由喬治敦大學的科學家領導的一個國際研究小組展示了人工智能的力量，可以預測未來哪些病毒可能感染人類--比如SARS-CoV-2，導致COVID-19大流行的病毒--哪些動物是它們的宿主，以及它們可能出現的地方。

1月10日發表在《柳葉刀-微生物》上的對可能的貯藏庫宿主的預測模型組合(題為《優化預測模型以優先發現人畜共患病貯藏庫中的病毒》)在一個為期18個月的項目中得到了驗證，該項目旨在確定可能攜帶betacoronaviruses(包括類似SARS病毒的一組)的特定蝙蝠物種。

"如果你想找到這些病毒，你必須從剖析它們的宿主開始--它們的生態，它們的進化，甚至它們翅膀的形狀，"該研究的高級作者，微生物學和免疫學系的助理研究教授、喬治敦大學醫學中心的全球健康科學和安全中心的成員科林-卡爾森博士解釋道。"人工智能讓我們可以利用蝙蝠的數據，并將其轉化為具體的預測：我們應該在哪里尋找下一個SARS?"

盡管在疾病監測方面進行了全球投資，但仍然難以識別和監測有朝一日可能感染人類的野生動物病毒庫。統計模型正被越來越多地用于確定在野外對哪些野生動物物種進行采樣的優先次序，但任何一個模型所產生的預測都可能是高度不確定的。科學家們也很少在他們做出預測后跟蹤其成功或失敗的情況，這使得他們很難在未來學習并做出更好的模型。這些限制加在一起，意味著哪些模型可能最適合這項任務，存在著高度的不確定性。

這項新的研究表明，尋找密切相關的病毒可能并不是一件簡單的事情，據預測，全世界有超過400種蝙蝠會寄生betacoronaviruses，這是一個很大的病毒族群，包括那些與SARS-CoV(導致2002-2004年爆發的SARS的病毒)和SARS-CoV-2(導致COVID-19的病毒)等呼吸道疾病有關的病毒。盡管SARS-CoV-2的來源仍不確定，但由于農業擴張和氣候變化等因素，其他病毒從常見宿主蝙蝠中溢出到人類群體是一個日益嚴重的問題。

喬治敦大學生物系的博士后Greg Albery說，COVID-19為加快他們的研究提供了動力。"這是一個非常罕見的機會，"Albery解釋說。"在大流行病之外，我們從來沒有在這么小的時間范圍內對這些病毒了解這么多。相當于以往十年的研究被壓縮到大約一年的出版物中，這意味著我們可以真正展示這些工具的作用。"

在2020年第一季度，研究人員團隊訓練了8個不同的統計模型，預測哪些種類的動物可以承載betacoronaviruses。在一年多的時間里，該團隊隨后跟蹤發現了40個新的betacoronaviruses的蝙蝠宿主，以驗證最初的預測并動態地更新他們的模型。研究人員發現，利用蝙蝠生態學和進化數據的模型在預測新宿主方面表現非常好。相比之下，來自網絡科學的尖端模型使用了高級數學--但生物數據較少--在隨機情況下的表現與預期的大致相同或更差。

俄克拉荷馬大學生物學助理教授丹尼爾-貝克爾博士說："我們的研究給我們提供的最重要的成果之一是一個數據驅動的候選名單，哪些蝙蝠物種應該被進一步研究。在確定了這些可能的宿主之后，下一步就是投資于監測，以了解betacoronaviruses在哪里以及何時可能溢出。"

卡爾森說，該團隊現在正與世界各地的其他科學家合作，根據他們的預測測試蝙蝠樣本的冠狀病毒。

"如果我們花更少的錢、資源和時間來尋找這些病毒，我們就可以把所有這些資源投入到下一步真正拯救生命的事情上。我們可以投資建立針對這些病毒的通用疫苗，或者監測生活在蝙蝠附近的人的溢出情況，這對科學和公共衛生來說是雙贏的。"