Lo studio, pubblicato su Nature Communications, punta a individuare con maggiore precisione le specie di mammiferi che potrebbero ospitare virus ancora sconosciuti

Un nuovo modello di Intelligenza artificiale sviluppato dai ricercatori della Sapienza Università di Roma potrebbe contribuire a migliorare la prevenzione delle future pandemie. Lo studio, realizzato dai dipartimenti di Fisica e di Biologia e Biotecnologie “Charles Darwin” e pubblicato su Nature Communications, analizza i possibili legami tra virus e specie di mammiferi.

Il problema nasce dalla scarsità e dalla distribuzione non uniforme dei dati disponibili: si stima infatti che sia stato identificato meno dell’1% dei virus zoonotici dei mammiferi. L’assenza di una segnalazione, quindi, non significa necessariamente che una specie non possa essere infettata, ma può riflettere semplicemente una mancanza di studi.

Per affrontare questa distorsione, il gruppo di ricerca ha sviluppato il Dynamic Positive-Unlabeled (DPU) learning, un sistema di apprendimento automatico capace di distinguere tra una reale assenza di un virus e una semplice lacuna nelle conoscenze scientifiche.

Secondo i ricercatori, il modello ha già individuato associazioni successivamente confermate da dati sperimentali. I risultati indicano inoltre che il numero effettivo dei possibili rapporti tra mammiferi e famiglie virali potrebbe essere molto superiore a quello attualmente documentato.