数十年ごとに、人に感染するだけでなく、人から人へと急速に感染するパンデミック インフルエンザの亜種が出現します。この春、主に家禽との密接な接触により、中国で 130 人以上に感染した H7N9 鳥インフルエンザ ウイルスは、まだ人への感染力が高くなっていません。しかし、人間にはウイルスと闘うための抗体がなく、致死率が高く (感染者のうち 44 人が死亡)、この秋または冬にウイルスが再出現する可能性があるため、科学者と公衆衛生当局はその謎を解明しようと急いでいます.
H7N9 の最近の研究では、ヒトのインフルエンザ感染のモデル化によく使用されるフェレット間で感染できることが示されています。ウイルスが人々の間で容易に拡散する能力を獲得した場合、世界中で 200,000 人以上の死者を出した可能性のある 2009 年の H1N1 豚インフルエンザ パンデミックよりも致死率が高くなる可能性があります。
コロンビア大学で生物学を研究している理論物理学者のラウル・ラバダンのような研究者は、通常は鳥や豚に感染するウイルスが、どのようにして突然人間に感染し、簡単に伝染するようになるのかを理解したいと考えています。病原体？」彼は説明しました。
従来、この質問に答えるには、さまざまなウイルスの DNA またはタンパク質配列の骨の折れる比較が必要でした。しかし、ウイルス配列のデータベースが急速に拡大しているため、科学者は現在、高度な機械学習技術を使用しています — コンピュータが与えられたデータに基づいてアルゴリズムを開発する人工知能の一部門 — H7N9 のようなウイルスの主要な特性を特定するため。これらの特性を知ることは、研究者が最も危険な新しいインフルエンザ株を特定するのに役立ち、より効果的なワクチンにつながる可能性があります.最も重要なことは、科学者が数百または数千のインフルエンザ株を同時に調べることができるようになったことです。これにより、さまざまなウイルスに共通するメカニズムや、人への感染を可能にするさまざまな変化が明らかになる可能性があります。
「この分野を根本的に変えています」と、イスラエルのテルアビブ大学の計算生物学者である Nir Ben-Tal は述べています。
研究者はまた、これらのアプローチを使用して、一部のウイルスを他のウイルスよりも有害にするものや、免疫応答を引き起こすウイルスの能力に影響を与える要因など、幅広いウイルスの謎を調査しています。後者は、最終的にインフルエンザワクチンの開発に役立つ可能性があります。 7月に発表された研究では、インフルエンザに対するヒトの免疫系の反応の違いを分析し、H1N1を撃退する個人の能力に影響を与えると思われる遺伝子変異を初めて特定しました.機械学習技術は、謎のウイルスの動物源を特定する将来の取り組みを加速する可能性さえあります.
豚インフルエンザの計算
豚や鳥のウイルスを人間のウイルスに変換する変異を特定するために、科学者は伝統的に、ウイルス株が人に感染する能力を発達させる前と後のタンパク質配列を比較していました。研究者は、ウイルスを宿主細胞に結合させるタンパク質であるヘマグルチニンなど、感染に重要であることが知られている領域に焦点を当てて、配列の違いを手動で評価する必要がありました。この方法は手間がかかるため、研究者は一度に数十のウイルスしか調べることができませんでした。
メンフィスにあるセント・ジュード小児研究病院のウイルス学者であるリチャード・ウェビーは、「これはかなり大雑把なアプローチです」と述べています。
研究者が候補変異を特定したら、それらの候補を非ヒトウイルスに遺伝子操作してその効果を調べることができます。このアプローチにより、パンデミック豚インフルエンザやその他のインフルエンザに寄与したと思われるいくつかの変異が特定されましたが、いくつかの欠点があります.たとえば、この方法には潜在的に危険なウイルスの作成が含まれる場合があります。 2012 年に発表された H5N1 鳥インフルエンザに関する 2 つの論文は、通常は人には広がらないが、フェレット間でのウイルスの拡散を改善する突然変異を研究者が導入したため、騒動を引き起こした。批評家は、調査結果がバイオテロリストによって利用される可能性があることを懸念していましたが、調査は最終的に公開されました.
