Jenis penyakit yang ditimbulkan oleh virus yang mampu menularkan infeksi dari hewan ke tubuh manusia akan disebut penyakit zoonosis. Contohnya Covid-19.
Hanya sebagian kecil dari sekitar 1.67 juta jenis virus yang bisa menginfeksi hewan yang akan dapat pula menginfeksi manusia.
Adakah cara seseorang akan mampu mengidentifikasi bahwa salah satu virus itu akan membawa penyakit zoonosis?
Proses pengidentifikasian dini sebelum penyakitnya sendiri muncul merupakan sebuah tantangan yang besar.
Itulah yang ditempuh oleh tim peneliti dari University of Glasgow untuk menjawab tantangan itu.
Mereka mengembangkan model Machine Learning (ML) yang mampu memprediksi kemungkinan bahwa suatu virus kelak akan membawa penyakit zoonosis. Hasil prediksi semacam itu dapat digunakan oleh para ahli medis untuk mengevaluasi risiko kesehatan masyarakat secara komprehensif.
Tim tersebut mengembangkan model yang mampu mengidentifikasi kandidat penyakit zoonosis dengan menggunakan informasi urutan DNA-genome dari virusnya.
Pengurutan DNA-genome memang biasanya merupakan langkah yang pertama kali bisa dilakukan oleh para ahli, dan seringkali itu merupakan satu-satunya informasi yang dimiliki tentang virus yang baru ditemukan.
Semakin banyak informasi yang dapat diekstrak darinya, semakin cepat dapat diidentifikasi sumber virus penyebab penyakit zoonosis dan risiko yang mungkin ditimbulkannya. Itulah peranan model yang telah dibuat.
Model ini memiliki keunggulan kuantitatif dan kualitatif dibandingkan model lainnya untuk penilaian risiko zoonosis.
Andaikan model ini sudah ditemukan sebelum pandemi Covid-19 merebak, maka ia bisa mengidentifikasi SARS-CoV-2 sejak dini sebagai jenis virus corona yang relatif berisiko tinggi.
Poses pengidentifikasian virus yang lebih awal akan dapat membantu para ahli untuk meningkatkan prioritas penelitian dan pengawasan.
Dengan demikian model ini diharapkan akan mampu digunakan untuk mendeteksi kemungkinan akan muncul lagi penyakit zoonosis lain semata berdasarkan urutan dari genome virus-nya.
Tim mengakui keterbatasan penggunaan model, karena model komputer hanya mewakili langkah awal untuk pengidentifikasian virus yang berpotensi akan menginfeksi manusia melalui hewan. Virus yang telah diidentifikasi oleh model ini masih memerlukan pengujian laboratorium sebagai konfirmasinya.
Kemampuan sebuah virus akan menginfeksi manusia masih dipengaruhi oleh virulensi virusnya dan ekologinya. Namun hasil prediksi model ini akan memungkinkan proses untuk karakterisasi virologi dan ekologi dapat ditargetkan secara lebih efektif.
Semakin banyak virus yang telah berhasil dikarakterisasikan, semakin efektif model ini di dalam pengidentifikasian virus langka yang harus dipantau secara ketat dan diprioritaskan untuk pengembangan vaksinnya sejak dini.
Kinerja model ini menunjukkan bagaimana data urutan genome yang telah tersebar di mana-mana dan mudah diperoleh dengan biaya yang rendah telah dapat membantu pengambilan keputusan tentang penelitian virus dan prioritas pengawasan pada tahap awal penemuan virus dengan tambahan biaya dan waktu yang minim.
Penilaian risiko kemunculan penyakit zoonosis berbasis urutan genome dengan model ini telah memberikan metode yang cepat dan berbiaya rendah yang memungkinkan para ahli mampu melakukan pengawasan virus dengan berbasis data.
Penelitian mereka telah dipublikasikan di jurnal PLOS Biology dengan judul makalah _Identifying and Prioritizing Potential Human-Infecting Virus from their genome sequences.
A Simple Notebook 