Mais de 160.000 vírus até então desconhecidos pelos cientistas foram identificados usando um método especializado inteligência artificial (IA).

O maior estudo do gênerodestacou a enorme escala da virosfera – os vírus que habitam os muitos ambientes da Terra.

Os pesquisadores usaram um programa de IA chamado LucaProt, que identificou vírus de RNA anteriormente não reconhecidos, armazenados em bancos de dados de material genético proveniente de ecossistemas de todo o mundo.

Vírus RNA – incluindo coronavírus – ter material genético consistindo em uma única fita de ácido ribonucleico (RNA), em oposição à fita dupla de DNA em vírus de DNA, como os vírus do herpes.

O estudo mostra como a IA se tornou “transformacional” para os cientistas “que procuram identificar estruturas proteicas e encontrar vírus divergentes”, disse o virologista Eddie Holmes, da Universidade de Sydney, na Austrália, que co-liderou a investigação.

O algoritmo LucaProt AI utilizado neste estudo funciona de forma semelhante ao Sistema AlphaFold que foi reconhecido na química deste ano Prêmio Nobel. Trabalho em IA também foi reconhecido no Prêmio Nobel para física.

IA ajudando cientistas a se tornarem virais como nunca antes

Holmes e seus colaboradores descreveram o sistema LucaProt como um dispositivo que corta a “matéria escura” do material genético.

Eles começaram com amostras “metagenômicas” de material genético – uma confusão de informações de plantas, animais, fungos, bactérias e materiais “não vivos”, como vírus.

Dentro dos pedaços conhecidos de ADN havia linhas de código desconhecido: “Coisas que não correspondem a nada que conhecemos nas nossas bases de dados”, diz Holmes.

Os pesquisadores chamaram isso de “matéria escura”.

A pesquisa treinou um algoritmo chamado LucaProt para prever quais informações genéticas na matéria escura vieram de espécies de RNA viral.

Numa única amostra metagenómica de 50 gramas retirada de uma estação agrícola ao sul de Sydney, Holmes disse que foram encontrados mais de 1.600 novos vírus.

No total, a equipe analisou mais de 10.000 amostras metagenômicas semelhantes, o que levou à descoberta de 161.979 espécies potenciais de vírus RNA e 180 supergrupos de vírus RNA.

Mas 160 mil vírus é uma gota no oceano de vírus ainda a serem encontrados – provavelmente menos de 0,1%. Os autores dizem que isto sugere a verdadeira escala da virosfera mundial.

Ben Longdon, especialista em biologia evolutiva da Universidade de Exeter, no Reino Unido, disse que o LucaProt é uma ferramenta incrivelmente útil para identificar vírus e já está usando a ferramenta para ajudar em sua pesquisa sobre doenças virais emergentes.

LucaProt, disse Longon, mostra como a IA está ajudando a descobrir “toneladas de coisas” sobre vírus, até mesmo “ultrapassando nossa capacidade de catalogá-los e nomeá-los”.

Milhares de novos vírus, mas os humanos provavelmente estão seguros

Este estudo expõe alguma nova ameaça viral aos humanos? Provavelmente não, diz Holmes, já que os vírus encontrados no seu estudo provavelmente não podem infectar humanos.

“Dos 160 mil novos, nenhum deles está próximo dos vírus de mamíferos, não acho que nenhum deles infectaria um ser humano”, disse Holmes.

E mesmo que pudessem infectar humanos, não há indicação de que sejam vírus perigosos ou causadores de doenças. Tal como acontece com as bactérias, os vírus “bons” ou “amigáveis” também podem ser benéfico para a saúde.

Apesar dos vírus serem inofensivos, saber que eles existem é vital, disse Longdon.

“Se quisermos compreender as doenças infecciosas emergentes, precisamos de compreender quais os vírus que existem, como são partilhados e que factores determinam a sua capacidade de saltar entre espécies hospedeiras”, disse Longdon.

Longon acrescentou que as descobertas são um passo para a compreensão da diversidade dos vírus e como eles podem evoluir para se tornarem mais ou menos infecciosos.

Editado por: Fred Schwaller

Fonte Primária:

Xin Hou, Yong He, Pan Fang e outros. Usando inteligência artificial para documentar a virosfera oculta (2024). Célula. http://dx.doi.org/10.1016/j.cell.2024.09.027