O Futuro Da Previsão de Risco Zoonótico

Traduzido do Inglês para o Português - www.onlinedoctranslator.
com
O futuro da previsão de risco zoonótico
Colin J Carlson1,2, Maxwell J. Farrell3, Zoe Grange4, Bárbara A. Han5, Nardus

royalsocietypublishing.org/journal/rstb
Mollentze6,7, Alexandra L. Phelan1,8, Angela L. Rasmussen1, Gregory F. Albery9,
Bernard Bett10, David M. Brett-Major11, Lily E. Cohen12, Tad Dallas13, Evan A.
Eskew14, Anna C. Fagre15, Kristian M. Forbes16, Rory Gibb17,18, Sam Halabi8,
Charlotte C. Hammer19, Rebeca Katz1, Jason Kindrachuk20, Renata L. Muylaert21

Artigo de opinião
, Felicia B. Nutter22,23, José Ogola24, Kevin J. Olival25, Michelle Rourke26, Sadie J.
Cite este artigo:Carlson CJe outros2021 O
Ryan27,28, Noam Ross25, Stephanie N. Seifert29, Tarja Sironen30,31, Claire J.
futuro da previsão de risco zoonótico.Fil. Trans.
Standley1,2, Kishana Taylor32, Marietjie Venter33e Paul W. Webala34
R. Soc. B376:20200358. https://doi.org/10.1098/
rstb.2020.0358
1Centro para Ciência e Segurança da Saúde Global, e2Departamento de Microbiologia e Imunologia,

Transferido de https://royalsocietypublishing.org/ em 02 de março de 2023
Aceito: 15 de julho de 2021 Georgetown University Medical Center, Washington, DC 20007, EUA
3Departamento de Ecologia e Biologia Evolutiva, Universidade de Toronto, Toronto, Ontário, Canadá
4Saúde Pública Escócia, Glasgow G2 6QE, Reino Unido
Uma contribuição de 15 para uma edição temática
5Cary Institute of Ecosystem Studies, Millbrook, NY 12545, EUA
'Macroecologia de doenças infecciosas: diversidade e 6Conselho de Pesquisa Médica, Centro de Pesquisa de Vírus da Universidade de Glasgow, Glasgow G61 1QH, Reino Unido
dinâmica de parasitas em todo o mundo'. 7Instituto de Biodiversidade, Saúde Animal e Medicina Comparada, Faculdade de Medicina, Veterinária e Ciências da Vida,
Universidade de Glasgow, Glasgow G12 8QQ, Reino Unido
8O'Neill Institute for National and Global Health Law, Georgetown University Law Center, Washington,
Áreas temáticas: DC 20001, EUA
saúde e doença e epidemiologia 9Departamento de Biologia, Georgetown University, Washington, DC 20007, EUA
10Programa de Saúde Animal e Humana, International Livestock Research Institute, PO Box 30709-00100, Nairóbi,
Quênia
Palavras-chave: 11Departamento de Epidemiologia, Faculdade de Saúde Pública, Centro Médico da Universidade de Nebraska, Omaha, NE, EUA
risco zoonótico, risco epidêmico, acesso e compartilhamento

12Escola de Medicina Icahn em Mount Sinai, Nova York, NY, EUA
de benefícios, aprendizado de máquina, saúde global,
13Departamento de Ciências Biológicas, Louisiana State University, Baton Rouge, LA 70806, EUA
ecologia viral
14Departamento de Biologia, Pacific Lutheran University, Tacoma, WA, EUA
15Departamento de Microbiologia, Imunologia e Patologia, Faculdade de Medicina Veterinária e Ciências
Biomédicas, Colorado State University, Fort Collins, CO, EUA
Autor para correspondência:
16Departamento de Ciências Biológicas, Universidade de Arkansas, Fayetteville, AR 72701, EUA
Colin J Carlson
17Centro de Mudanças Climáticas e Saúde Planetária, Escola de Higiene e Medicina Tropical de Londres, Londres, Reino Unido
e-mail: colin.carlson@georgetown.edu 18Centro de Modelagem Matemática de Doenças Infecciosas, Escola de Higiene e Medicina Tropical de Londres, Londres, Reino Unido
19Centro para o Estudo do Risco Existencial, Universidade de Cambridge, Cambridge, Reino Unido
20Departamento de Microbiologia Médica e Doenças Infecciosas, Universidade de Manitoba, Winnipeg, Manitoba,

