In Nord-und Südamerika, Primaten-Arten wahrscheinlich harbor Zika-und möglicherweise das virus übertragen-sind Häufig, reichlich, und Leben oft in der Nähe von Menschen. So berichtet eine neue Studie, die heute veröffentlicht in Epidemien. Ergebnisse basieren auf ein innovatives Modell, entwickelt von einem kooperativen team von Forschern Cary-Institut von Ökosystem-Studien-und IBM-Forschung durch die Wissenschaft für die Soziale Gute initiative.
Lead-Autor Barbara Han, eine Krankheit, ökologe am Cary-Institut, erklärt: „Bei der Modellierung der Krankheit-Systeme, Daten können Lücken untergraben unsere Fähigkeit, vorherzusagen, wo Menschen gefährdet sind. Weltweit haben nur zwei Primaten-Spezies bestätigt positiv für Zika-virus. Wir waren daran interessiert, wie eine Ehe der beiden modeling-Techniken könnten uns helfen, zu überwinden, die begrenzte Daten über Primaten-Biologie und ökologie-mit dem Ziel der Identifizierung der überwachung Prioritäten.“
Die letzten Zika-Epidemie in Amerika war einer der größten Ausbrüche in der heutigen Zeit, infizieren mehr als eine halbe million Menschen. Wie andere durch Stechmücken übertragenen Flaviviren, Zika zirkuliert in freier Wildbahn. Primaten können als Krankheit Stauseen von spillover-Infektionen in Regionen, in denen Mücken ernähren sich von beiden Primaten und Menschen.
Durch die Analyse von Daten, die auf Flaviviren und die Primaten-Arten bekannt, Sie zu tragen, und den Vergleich dieser Merkmale zu 364 Primaten-Arten, die Global auftreten, wird das Modell identifiziert, bekannt flavivirus Träger mit 82% Genauigkeit und zugewiesenen Risiko-scores zur weiteren Primaten-Arten, die wahrscheinlich zu tragen Zika-virus. Das Endprodukt beinhaltet eine interaktive Karte, die berücksichtigt Primaten geographische Bereiche zu identifizieren, die hotspots, wo die Menschen am meisten gefährdet sind Zika spillover.
Primaten-Arten in Nord-und Südamerika mit Zika Risiko-scores über 90% enthalten: die Tuft-Kapuziner (Cebus apella), der Venezolanischen roten Brüllaffen (Alouatta seniculus), und die Kapuzineraffen (Cebus capucinus) — Arten an das Leben unter Menschen in den entwickelten Gebieten. Ebenfalls auf der Liste: Bläss-Kapuziner (Cebus albifrons), die Häufig als Haustiere gehalten und erfasst für live-trade, und spider monkeys (Saimiri boliviensis), die gejagt werden, die für Wildfleisch in teilen Ihres Sortiments.
„Diese Arten sind geographisch weit verbreitet, mit reichlich Populationen Leben in der Nähe von menschlichen Ballungszentren. Sie sind berühmt-berüchtigt Ernte raiders. Sie sind als Haustiere gehalten. Menschen zeigen Ihnen in Städten als touristische Attraktionen und jagen Sie für Buschfleisch. In Bezug auf die Krankheit spillover-Risiko, das ist ein sehr alarmierendes Ergebnis“, sagt Mitautor Subho Majumdar.
Hinzufügen, um die Sorge: die Moskito-Arten, die meisten wahrscheinlich zu verbreiten Zika Häufig gefunden in der Nähe von Menschen, und sind in der Lage, gedeihen in der Natur und verändert Landschaften.
Das Modell
Zur überwindung von Daten Lücken, die das team kombinierte zwei Statistik-tools-multiple imputation und Bayes multi-label-machine learning — zuweisen Primaten-Arten mit einem Risiko-score, der angibt, deren Potenzial für die Zika-Positivität.
