Η τεχνητή νοημοσύνη βοηθά στην πρόβλεψη της εξέλιξης των ιών, ενισχύοντας την προετοιμασία για μελλοντικές πανδημίες. Το ζητούμενο για την αποτελεσματική προετοιμασία απέναντι σε μια μελλοντική πανδημία είναι η ικανότητα των ειδικών να προγνωρίζουν την εξέλιξη ενός ιού μέσω της ανάλυσης της γενετικής του αλληλουχίας. Αν και αυτή η επιτυχία παραμένει ένα μελλοντικό όραμα, περισσότερες ερευνητικές ομάδες εφαρμόζουν την τεχνητή νοημοσύνη (ΑΙ) για την πρόβλεψη της εξέλιξης του κορωνοϊού SARS-CoV-2, της γρίπης και άλλων ιών.
Η ταχεία εξέλιξη των RNA ιών, όπως ο SARS-CoV-2, επιτρέπει στις νέες παραλλαγές να αποφύγουν την ανοσία των ξενιστών. Καθώς οι ερευνητές μπορούν να προβλέψουν πώς θα εξελιχθούν αυτοί οι ιοί, είναι δυνατό να σχεδιάσουν νωρίς εμβόλια και θεραπείες. Μολονότι τα σημερινά ΑΙ εργαλεία είναι ικανά να αναγνωρίσουν ποιες μεταλλάξεις θα μπορούσαν να επικρατήσουν βραχυπρόθεσμα, παραμένουν μακριά από την ικανότητα πρόβλεψης παραλλαγών που θα προκύψουν στο απώτερο μέλλον.
Ερευνητικές ομάδες, όπως εκείνη του Γιουνλόνγκ Κάο στο Πανεπιστήμιο του Πεκίνου, εστιάζουν στην ανάλυση του πώς οι μεμονωμένες μεταλλάξεις επηρεάζουν την ικανότητα των ιών να διαφεύγουν από την ανίχνευση. Στην ίδια κατεύθυνση, εργαλεία ΑΙ όπως το AlphaFold της DeepMind και το ESM-2 της Meta έχουν προσφέρει σημαντικά δεδομένα, εστιάζοντας στις πρωτεϊνικές δομές των ιών. Η ανάλυση περίπου 17 εκατομμυρίων αλληλουχιών του SARS-CoV-2 παρέχει τη δυνατότητα εκπαίδευσης μοντέλων ΑΙ, που χρησιμοποιούνται για τη δημιουργία πιθανών εκδοχών της πρωτεΐνης-ακίδας του ιού.
Στο Πανεπιστήμιο του Τόκιο, ερευνητές ανέπτυξαν το μοντέλο CoVFit, το οποίο προβλέπει την εξάπλωση και κυριαρχία παραλλαγών του SARS-CoV-2, με θετικά αποτελέσματα. Απαιτούνται όμως δεδομένα τουλάχιστον πενταετίας για τη βελτίωση της ακρίβειας των ΑΙ μοντέλων, ώστε να μπορέσουν να παρακολουθήσουν την πολύπλοκη εξέλιξη των ιών.
Πηγή περιεχομένου: in.gr
