Crédito:Pixabay/CC0 Dominio público
La tasa a la que las enfermedades emergentes de la vida silvestre infectan a los humanos ha aumentado constantemente durante las últimas tres décadas. Los virus, como la pandemia mundial de coronavirus y el reciente brote de viruela del simio, han aumentado la necesidad urgente de herramientas de ecología de enfermedades para pronosticar cuándo y dónde es probable que surjan brotes de enfermedades. Un profesor asistente de la Universidad del Sur de Florida ayudó a desarrollar una metodología que hará exactamente eso:predecir la transmisión de enfermedades de la vida silvestre a los humanos, de una especie de vida silvestre a otra y determinar quién está en riesgo de infección.
La metodología es un enfoque de aprendizaje automático que identifica la influencia de variables, como la ubicación y el clima, en patógenos conocidos. Usando solo pequeñas cantidades de información, el sistema puede identificar puntos críticos de la comunidad en riesgo de infección tanto a escala global como local.
"Nuestro principal objetivo es desarrollar esta herramienta para medidas preventivas", dijo el co-investigador principal Diego Santiago-Alarcón, profesor asistente de biología integrativa. "Es difícil tener una metodología multipropósito que pueda usarse para predecir infecciones en todos los diversos sistemas de parásitos, pero con esta investigación, contribuimos a lograr ese objetivo".
Con la ayuda de investigadores de la Universiada Veracruzana y el Instituto de Ecología, ubicados en México, Santiago-Alarcón examinó tres sistemas huésped-patógeno:malaria aviar, aves con el virus del Nilo Occidental y murciélagos con coronavirus, para probar la confiabilidad y precisión de los modelos generados. por la metodología.
El equipo descubrió que para los tres sistemas, la especie infectada con mayor frecuencia no era necesariamente la más susceptible a la enfermedad. Para identificar mejor a los huéspedes con mayor riesgo de infección, era importante identificar factores relevantes, como el clima y las relaciones evolutivas.
Mediante la integración de variables geográficas, ambientales y de desarrollo evolutivo, los investigadores identificaron especies huésped que no habían sido registradas previamente como infectadas por el parásito en estudio, lo que proporcionó una forma de identificar especies susceptibles y, finalmente, mitigar el riesgo de patógenos.
"Confiamos en que la metodología es exitosa y se puede aplicar ampliamente a muchos sistemas huésped-patógeno", dijo Santiago-Alarcón. "Ahora entramos en una fase de mejora y refinamiento".
Los resultados, publicados en Proceedings of the National Academy of Sciences , demuestran que la metodología es capaz de proporcionar predicciones globales fiables para los sistemas huésped-patógeno estudiados, incluso cuando se utiliza una pequeña cantidad de información. Este nuevo enfoque ayudará a dirigir la vigilancia de enfermedades infecciosas y los esfuerzos de campo, proporcionando una estrategia rentable para determinar mejor dónde invertir los recursos limitados de enfermedades.
Predecir qué tipo de patógeno producirá la próxima infección médica o veterinaria es un desafío, pero necesario. A medida que aumenta la tasa de impacto humano en los entornos naturales, seguirá aumentando la oportunidad de nuevas enfermedades.
"La humanidad, y de hecho la biodiversidad en general, están experimentando cada vez más desafíos de enfermedades infecciosas como resultado de nuestra incursión y destrucción del orden natural en todo el mundo a través de cosas como la deforestación, el comercio global y el cambio climático", dijo Andrés Lira-Noriega, investigador. en el Instituto de Ecología. “Esto impone la necesidad de contar con herramientas como la que estamos publicando para ayudarnos a predecir dónde pueden ocurrir o surgir nuevas amenazas en términos de nuevos patógenos y sus reservorios”.
El equipo planea continuar con su investigación para probar más a fondo la metodología en sistemas huésped-patógeno adicionales y ampliar el estudio de la transmisión de enfermedades para predecir futuros brotes. El objetivo es hacer que la herramienta sea fácilmente accesible a través de una aplicación para la comunidad científica a finales de 2022. + Explora más