このアプローチには、人間の伝染性のメカニズムに関する事前の知識も必要であり、新しいメカニズムを発見する能力が制限されます。 「彼らは、人々が重要だと知っているいくつかの突然変異でプロセスを開始しなければなりませんでした」とウェビーは言いました. 「コンピュータによるアプローチは、初期段階では生物学に依存していないため、生物学的アプローチが機能しない場合でも機能する可能性があります。」
2011 年、Ben-Tal、Webby、およびその共同研究者は、機械学習を使用して、2009 年の H1N1 パンデミック豚インフルエンザのタンパク質配列を他の何百もの豚ウイルスと比較した最初の人物になりました。彼らは、豚から人へのジャンプの原因となった可能性のある変化を探していました。 「それ以前にも、人から人への感染は多く見られましたが、人から人への感染は見られませんでした」と、動物のインフルエンザを研究する世界保健機関センターの責任者でもある Webby 氏は述べています。
機械学習アルゴリズムは 20 年以上にわたって DNA およびタンパク質配列の研究に使用されてきましたが、科学者がそれらをウイルスに適用したのはここ数年だけです。 Ben-Tal のチームは、分析に利用できるウイルス配列データの量が増えていることに着想を得て、教師あり学習と呼ばれるアプローチを使用しました。この方法では、アルゴリズムのトレーニングに使用される入力データの各部分がカテゴリでタグ付けされます。この場合、ウイルス配列が豚由来かヒト由来かを示します。結果として得られるアルゴリズムは、ウイルスを適切なグループ (ヒトまたはブタ) に正確に分類できる決定木を定義します。ツリーのノードは、グループを確実に区別する特定のアミノ酸、またはタンパク質の構成要素を指しています。 Ben-Tal 氏によると、交互決定木アルゴリズムと呼ばれるこの特定のアプローチは機械学習の標準ですが、彼のチームが研究する前は生物学的データに適用されることはめったにありませんでした。
この研究では、研究者は、ヒトウイルスと豚に残っているウイルスを区別するように見える13のアミノ酸変化と、パンデミック株を標準的な季節性インフルエンザと区別する追加の10のアミノ酸変化を特定しました.科学者がその後より詳細に分析したこれらの候補の1つまたは複数は、ウイルスの危険な変化を説明できる可能性があります. (Ben-Tal、Webby、および彼らの共同研究者は、H1N1 がパンデミック ウイルスになるのに役立ったと彼らが言う突然変異を特徴付ける論文を間もなく発表します。)
コンピューターによるアプローチの主な利点の 1 つは、研究者が標準的な標的、つまり伝達性などの形質に関与することが知られているゲノムの領域を超えて調べることができたことです。たとえば、いくつかの候補変異は近くにありますが、ヘマグルチニンが宿主細胞に結合する特定の部位の外側にあります.
「重要な残基は、私たちがこれまでに予測したタンパク質の一部ではありませんでした」とウェビーは言いました. 「変化を見る古い方法を使っていたら、タンパク質のこの特定の部分を見ていなかったでしょう。」
新型ウイルス
Rabadan とコロンビアの共同研究者は現在、同様のアプローチを使用して、これらのウイルスの特性をより広範に調査し、60,000 を超えるウイルス ゲノムのデータベースを分析しています。ラバダン氏によると、この数が多いほど、より確実な統計分析が可能になり、最も重要な遺伝子変化を特定するのに役立つという。 H1N1 の研究では、ウイルスがヒトに感染した特定の変化を探しましたが、Rabadan のチームは、さまざまなウイルスに共通するメカニズムを特定したいと考えています。たとえば、2 種類のウイルスが同じ遺伝子変化を起こす場合、これは収斂進化として知られる現象であり、その変化は偶然ではなく、人間への感染など、研究中の機能に実際に関与している可能性があることを示唆しています。 「私たちには、一度に 1 つのアウトブレイクを見ていないという力があります」とラバダンは言いました。
研究者は、候補変異のリストをまとめました。そのうちのいくつかは、ヒトへの感染に関与しているとすでに特定されています。新しい候補について、研究者は現在、ヒト細胞株でこれらの変異を持つウイルスを研究して、ヒト細胞にどれだけ効率的に感染できるかを確認しています.
まだ伝染性が高くなっていないウイルスの分析において、このアプローチがどれほど成功するかはまだ明らかではありません。 Ben-Tal 氏によると、彼のグループは当初、H5N1 ウイルスでこのアプローチを試みましたが、H7N9 と同様に、人の間で簡単に拡散する能力がありませんでしたが、人間のバージョンに固有のアミノ酸の変化を特定することははるかに困難であることがわかりました。 (H1N1 のケースとは異なり、H5N1 および H7N9 に関係するケースは、主に鳥と密接に接触した人に限定されています。)
「データは、さまざまなアミノ酸位置で変異し、ヒトに感染したさまざまな鳥類系統のコレクションを表しています」と Ben-tal 氏は述べています。 「鳥類から人間への種の壁を越えやすくする多くの突然変異があることを意味するかもしれないので、これは興味深いことです。」しかし、特定の犯人を特定することは困難です。彼は、H7N9 は同じ理由で分析が難しいかもしれないと言いました.
