéristiques les plus importantes d’un virus, par exemple, est le revêtement de molécules de sucre à sa surface. Différents virus se retrouvent avec différents modèles de molécules de sucre, et cet arrangement peut avoir un impact énorme sur leur succès. Certains virus peuvent utiliser ce glaçage moléculaire pour se cacher du système immunitaire de leurs hôtes. Dans d’autres cas, le virus peut utiliser ses molécules de sucre pour s’accrocher à de nouvelles cellules, déclenchant une nouvelle infection.

Ce mois-ci, le Dr Carlson et ses collègues ont publié un commentaire en ligne affirmant que l’apprentissage automatique peut tirer de nombreuses informations de la couche de sucre des virus et de leurs hôtes. Les scientifiques ont déjà rassemblé une grande partie de ces connaissances, mais elles doivent encore être mises sous une forme dont les ordinateurs peuvent tirer parti.

Mon intuition est que nous en savons beaucoup plus que nous ne le pensons, a déclaré le Dr Carlson.

Le Dr de Wit a déclaré que les modèles d’apprentissage automatique pourraient un jour guider les virologues comme elle pour étudier certains virus animaux. Il y a certainement un grand avantage qui en découlera, a-t-elle déclaré.

Mais elle a noté que les modèles jusqu’à présent se sont principalement concentrés sur un potentiel d’agents pathogènes pour infecter les cellules humaines. Avant de provoquer une nouvelle maladie humaine, un virus doit aussi se propager d’une personne à une autre et provoquer des symptômes graves en cours de route. Elle attend une nouvelle génération de modèles d’apprentissage automatique capables également de faire ces prédictions.

Ce que nous voulons vraiment savoir, ce n’est pas nécessairement quels virus peuvent infecter les humains, mais quels virus peuvent provoquer une épidémie, a-t-elle déclaré. Donc, c’est vraiment la prochaine étape que nous devons comprendre.