Voivatko lepakot 'kertoa meille' milloin ja missä Ebola iskee seuraavaksi?

Uusi tutkimus viittaa siihen, että saatamme pystyä ennakoimaan, milloin ja missä seuraava Ebola-taudinpurkaus tapahtuu, jos tarkastelemme tarkasti lepakoiden muuttoliikettä.

Tieto siitä, milloin ja missä lepakot muuttavat, saattaa kertoa meille, missä seuraava Ebola-taudinpurkaus tapahtuu.

Ebola on erittäin kuolemaan johtava ja erittäin tarttuva virus, joka löydettiin ensimmäisen kerran Länsi-Afrikasta vuonna 1976. Hedelmä lepakoiden uskotaan olevan viruksen luonnollinen isäntä.

Vaikka suurin osa tappavista taudinpurkauksista on alkanut Afrikan maista, viimeinen vuosien 2014 ja 2016 välinen Ebola-kriisi levisi muualle maailmaan, mukaan lukien Yhdysvallat.

Yhdysvalloissa rekisteröitiin neljä tapausta, joista yksi johti kuolemaan.

Tässä yhteydessä seuraavan Ebola-taudin ajan ja paikan ennustaminen voi osoittautua erityisen hyödylliseksi sen estämisessä. Siksi tutkijat pyrkivät luomaan mallintamiskehyksen, joka voi auttaa meitä ennakoimaan tällaisen tapahtuman tulevaisuudessa.

Uuden tutkimuksen suoritti biotekniikan apulaisprofessori Javier Buceta, rakennus- ja ympäristötekniikan apulaisprofessori Paolo Bocchini ja tutkijatohtori Graziano Fiorillo, jotka kaikki ovat yhteydessä Lehighin yliopistoon Betlehemissä, PA.

He olettivat, että koska lepakot ovat viruksen kantajia, niiden muuttomallien jäljittäminen voi auttaa luomaan ennakoivan kehyksen.

Tutkimusten tulokset julkaistiin lehdessä Tieteelliset raportit.

Ebolan matemaattisen mallin luominen

Kehyksen luomiseen Buceta ja tiimi käyttivät satelliittitietoja ja parametrien näytteenottoa. Tutkijat syöttivät nämä tiedot tietokonealgoritmiin tai -malliin, joka luotiin ennustamaan olosuhteet, joissa lepakoiden käyttäytyminen korreloi Ebola-taudinpurkausten kanssa.

Algoritmiin syötetyt tiedot sisälsivät lepakoiden luonnollisuuden ja kuolleisuuden, virustartunnan nopeuden ja kuinka kauan niiden palautuminen kesti.

Myös lepakotartuntojen huippujen ennustamiseksi tietyllä alueella malli sisälsi tietoa lepakoiden siirtymisajasta ja -kohdista, kausivaihteluista sekä ruoan ja suojan saatavuudesta.

Tutkijoiden oli myös otettava huomioon ympäristötiedot; Tätä varten he käyttivät Google Earth -moottoria hakemaan tietoja yhdestä NASA: n tietokannoista.

Bocchini kertoo yksityiskohtaisesti käytöstään, sanoen: "Meidän oli tutkittava käytettävissä olevien resurssien satunnaisia ​​vaihteluja koko Afrikan mantereella korkealla resoluutiolla; se oli valtava laskennallinen ja todennäköisyyshaaste. "

"Tunnistimme, että matemaattisesta näkökulmasta", hän jatkaa, "ongelma on samanlainen kuin seismisten aaltojen satunnainen eteneminen alueella, joka on maanjäristysten alainen, ja voimme mukauttaa työkalujamme."

Kun kosteus ja lämpötila on otettu huomioon, tutkijat pystyivät "ennustamaan tartunnan saaneiden lepakoiden pitoisuuden, jonka voidaan odottaa löytävän tietyissä olosuhteissa", Buceta kertoo.

Malli ennustaa tarkasti Ebola-taudin

Vuosien 2014–2016 Ebola-epidemia alkoi 2-vuotiaan lapsen tapauksesta Meliandoussa, kylässä Guineassa, Länsi-Afrikassa.

Lapsen tartuttaneen viruskannan alkuperä oli kuitenkin peräisin Kongon demokraattisesta tasavallasta, joka on tuhansien mailien päässä Meliandousta.

Bucetan ja tiimin suunnitteleman kehyksen avulla tutkijat pystyivät "taannehtivasti" ennustamaan "infektion huipun Meliandoussa […] kuukausien aikana, jolloin taudinpurkaus alkoi". He pitivät havaintojaan "merkittävinä".

Kuitenkin, kun joukkue käytti samanlaisia ​​tietoja eri sijainnista - joka oli 400 kilometrin päässä Meliandousta ja jolla oli erilainen ilmasto - tulokset eivät osoittaneet infektiohuippua tuona aikana.

"Mallissamme", Buceta jatkaa, "taudinpurkausten esiintyminen on tiukasti sidoksissa ympäristöolosuhteiden vaihteluihin, jotka vaikuttavat sekä lepakoiden muuttoliikkeeseen että tartuntaprosentteihin."

"Tällaiset havainnot", hän lisää, "viittaavat voimakkaasti siihen, että ympäristötekijöillä on keskeinen rooli Ebola-viruksen leviämisessä lepakoiden keskuudessa."

Tutkijat toivovat, että heidän mallinsa auttaa ennustamaan ja estämään paitsi ebolan puhkeamisen myös muiden virusten, jotka tarttuvat eläimistä ihmisiin.

none:  luokittelematon keuhkojärjestelmä tuberkuloosi