Die Erreger
Merkmale der sechs durch Stechmücken übertragene Krankheiten wurden beurteilt: Gelbfieber, dengue-Fieber, japanische Enzephalitis, St. Louis Enzephalitis, Zika-virus und West-NiL-virus. Drei dieser hatte bekannte Primaten-Stauseen.
Die Primaten
Biologische und ökologische Merkmale der 18-Primaten-Arten, die positiv getestet wurden für alle Stechmücken übertragene flavivirus waren im Vergleich zu den Eigenschaften von 364 Primaten-Arten, die auftreten, weltweit. 33 Merkmale bewertet wurden-darunter Dinge wie Grundumsatz, Tragzeit, Wurfgröße, und Verhalten. Merkmale gewichtet wurden für die Bedeutung in der Vorhersage von Zika-Positivität.
Han erklärt: „Wie alle Erreger, Zika-virus hat einzigartige Anforderungen für das, was es braucht, ein Tier host. Um zu bestimmen, welche Arten beherbergen könnte Zika, müssen wir wissen, was diese Eigenschaften sind, die Arten haben diese Eigenschaften, und welche von diesen Arten die überträger der Erreger auf den Menschen. Das ist eine Menge von Informationen, und vieles davon ist unbekannt.“
Eine statistische Methode namens “ Multiplizieren Zugeschrieben Chained Equations (MICE) war zu überwinden, Daten Einschränkungen. MÄUSE-sets computer-algorithmen, um die Aufgabe der Suche durch die Datensätze des Organismus Eigenschaften, verbindungen zu ziehen zwischen Organismen mit ähnlichen oder verwandten Eigenschaften. Wenn der Algorithmus auf eine fehlende Dateneingabe, verwendet es diese verbindungen zu schließen, die die fehlenden Informationen, und füllen Sie die „Leerzeichen“ in das dataset.
Maschinelles lernen angewandt wurde, um das ‚gefüllt‘ dataset, um vorherzusagen, Primaten-Arten, die wahrscheinlich zu tragen Zika-virus. Das Modell produziert einen Risiko-score für die einzelnen Arten durch die Kombination von flavivirus-Infektion die Geschichte und die biologischen Merkmale zur Vorhersage der Wahrscheinlichkeit von Zika-Positivität.
Diese Methode könnte helfen, verbessern die Prognose-Modelle für andere Krankheit-Systeme, über Zika. Senior-Autor Kush Varshney von IBM Research, erklärt, „Daten fehlen, sind eine Realität, vor allem bei Infektionskrankheiten, die stammen von der wild lebenden Tier-hosts. Modelle wie die, die wir entwickelt, kann überwinden einige dieser Lücken und helfen, festzulegen, Spezies, um die Feinabstimmung der überwachung, Prognose spillover-Ereignisse, und helfen, die Bemühungen der öffentlichen Gesundheit-Gemeinschaft.“
Mit Varshney hinzufügen, „die Durchführung von machine-learning auf kleinen, unvollständigen und verrauschten Datensätzen zu unterstützen, kritische Entscheidungen zu treffen ist eine gemeinsame Herausforderung in vielen Branchen und Sektoren. Wir werden sicherlich Nutzung der Erfahrungen aus diesem Projekt in vielen verschiedenen Bereichen Anwendung.“
Han kommt zu dem Schluss, „Diese Forschung wurde möglich durch die Innovationen von der breiteren wissenschaftlichen Gemeinschaft. Wir verlassen auf Primaten und Erreger gesammelten Daten von Hunderten von Feld-Forscher und die base-machine learning und Anrechnung Methoden, die wir angepasst in dieser Forschung, die bereits existiert. Partner bei IBM Research übernahm den Löwenanteil der Mathematik und Codierung. Es war eine unglaublich erfolgreiche interdisziplinäre Zusammenarbeit-die Art, wir brauchen mehr davon, wenn wir wollen, finden neue Lösungen für komplexe Probleme.“