Canadá R3E 0J9
21Laboratório de Epidemiologia Molecular e Saúde Pública, Hopkirk Research Institute, Massey University,
Palmerston North, Nova Zelândia
22Departamento de Doenças Infecciosas e Saúde Global, Cummings School of Veterinary Medicine, Tufts
University, North Grafton, MA 01536, EUA
23Departamento de Saúde Pública e Medicina Comunitária, Faculdade de Medicina, Tufts University, Boston, MA
02111, EUA
24Universidade de Nairóbi, Nairóbi, Quênia
25EcoHealth Alliance, Nova York, NY 10018, EUA

26Law Futures Centre, Griffith Law School, Griffith University, Nathan, Queensland 4111, Austrália
27Departamento de Geografia e Instituto de Patógenos Emergentes, Universidade da Flórida, Gainesville, FL, EUA
28Escola de Ciências da Vida, Universidade de KwaZulu-Natal, Durban, África do Sul
29Paul G. Allen School for Global Health, Washington State University, Pullman, WA, EUA
30Departamento de Virologia e31Departamento de Biociências Veterinárias, Universidade de Helsinki, Helsinki, Finlândia
32Departamento de Engenharia Química, Carnegie Mellon University, Pittsburgh, PA 15213, EUA
33Programa Zoonotic Arbo and Respiratory Virus, Center for Viral Zoonoses, Department of Medical Virology, University
of Pretória, Pretória, África do Sul
34Departamento de Manejo Florestal e da Vida Selvagem, Universidade Maasai Mara, Narok 20500, Quênia
© 2021 Os Autores. Publicado pela Royal Society sob os termos da Creative Commons Attribution
Licença http://creativecommons.org/licenses/by/4.0/, que permite o uso irrestrito, desde que o original
autor e fonte são creditados.

CJC, 0000-0001-6960-8434; MJF, 0000-0003-0452-6993; de vírus primatas semelhantes, incluindo o progenitor do 2
BAH, 0000-0002-9948-3078; DMB, 0000-0002-7583-8495; HIV-2 [14-16]; e o surgimento de filovírus com o vírus
TD, 0000-0003-3328-9958; EAE, 0000-0002-1153-5356; Marburg em 1967 foi seguido quase uma década depois
royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

ACF, 0000-0002-0969-5078; KMF, 0000-0002-2112-2707;
pelo primeiroSudão vírus ebolaezaire ebolavirussurtos,
RG, 0000-0002-0965-1649; CCH, 0000-0002-8288-0288;
ambos em 1976 [17].
SJR, 0000-0002-4308-6321
Embora esses casos sejam anedóticos e poucos em número, as
semelhanças entre os eventos de emergência no tempo e no espaço
À luz da urgência levantada pela pandemia do COVID-19, é provável
apontam para a ideia amplamente aceita de que, embora os surtos
que o investimento global em virologia da vida selvagem aumente, e
individuais sejam idiossincráticos e (como eventos estocásticos
novos programas de vigilância identificarão centenas de novos vírus
autônomos) imprevisíveis, eles geralmente seguem padrões
que podem algum dia representar uma ameaça para os seres
previsíveis, que podem constituir a fonte bruta. materiais para um
humanos. Para apoiar a extensa tarefa de caracterização laboratorial,
procedimento de avaliação de risco zoonótico - definindo, por
os cientistas podem confiar cada vez mais em rubricas baseadas em
exemplo, as espécies de vírus, condições ou locais com maior risco
dados ou modelos de aprendizado de máquina que aprendem com
de causar ou experimentar esses eventos [18,19]. Por exemplo, um
zoonoses conhecidas para identificar quais patógenos animais podem
estudo de 2017, que visava prever fatores de risco para o
um dia representar uma ameaça à saúde global. Sintetizamos os
surgimento futuro de coronavírus, usou um modelo de regressão
resultados de um workshop interdisciplinar sobre tecnologias de risco
para mostrar que os mercados de vida selvagem previam taxas mais
zoonótico para responder às seguintes perguntas. Quais são os pré-
altas de positividade de coronavírus em morcegos; usou outro
requisitos, em termos de dados abertos, equidade e colaboração
modelo para estimar que centenas de coronavírus ainda podem ser
interdisciplinar, para o desenvolvimento e aplicação dessas

