A Microsoft AI-eszközzel vizsgálták a szennyvíz vírusait

A szennyvíz közösségi egészségügyi jelzőrendszerként működhet

A szennyvíz nemcsak az egyének biológiájáról, hanem egész közösségek állapotáról is információt adhat. A csatornahálózat egy teljes lakossági gyűjtőterület biológiai érzékelőjeként működhet, ezért a minták a tüneteket mutató és a tünetmentes emberektől származó terjedési jeleket is rögzíthetik.

A Microsoft blogbejegyzése szerint a szennyvíz megfigyelése több mint egy évszázada része a közegészségügyi ellenőrzésnek. Korábban elsősorban konkrét baktériumokat vagy ismert kórokozókat kerestek laboratóriumi tenyésztéssel és célzott vizsgálatokkal. A nagy áteresztőképességű metagenomikai szekvenálás ezzel szemben a mintában található genetikai anyag töredékeit vizsgálja, így váratlan vagy újonnan megjelenő kórokozók is észlelhetők.

A módszer a COVID-19 világjárvány idején korai jelzéseket adott, és a Microsoft szerint az Egyesült Államokban a kanyaró újbóli megjelenésének követésére is használják. Egy korábbi vizsgálat a Cook megyei szennyvíz metagenomikai elemzésével egyetlen kanyarós esetet azonosított egy több mint egymillió lakost lefedő gyűjtőterületen.

Több millió találatból kell értelmezhető eredményt készíteni

A metagenomikai szekvenálás nagy mennyiségű, töredezett és zajos adatot állít elő. A Microsoft Premonition csapata által fejlesztett Premonition Insights szolgáltatás Microsoft Azure-on futó, párhuzamos munkafolyamatokkal hasonlítja össze a környezeti szekvenciákat ismert élőlények átfogó adatbázisaival. A rendszer statisztikai modelleket használ a bizonytalan illesztések feloldására és a rendszertani zaj szűrésére.

A szolgáltatás egy vizsgált esetben a nyers adatokat egy 6 GB-os táblává alakította, amely körülbelül 7,5 millió lehetséges egyezést tartalmazott több száz mintából. A rekordokhoz rendszertani besorolás, valószínűségi egyezési pontszámok, lefedettségi adatok, mintavételi dátumok és gyűjtési helyszínek tartoztak.

Az adatok epidemiológiai értelmezése ezután még jelentős kézi munkát igényelhet. A kutatónak adatfeldolgozó kódot kell írnia, szoftverkörnyezeteket kell beállítania, külső környezeti és meteorológiai adatforrásokat kell lekérdeznie, valamint szűrnie kell a téves pozitív találatokat. Az alacsony gyakoriságú jelek esetében azt is mérlegelni kell, hogy nem laboratóriumi szennyeződésről van-e szó.

Az AI-ügynökök a kutatói munkát támogatják

A Microsoft Discovery alkalmazás lehetővé teszi, hogy szakterületi szakértők együttműködő AI-ügynököket állítsanak be és hangoljanak össze összetett tudományos munkafolyamatokban. A Microsoft hangsúlyozza, hogy az eszköz nem az emberi ítéletet vagy az epidemiológiai következtetéseket váltja ki. A kutatónak kell megfogalmaznia a hipotéziseket, összeállítania a releváns szakirodalmat, meghatároznia a minőségi szempontokat és értékelnie a köztes eredményeket.

Az ügynökök eközben segíthetnek az adatok előkészítésében, a szoftverek beállításában, a kód létrehozásában, az API-k integrálásában és az interaktív vizualizációban. A munkafolyamat dokumentálható is, ami a Microsoft szerint a reprodukálhatóság, a nagyobb kutatói együttműködések, valamint az oktatás szempontjából lehet hasznos.

A bemutatott esetben a kutató Gujarat (India) nyilvánosan elérhető adatait vizsgálta. A PRJEB102331 azonosítójú projektben több mint 500, négy városból származó szennyvízmintát gyűjtöttek egy év alatt. Az RNS és a DNS külön feldolgozásával több mint 1000, vírusokra dúsított szekvenálási könyvtár készült. A vizsgálat célja a gyomor-bélrendszeri megbetegedéseket okozó, vízzel terjedő enterális vírusok gyakoriságának és szezonális változásainak feltárása volt. A Microsoft blogja szerint a kutató az elemzést, a munkafolyamat beállításával és az eredmények áttekintésével együtt, fél napnál rövidebb idő alatt végezte el.