一方、シアトルの Fred Hutchinson Cancer Research Center の研究者である Tomer Hertz と St. Jude's Children's Hospital などの共同研究者は、機械学習を使用して、これらのウイルス株に対する人間の免疫系の反応を研究しています。 7 月に、彼らは、個人の免疫プロファイルが、その人が新型インフルエンザ株をどれだけうまく撃退できるかに影響することを初めて示唆する新しい研究を発表しました。
H1N1、H7N9、H5N1 などの新しいウイルスが非常に危険である主な理由は、人間がそれらを攻撃して無力化する能力をほとんどまたはまったく持っていないことです。ワクチンや以前の感染による抗体が不足しているため、ヒトの免疫系は、外来タンパク質を攻撃する T 細胞と、ウイルスタンパク質の短い断片に結合するヒト白血球抗原 (HLA) に依存しています。その後、ウイルスタンパク質の塊が T 細胞に提示され、T 細胞がそれらを排除するためのさまざまなプロセスを引き起こします。
HLA 遺伝子は非常に多様です:ヒト集団には数千の種類がありますが、各個人は 12 種類しか持っていません. Hertz と共同研究者は以前、いくつかの HLA タンパク質が、ウイルスの保存された領域、つまり時間の経過とともに安定した配列の一部を標的とするのに優れていることを示していました.異なる系統間で類似しています。これにより、免疫システムが可能な限り幅広いウイルスのコレクションを標的にできるようになります。実際、個人の HLA プロファイルは、HIV を含む特定のウイルスへの反応に影響を与える可能性があります。 HIV 感染後に AIDS を発症しない人は、特定の HLA バリアントを持っている可能性が高くなります。 Hertz のチームは、ウイルスの保存された部分を標的とするのにより効果的な変異体であることを示しました。
Proceedings of the National Academy of Sciences に掲載された新しい研究では、研究者は計算手法を使用して、HLA 変異体が保存されたウイルス領域を標的とする効果が低い人々は免疫反応が弱いことを明らかにしました。コンピューター解析により、HLA-A*24 として知られる特定のクラスの HLA バリアントが特に効果がないことが明らかになりました。
この研究では、H1N1 による死亡率が高い国ほど、HLA-A*24 対立遺伝子の頻度が高い傾向があることもわかりました。さらに、米国とオーストラリア内では、ネイティブ アメリカンとアボリジニの人口は、このバリエーションの家族の割合が高くなる傾向があり、両方とも周囲の人口よりも高い死亡率に苦しんでいます. Hertz 氏は、HLA-A*24 対立遺伝子と H1N1 による死亡リスクの増加との間の因果関係を確認するには、さらなる研究が必要であると述べました.
H1N1 研究で Ben-Tal および Webby と協力した Hertz は、この研究は、ウイルスと免疫システムの両方のデータのソースが急速に増加することによって可能になったと述べています。 「このアイデアは数年前にありましたが、今まで実現可能だとは思っていませんでした」と彼は言いました。
インフルエンザ以外にも、Rabadan とコロンビア大学の数学者である Chris Wiggins は、ウイルスの元の動物宿主を特定する方法を開発しました。たとえば、最近の中東呼吸器症候群の発生の背後にあるコロナウイルスは、100人以上の確認された症例のほぼ半分を殺しました.先週、15 か月に及ぶ徹底的な調査により、コウモリが発生源であることが判明しました。しかし、機械学習のアプローチと、多くの異なる動物宿主からのウイルスに関する情報を格納する大規模なデータベースを組み合わせると、この種の検索が高速化される可能性があります。
機械学習のアプローチは、さらに多くのゲノム情報が利用可能になるにつれて拡大する可能性があります。 「データベースはよりリッチになり、コンピューティング アプローチはより強力になります」と Webby 氏は述べています。これは、科学者が新たなインフルエンザ株をより適切に監視し、その影響を予測するのに役立ちます。理想的には、ウイルスがいつ人々に感染する可能性が高く、どの程度危険になるかを予測するのに役立ちます.