descobertos e usou uma abordagem de mapeamento para prever
ferramentas? Que efeito a tecnologia poderia ter na saúde global?
que a maioria dos sarbecovírus não descobertos seria encontrada
Quem controlaria essa tecnologia, quem teria acesso a ela e quem se
no sul da China e sudeste da Ásia [20]. Essas previsões foram
beneficiaria dela? Isso melhoraria a prevenção da pandemia? Isso
razoavelmente prescientes, dadas as prováveis origens do SARS-
pode criar novos desafios?
CoV-2 na península do sudeste asiático por meio da criação ou
comércio de vida selvagem 3 anos depois. Outro estudo usou
Este artigo faz parte da edição temática 'Macroecologia de
modelos simples de redes de compartilhamento viral para prever
doenças infecciosas: diversidade e dinâmica de parasitas em
que os texugos de furão podem ter sido um provável hospedeiro de
todo o mundo'.
ponte no surgimento do SARS-CoV-2 um ano antes de a espécie ser
sinalizada pela investigação das origens da Organização Mundial da
Saúde [6]. Embora essas abordagens possam não permitir que os
cientistas prevejam exatamente onde e quando o próximo surto
1. Introdução começará, elas permitem um tipo diferente de previsão,
Depois que a pandemia do COVID-19 terminar – ou mesmo antes [1]
– o mundo enfrentará outro surgimento de uma epidemia ou À medida que os vírus zoonóticos e seus hospedeiros animais não
ameaça pandêmica até então desconhecida, que provavelmente humanos (doravante animais) se tornam mais bem caracterizados, uma
será um novo vírus zoonótico. Isso é menos uma prova do estado da biblioteca crescente de dados virológicos está se tornando cada vez mais
saúde global e mais uma consequência básica da aritmética: até um disponível e acessível à comunidade científica, colocando pela primeira
em cada cinco vírus de mamíferos conhecidos tem a capacidade de vez esse procedimento de avaliação de risco ao alcance. Isso é cada vez
saltar para as populações humanas e apenas cerca de 1% dos vírus mais possível com a crescente aplicação do aprendizado de máquina
de mamíferos são atualmente conhecidas pela ciência [2,3]. Por para problemas de avaliação de risco. As origens zoonóticas são
exemplo, toda uma constelação de coronavírus distintos frequentemente descritas como um processo sequencial, no qual os
relacionados à SARS circula em morcegos e na China e no Sudeste patógenos devem passar por uma série de filtros biológicos, ecológicos e
Asiático [4,5], e pelo menos dois terços dos reservatórios ainda sociais que, de outra forma, impediriam seu surgimento [21,22]. Em cada
podem não ser identificados [6]. No entanto, mesmo os vírus mais uma dessas etapas, o aprendizado de máquina foi aplicado com sucesso
intensamente estudados e hospedeiros bem amostrados podem e confiabilidade para prever as origens animais de uma nova zoonose
abrigar uma diversidade desconhecida: Os vírus influenza A são [23,24], os potenciais hospedeiros de zoonoses desconhecidas [6,25], os
talvez a ameaça pandêmica futura mais amplamente aceita [7-9], fatores de risco ecológicos e antropogênicos para o transbordamento
mas novas cepas emergentes por meio de rearranjo na vida zoonótico [26,27], a capacidade de novos vírus de infectar humanos [28] e
selvagem e no gado geralmente são observadas apenas quando sua capacidade de transmitir em populações humanas [10,29]. Esses
atingem ou cruzam a interface animal-humano. Apesar da urgência modelos também foram usados para prever a gravidade da doença [30]
da pesquisa sobre a emergência zoonótica, a diversidade e a rápida e podem ser estendidos para prever a mortalidade no futuro [29,31].
evolução dos vírus representam um problema de escala para a Esses métodos têm sido particularmente úteis quando podem aproveitar
ciência acionável (figura 1). as assinaturas genômicas da adaptação e compatibilidade do hospedeiro
A próxima ameaça zoonótica pode não ser familiar para os [23,32], pois para muitos vírus, esses podem ser os únicos dados
virologistas, mas é mais provável que tenha pelo menos alguma disponíveis [33].
semelhança com as contrapartes anteriores. Um punhado de clados
virais faz o salto zoonótico com mais frequência e é mais provável que Aqui, nos concentramos em um subconjunto desse conjunto
continue se espalhando nas populações humanas [10-12]. Como emergente de métodos, que denominamostecnologia de risco zoonótico
resultado, novas epidemias zoonóticas geralmente remontam a surtos e definir como um sistema informático, modelo estatístico ou inteligência
anteriores: o coronavírus 2 da síndrome respiratória aguda grave (SARS- artificial que identifica pelo menos um dos dois traços virais que
CoV-2) compartilha 76% de seu genoma com o SARS-CoV e grande parte denominamos potencial zoonótico (que definimos como a capacidade de
de sua patologia [13]; o surgimento do grupo M do HIV-1 na década de um vírus animal infectar um hospedeiro humano) epotencial epidêmico
1920 foi seguido por mais uma dúzia de repercussões (capacidade de uma infecção zoonótica de causar doença e
3
1. amostra da vida selvagem 2. amostras de sequência 3. treine um 4. interpretar 5. experimental
para novos vírus e montar (meta-) modelo e faça resultados e ecológico

