Des chercheurs de l'Université de Waterloo ont réussi à classer 191 astrovirus jusqu'alors non identifiés à l'aide d'un nouveau processus de classification basé sur l'apprentissage automatique.
L'étude intitulée « Tirer parti de l'apprentissage automatique pour la classification taxonomique des astrovirus émergents » a été récemment publiée dans Frontiers in Molecular Biosciences. .
Les astrovirus font partie des virus les plus dommageables et les plus répandus au monde. Ces virus provoquent de graves diarrhées, qui tuent chaque année plus de 440 000 enfants de moins de 5 ans. Dans l'industrie avicole, les astrovirus comme la grippe aviaire ont un taux d'infection de 80 % et un taux de mortalité de 50 % parmi le bétail, entraînant une dévastation économique, une perturbation de la chaîne d'approvisionnement et des pénuries alimentaires.
Les astrovirus mutent rapidement et peuvent se propager facilement parmi plus de 160 espèces hôtes, ce qui place les chercheurs et les responsables de la santé publique dans une course constante pour classer et comprendre les nouveaux astrovirus à mesure qu’ils émergent. En 2023, il existait 322 astrovirus non identifiés dotés de génomes distincts. Cette année, ce nombre est passé à 479.
"À tout moment, entre 2 et 9 % des humains sont porteurs de l'un de ces virus. Ce nombre peut atteindre 30 % dans certains pays", a déclaré Fatemeh Alipour, Ph.D. candidat en informatique à Waterloo et auteur principal en informatique de l’étude de recherche. "Comprendre et classer efficacement ces virus est essentiel pour développer des vaccins."
L'équipe de recherche sur les astrovirus comprenait des chercheurs en informatique de Waterloo et des chercheurs en biologie de l'Université de Western Ontario.
La nouvelle méthode de classification en trois parties comprend l'apprentissage automatique supervisé, l'apprentissage automatique non supervisé et l'étiquetage manuel de l'hôte de chaque astrovirus.
"L'idée principale derrière la méthode de classification est de tirer parti de l'apprentissage automatique pour classer les espèces en apprenant de leurs 'signatures génomiques'", a déclaré Lila Kari, professeur à l'école d'informatique David R. Cheriton. "La méthode de classification est passionnante à la fois par sa rapidité et son applicabilité générale."
"Cette méthode peut nous aider à comprendre comment les virus se transmettent entre différents animaux. Elle peut également être utilisée pour classer les virus dans d'autres familles de virus comme le VIH et la Dengue."
Plus d'informations : Fatemeh Alipour et al, Tirer parti de l'apprentissage automatique pour la classification taxonomique des astrovirus émergents, Frontiers in Molecular Biosciences (2024). DOI :10.3389/fmolb.2023.1305506
Fourni par l'Université de Waterloo
