Des chercheurs de l’université de Waterloo ont réussi à classer 191 astrovirus non identifiés auparavant en utilisant un nouveau processus de classification basé sur l’apprentissage automatique.
Les astrovirus sont parmi les virus les plus nuisibles et les plus répandus dans le monde. Ils provoquent de graves diarrhées qui tuent chaque année plus de 440 000 enfants de moins de cinq ans. Dans l’industrie de la volaille, les astrovirus comme la grippe aviaire ont un taux d’infection de 80 % et un taux de mortalité de 50 % parmi le bétail, ce qui entraîne une dévastation économique, une rupture de la chaîne d’approvisionnement et des pénuries alimentaires.
Les astrovirus mutent rapidement et peuvent se propager facilement parmi leurs plus de 160 espèces hôtes, ce qui oblige les chercheurs et les responsables de la santé publique à une course constante pour classer et comprendre les nouveaux astrovirus au fur et à mesure de leur apparition. En 2023, il y avait 322 astrovirus non identifiés avec des génomes distincts. Cette année, ce nombre est passé à 479.
"À tout moment, entre 2 et 9 % des humains sont porteurs d’un de ces virus. Ce chiffre peut atteindre 30 % dans certains pays", a déclaré Fatemeh Alipour, candidate au doctorat en informatique à Waterloo et principale auteure de l’étude. "Il est essentiel de comprendre et de classer efficacement ces virus pour mettre au point des vaccins".
L’équipe de recherche sur l’astrovirus comprenait des chercheurs en informatique de l’université 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 de la méthode de classification est de tirer parti de l’apprentissage automatique pour classer les espèces en apprenant à partir de leurs "signatures génomiques"", a déclaré Lila Kari, professeur à la David R. Cheriton School of Computer Science. "La méthode de classification est passionnante tant par sa rapidité que par 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".
L’étude, intitulée Leveraging machine learning for taxonomic classification of emerging astroviruses , a été récemment publiée dans Frontiers in Molecular Biosciences.