previsões caracterização e
prevendo
dados genômicos
avaliação de risco
potencial . . . GUUGAA...
. . . CGAG...
ameaças . . . AAUGCC...
P&D direcionado detecção de surtos, governança

soluções ecológicas fundamental injusto, fechado
para vacinas e preparação e desafios
para reduzir o transbordamento limites de dados ou ciência privatizada
terapêutica resposta
prevenindo armadilhas
futuro e
surtos barreiras
Figura 1.A tecnologia de risco zoonótico pode fazer parte de um pipeline científico mais amplo que conecta a descoberta viral e a vigilância de doenças da vida selvagem ao
desenvolvimento de soluções biomédicas e ecológicas para prever, prevenir e se preparar para futuros surtos. Criado com BioRender.com. (Versão online a cores.)
transmitir em populações humanas). Ao chamar essas ferramentas de (i) As tecnologias terão maior valor para a saúde global se forem
'tecnologia de risco zoonótico', pretendemos abranger uma gama mais tratadas como parte do processo de caracterização do risco,
ampla de sistemas do que apenas modelos preditivos (por exemplo, em vez de como um ponto final singular. Trabalho adicional
sistemas informáticos como bancos de dados que relatam fatores de é necessário para validar previsões, como investigações de
risco para emergência com base na opinião de especialistas) e que laboratório, mas pode ser caro em escala e potencialmente
podem se estender além deles (por exemplo, o físico máquinas que politicamente sensível.
podem armazenar essas ferramentas ou permitir sua implantação em (ii) A publicação acadêmica por si só é insuficiente para permitir a
configurações de campo). Mais importante, ao considerar essas implantação de ferramentas em programas de vigilância ou
ferramentas como um tipo de tecnologia emergente, não pretendemos cenários de resposta rápida a surtos; ferramentas fáceis de usar
sugerir nada sobre a validade ou valor científico das ferramentas, mas e de código aberto devem ser combinadas com a capacitação
sim focar a atenção em sua base de usuários, implementação e efeitos global em análises e mitigação de riscos.
em sistemas humanos mais amplos. Esse conjunto de abordagens tem (iii) O desenvolvimento e aplicação de tecnologia de risco
um escopo necessariamente definido de forma restrita, que não abrange zoonótico e o compartilhamento de dados para permitir
todos os componentes do 'risco'. Por exemplo, algoritmos de esses processos provavelmente envolverão questões críticas
aprendizado de máquina também podem ser aplicados para prever como propriedade, equidade e governança; essas questões
isolados zoonóticos de bactérias [34,35], e modelos semelhantes podem são consideradas centrais na saúde global, mas estudos
ser aplicados para identificar potenciais reservatórios de vida selvagem relevantes podem não interagir com pesquisas existentes
ou artrópodes vetores de zoonoses [25,36,37]. Da mesma forma, os sobre previsão de risco zoonótico.
padrões espaço-temporais da dinâmica viral em reservatórios de gado e
vida selvagem são uma peça crítica que falta em muitas avaliações de Exploramos cada uma dessas questões em profundidade aqui e
risco de transbordamento [38-40]. Depois que um patógeno transmissível discutimos possíveis caminhos para o trabalho interdisciplinar que
atinge os hospedeiros humanos, outro conjunto de fatores virológicos, podem ajudar a superar essas barreiras, identificar condições
sociais, econômicos e políticos determina se um evento de precedentes para seu uso e sinalizar possíveis limitações.
transbordamento se torna uma epidemia ou pandemia [41-44]. No

