Si ayer os contábamos la cantidad de enfermedades que podrían contagiarnos nuestras simpáticas palomas tampoco sorprenderá a nadie que el SARS-CoV-2 lleva entre 70 y 40 años en los murciélagos y lo más probable es que saltara directamente a humanos

Un equipo de investigación internacional ha demostrado el poder de la inteligencia artificial para predecir qué virus podrían infectar a los humanos, qué animales los albergan y dónde podrían emerger.

Su conjunto de modelos predictivos de posibles huéspedes reservorio fue validado en un proyecto de 18 meses para identificar especies específicas de murciélagos con probabilidad de portar betacoronavirus, el grupo que incluye virus similares al SARS.

A pesar de las inversiones globales en la vigilancia de enfermedades, sigue siendo difícil identificar y monitorear los reservorios de virus en la vida silvestre que algún día podrían infectar a los humanos.

Los modelos estadísticos se utilizan cada vez más para priorizar qué especies de vida silvestre muestrear en el campo, pero las predicciones que se generan a partir de cualquier modelo pueden ser muy inciertas.

Los científicos rara vez rastrean el éxito o el fracaso de sus predicciones después de hacerlas, lo que dificulta aprender y hacer mejores modelos en el futuro.

Este nuevo estudio sugiere que la búsqueda de virus estrechamente relacionados podría no ser trivial, ya que se prevé que más de 400 especies de murciélagos en todo el mundo albergarán betacoronavirus, un gran grupo de virus que incluye a los responsables del SARS-CoV (el virus que causó el brote 2002-2004 de SARS) y SARS-CoV-2 (el virus que causa el COVID-19).

Aunque el origen del SARS-CoV-2 sigue siendo incierto, la propagación de otros virus de los murciélagos es un problema creciente debido a factores como la expansión agrícola y el cambio climático.

Durante más de un año, el equipo rastreó el descubrimiento de 40 nuevos murciélagos anfitriones de betacoronavirus para validar las predicciones iniciales y actualizar dinámicamente sus modelos.

Los investigadores descubrieron que los modelos que aprovechan los datos sobre la ecología y la evolución de los murciélagos se desempeñaron extremadamente bien en la predicción de nuevos anfitriones.

Por el contrario, los modelos de vanguardia de la ciencia de redes (deep learning, etc) que utilizaron matemáticas de alto nivel, pero menos datos biológicos, se desempeñaron aproximadamente tan bien o peor de lo esperado al azar.