俄克拉荷馬大學道奇家族文理學院的生物學副教授Daniel Becker在過去一年半的時間裡一直在領導一項主動建模研究，以確定可能攜帶新冠病毒beta變異毒株的蝙蝠物種，包括但不限於類似SARS的病毒。

發表在《柳葉刀微生物》上的研究“優化預測模型以優先發現人畜共患病儲庫中的病毒”由Becker、喬治敦大學Bansal實驗室的博士後Greg Albery和喬治敦大學全球健康科學和安全中心的助理研究教授Colin J. Carlson指導。

它還包括來自愛達荷大學、路易斯安那州立大學、加州大學伯克利分校、科羅拉多州立大學、太平洋路德大學、西奈山伊坎醫學院、格拉斯哥大學、蒙特利爾大學、多倫多大學、根特大學、都柏林大學、凱里生態系統研究學院和美國自然歷史博物館的合作者。

Becker及其同事的研究是一個名為Verena聯盟（viralemergence.org）的國際研究團隊更廣泛努力的一部分，該團隊致力於預測哪些病毒可能感染人類，哪些動物是它們的宿主，以及它們可能出現在哪裡。Albery和Carlson是該聯盟的共同創始人，Becker是創始成員。

儘管在疾病監測方面進行了全球投資，但仍然難以識別和監測有朝一日可能感染人類的野生動物病毒庫。統計模型正被越來越多地用於確定哪些野生動物物種需要在野外取樣的優先次序，但任何一個模型所產生的預測都可能是高度不確定的。科學家們也很少在他們做出預測後跟踪其成功或失敗的情況，這使得他們很難在未來學習並做出更好的模型。這些限制加在一起，意味著哪些模型可能最適合這項任務，存在著高度的不確定性。

在這項研究中，研究人員將攜帶新冠病毒beta變異毒株的蝙蝠宿主作為一個案例，研究如何動態地使用數據來比較和驗證這些可能的貯藏所宿主的預測模型，這是一大類病毒，包括那些對SARS和COVID-19負責的病毒。該研究首次證明機器學習模型可以優化未發現病毒的野生動物採樣，並說明了這些模型如何通過預測、數據收集、驗證和更新的動態過程得到最佳實施。

在2020年第一季度，研究人員訓練了8個不同的統計模型，預測哪種動物可能感染新冠病毒beta變異毒株。在一年多的時間裡，該團隊隨後跟踪發現了40個新的beta變異毒株的蝙蝠宿主，以驗證最初的預測並動態更新其模型。研究人員發現，利用蝙蝠生態學和進化數據的模型在預測beta變異毒株的新宿主方面表現非常好。相比之下，來自網絡科學的尖端模型使用了高水平的數學–但生物數據較少–在隨機情況下的表現與預期大致相同或較差。

重要的是，他們修訂的模型預測全球有超過400種蝙蝠可能是未被發現的beta變異毒株宿主，不僅包括東南亞，還包括撒哈拉以南非洲和西半球。儘管已知有21種馬蹄蝠（Rhinolophus屬）是類似SARS病毒的宿主，但研究人員發現在這個蝙蝠屬中至少有四分之二的可信的beta變異毒株宿主可能仍未被發現。

“我們的研究給我們帶來的最重要的東西之一是一個數據驅動的短名單，即哪些蝙蝠物種應該被進一步研究，”Becker說，他補充說他的團隊現在正與野外生物學家和博物館合作，將他們的預測付諸實施。“在確定了這些可能的宿主之後，下一步就是投資於監測，以了解beta變異毒株在哪里以及何時可能’溢出’。”

Becker補充說，儘管SARS-CoV-2的起源仍然不確定，但其他病毒從蝙蝠中“溢出”是由棲息地的干擾形式引發的，如農業或城市化。

他表示：“因此，蝙蝠保護是公共衛生的一個重要部分，我們的研究表明，更多地了解這些動物的生態學可以幫助我們更好地預測未來的溢出事件。”