Nationalgeographic.co.id—Para peneliti dari University of Glasgow menggunakan pendekatan baru untuk memprediksi kemungkinan penularan virus hewan pada manusia. Studi tersebut menunjukan bahwa artificial intelligence (AI) menggunakan genom virus dapat memprediksi setiap virus yang menginfeksi hewan akan menginfeksi manusia.
Seperti diketahui, sebagian besar penyakit menular yang muncul pada manusia (seperti COVID-19) bersifat zoonosis, yaitu penyakit yang disebabkan oleh virus yang berasal dari spesies hewan lain. Mengidentifikasi virus berisiko tinggi lebih awal dapat meningkatkan prioritas penelitian dan pengawasan di masa akan datang.
Untuk itulah para peneliti dari University of Glasgow mengembangkan AI untuk memprediksi kemungkinan tersebut. Para peneliti menggunakan fitur urutan virus dan genom manusia untuk mengembangkan model machine learning untuk memprediksi kemungkinan bahwa virus hewan mungkin melompat ke manusia. Rincian penelitian tersebut telah dipublikasikan di jurnal PLOS Biology pada 28 September 2021.
Penyakit zoonosis, atau zoonosis, terjadi karena virus, bakteri, parasit, atau jamur yang menyebar antara hewan dan manusia. Sekitar 60 persen sumber terpercaya diketahui dan 75 persen penyakit menular baru atau yang muncul dapat menyebar dari hewan ke manusia.
Mengidentifikasi penyakit zoonosis sebelum kemunculannya merupakan tantangan besar karena hanya sebagian kecil dari sekitar 1,67 juta virus hewan yang diperkirakan dapat menginfeksi manusia.
Dr. Nardus Molentze, rekan penulis studi dan rekan penelitian di Pusat Penelitian Virus University of Glasgow kepada Medical News Today mengatakan dalam beberapa tahun terakhir, bidang penemuan virus telah membuat kemajuan yang signifikan, ke titik di mana virus yang sebelumnya tidak diketahui sains dilaporkan secara teratur.
Baca Juga: Kelelawar Vampir Lebih Suka Nongkrong dan Minum Darah Bersama Temannya
"Tetapi ini mengarah pada tantangan -kami masih memiliki tugas besar di depan kami dalam hal mengkarakterisasi keragaman virus di alam, dan di luar penemuan, untuk mengetahui apakah virus ini menimbulkan ancaman," katanya.
Dia menambahkan, pada tahun 2018, rekan penelitinya menunjukkan bahwa genom virus RNA mengandung sinyal yang cukup untuk metode pembelajaran mesin untuk mengidentifikasi kelompok reservoir yang luas. Misalnya kelelawar, tikus, dan primata, di mana mereka beredar secara alami.
Dengan kata lain, mereka menunjukkan bahwa dengan menganalisis genom virus saja, model mereka dapat mengidentifikasi jenis hewan apa yang dapat menyebabkan infeksi virus. "Ini membuat kami bertanya-tanya apakah genom virus mungkin juga berisi petunjuk tentang kemampuannya (menyebabkan infeksi pada) manusia secara khusus ketika diberi kesempatan," jelasnya.
Untuk mengembangkan model pembelajaran mesin menggunakan urutan genom virus. Para peneliti pertama-tama mengumpulkan kumpulan data dari 861 spesies virus dari 36 keluarga.
Mereka kemudian membangun model pembelajaran mesin, yang menetapkan kemungkinan infeksi manusia berdasarkan pola dalam genom virus. Para peneliti kemudian menerapkan model berkinerja terbaik untuk menganalisis pola potensi zoonosis yang diprediksi dari genom virus tambahan yang diambil sampelnya dari berbagai spesies.
Para peneliti menemukan bahwa genom virus mungkin memiliki fitur yang dapat digeneralisasikan yang tidak tergantung pada hubungan taksonomi virus dan dapat mengadaptasi virus untuk menginfeksi manusia. Mereka mampu mengembangkan model pembelajaran mesin yang mampu mengidentifikasi kandidat zoonosis menggunakan genom virus.
Baca Juga: Bayi Kelelawar Ternyata Belajar Mengoceh Seperti Bayi Manusia
Model-model ini memiliki keterbatasan, karena model komputer hanyalah langkah awal untuk mengidentifikasi virus zoonosis yang berpotensi menginfeksi manusia. Virus yang ditandai oleh model akan memerlukan pengujian laboratorium konfirmasi sebelum melakukan investasi penelitian tambahan yang besar.
Lebih lanjut, sementara model ini memprediksi apakah virus mungkin dapat menginfeksi manusia, kemampuan untuk menginfeksi hanyalah salah satu bagian dari risiko zoonosis yang lebih luas, yang juga dipengaruhi oleh virulensi virus pada manusia, kemampuan untuk menular antar manusia, dan kondisi ekologis pada saat paparan manusia.
"Temuan kami menunjukkan bahwa potensi zoonosis virus dapat disimpulkan secara mengejutkan besar dari urutan genom mereka. Dengan menyoroti virus dengan potensi terbesar untuk menjadi zoonosis, peringkat berbasis genom memungkinkan karakterisasi ekologi dan virologi lebih lanjut untuk ditargetkan lebih efektif," ia menjelaskan.
Menurut peneliti, temuan tersebut menambahkan bagian penting pada jumlah informasi yang selama ini telah mengejutkan yang dapat mereka ekstrak dari urutan genetik virus menggunakan teknik AI.
Rekan penulis Simon Babayan menjelaskan, bahwa sekuens genomik (urutan genom) biasanya adalah yang pertama, dan seringkali hanya informasi yang kami miliki tentang virus yang baru ditemukan. Dan semakin banyak informasi yang dapat mereka ekstrak darinya, semakin cepat pula mereka dapat mengidentifikasi asal virus dan risiko zoonosis yang mungkin ditimbulkannya. "Semakin banyak virus yang dicirikan, semakin efektif model pembelajaran mesin yang mereka kembangkan dalam mengidentifikasi virus langka yang harus dipantau secara ketat dan diprioritaskan untuk pengembangan vaksin pencegahan," katanya.
Baca Juga: Penampakan Temuan Fosil Kelelawar Vampir Berusia 100.000 Tahun