Veštačka inteligencija otkriva laboratorijsko poreklo COVID-19
Iznenađujuća nova studija sugeriše da COVID-19 možda nije nastao od slepih miševa ili pangolina, već od retke fuzije ljudskih bolesti.
Koristeći napredni pristup vođen veštačkom inteligencijom koji se zove maksimalna logistička inteligencija, istraživači su identifikovali genetske veze između COVID-19 i dve retke infekcije – glanders i Sennetsu groznica – potencijalno menjajući narativ o tome kako se virus pojavio.
Otkrivanje porekla COVID-19
Poreklo COVID-19 ostaje neizvesno uprkos opsežnim istraživanjima. Nova studija objavljena u Advances in Biomarker Sciences and Technology (ABST) koristi pristup vođen AI za analizu obrazaca metilacije DNK na 865.859 CpG mesta u uzorcima krvi ranih pacijenata sa COVID-19.
Predvođena Zhengjun Zhangom sa Odeljenja za statistiku Univerziteta u Viskonsinu, studija je koristila maksimalnu logističku inteligenciju za identifikaciju jakih genetskih veza. Nalazi sugerišu da je COVID-19 možda nastao kao rezultat prirodne fuzije dve retke zarazne bolesti — glanders i Sennetsu groznice — u kombinaciji sa uobičajenim ljudskim bolestima.
Totalna cenzura u Kanadi: Zakon koji vodi u zatvor ako podržavaš fosilna goriva!? ⚖️🇨🇦 https://t.co/rpjccD0ChI
— Nulta Tačka (@NultaTackaSrb) February 16, 2025
Distanciranje da poreklo dolazi od divljih životinja
Ovo dovodi u pitanje široko prihvaćeno uverenje da virus potiče od slepih miševa ili pangolina, što povećava mogućnost da su prethodne studije stavljale previše naglaska na poreklo od divljih životinja.
„Uspostavljanje takvih veza na 865.859 CpG lokacija je prilično izazov, sa slučajnim korelacijama koje se javljaju sa verovatnoćom manjom od jedan od deset miliona“, kaže Zhang. „Međutim, kada se uzme u obzir retkost ovih bolesti, šanse za otkrivanje značajne veze padaju na samo jedan od sto miliona, dodatno jačajući validnost ovih rezultata.
Maksimalna logistička inteligencija: promena igre?
Maksimalna logistička inteligencija je ranije pokazana u studijama biomarkera raka. Za razliku od tradicionalnih AI algoritama ili modernih tehnika mašinskog učenja kao što je tehnika učenja zasnovana na grupi odluka, duboko učenje i mašine za vektorske podrške, maksimalna logistička inteligencija nudi veću interpretabilnost, doslednost i robusnost, što je čini posebno korisnim za uspostavljanje uzročno-posledičnih veza.
Zhang je naglasio da iako je identifikacija pouzdanih biomarkera kritična za naučni napredak, mnogi genski markeri identifikovani u izolovanim studijama ne uspevaju u drugim kohortama, što dovodi do niske ili nikakve zajedničke korelacije među grupama.
„Metilacija DNK, proces kojim se metil grupe dodaju DNK, igra centralnu ulogu u ekspresiji gena i razvoju bolesti“, objašnjava Zhang. „Greške u metilaciji mogu izazvati bolesti, što podstiče studije o obrascima metilacije DNK COVID-19.
Referenca: „Etiološke veze između početnog COVID-19 i dve retke zarazne bolesti“ od Zhengjun Zhang-a, 9. decembar 2024, Napredak u nauci i tehnologiji biomarkera.
