Rinnovo Patente? Facile ed Economico
Non sappiamo ancora quanti virus circolino tra i mammiferi e quanti di questi possano essere trasmessi all’uomo, ma quel che è certo è che la parte conosciuta corrisponde soltanto ad una frazione di quella esistente. Alcune stime indicano infatti che meno dell’1% della diversità virale sia stata finora scoperta, perciò il problema non è soltanto scovare nuovi agenti virali, ma capire anche e soprattutto dove sia più probabile incontrarli. Qui entra in gioco uno studio italiano pubblicato su Nature Communications, un progetto nato dalla collaborazione tra il Dipartimento di Fisica e il Dipartimento di Biologia e Biotecnologie “Charles Darwin” della Sapienza – Università di Roma, il cui scopo è riuscire ad individuare dove potrebbe essere più utile concentrare la ricerca e la sorveglianza scientifica.
Se un virus non è stato trovato, non significa che non ci sia
Le banche dati scientifiche non fotografano il mondo animale in maniera uniforme. Alcune specie sono state osservate e analizzate molto più di altre, così come diverse aree geografiche hanno ricevuto un’attenzione decisamente maggiore. Di conseguenza, quando un virus non risulta associato ad un determinato mammifero, quel dato può avere due significati completamente diversi perché potrebbe non esserci davvero alcuna associazione oppure, più semplicemente, nessuno ha ancora raccolto le informazioni necessarie per dimostrarla.
Il gruppo guidato da Gabriele Pignalberi, Andrea Tonelli e Moreno Di Marco ha cercato di affrontare proprio questo problema. Il lavoro ha preso in considerazione 5.330 specie di mammiferi terrestri e 33 famiglie virali, costruendo una rete dei legami già documentati e cercando poi di individuare quelli che potrebbero essere presenti ma non ancora registrati. Per questo è stato sviluppato un innovativo modello di apprendimento algoritmico noto con il nome di Dynamic Positive-Unlabeled learning (DPU), in grado di analizzare ciò che già sappiamo e cercare ciò che non è stato documentato. Per farlo, il sistema combina una componente che stima la probabilità che una determinata associazione sia stata osservata con un classificatore basato su reti neurali a grafo. Nel calcolo entrano, tra gli altri elementi, la distribuzione geografica e le relazioni evolutive degli animali, i loro tratti biologici e i dati genetici dei patogeni.
Una mappa molto più grande di quella conosciuta
I risultati suggeriscono che la rete dei rapporti sia molto più ampia di quella che attualmente compare nei database. Nature Communications parla di decine di migliaia di associazioni mai osservate prima d’ora, indicando il modello DPU come uno strumento potenzialmente utile per stabilire dove concentrare la sorveglianza delle malattie zoonotiche, ossia di quelle trasmissibili all’uomo. Naturalmente, ciò non significa che ogni associazione prevista dall’algoritmo sia un’infezione presente in natura né che ogni specie individuata rappresenti una futura minaccia. Al contrario, le stime raccolte servono piuttosto a restringere il campo in funzione di osservazioni, campionamenti ed esperimenti più mirati.
Per di più, in un momento in cui algoritmi e intelligenze artificiali vengono costantemente demonizzati, lo studio targato Sapienza mostra come tali strumenti possano rivelarsi di grande supporto se utilizzati correttamente e come, in realtà, non debbano necessariamente sostituirsi all’essere umano. In fondo, le previsioni devono essere pur semprecontrollate, confrontate con ulteriori rilevamenti o, quando possibile, verificate sul campo, e se un pizzico di tecnologia può realmente dare una mano, in casi come questo potrebbe fare davvero la differenza.
Rinnovo Patente? Facile ed Economico
Questo articolo è stato pubblicato in origine su questo sito internet