entanto, nos concentramos na ideia estritamente definida de tecnologia
de risco zoonótico como uma forma de operacionalizar um conjunto
específico de abordagens existentes para facilitar a identificação de vírus 2. Como funciona a tecnologia de risco zoonótico
com potencial zoonótico, Em sua essência, a tecnologia de risco zoonótico explora a suposição de que
vírus com potencial zoonótico não detectado são mais semelhantes a zoonoses
Para facilitar a discussão sobre esses tópicos, realizamos um conhecidas do que a vírus não zoonóticos. Os primeiros esforços se
workshop digital de um dia (o 'Fórum Verena sobre Tecnologia concentraram na identificação de características gerais que são comuns entre
de Risco Zoonótico') no Centro da Universidade de Georgetown as zoonoses conhecidas, como origens em clados de hospedeiros particulares
para Ciência e Segurança em Saúde Global em janeiro de 2021. [11,45,46] ou uma ampla gama de hospedeiros [47-49]. Essas abordagens são
abordagens computacionais e laboratoriais e para discutir úteis para identificar perfis comuns de como uma zoonose 'se parece' – por
aplicações ou desafios potenciais com profissionais de saúde exemplo, um vírus de RNA de cadeia simples transmitido por vetor com uma
globais, com foco em questões de equidade no ampla variedade de hospedeiros, incluindo primatas – que pode ser
compartilhamento de dados e implantação de tecnologia. Aqui, generalizado em vírus animais. Um dos únicos exemplos de tecnologia de risco
relatamos uma breve síntese de nossos achados. zoonótico disponível para uso público, a plataforma de classificação de risco
As tecnologias de risco zoonótico não são mais hipotéticas e estão viral SpillOver, usa essa abordagem para classificar 887 vírus com base em 31
emergindo rapidamente como aplicações práticas e concretas do fatores de risco [50]. Essas abordagens se beneficiam da generalidade e da
conhecimento científico. Essas ferramentas fazem parte do conjunto de interpretabilidade, mas pode ser limitado pela disponibilidade de dados; por
ferramentas preditivas mais amplo da ecologia viral e, como outros tipos exemplo, a variedade de hospedeiros raramente é caracterizada em vírus da
de modelos preditivos, são imperfeitas. Aqui, identificamos três grandes vida selvagem até que eles sejam uma ameaça conhecida à saúde humana e
barreiras à ciência acionável que os pesquisadores devem considerar podem sofrer vieses no esforço de estudo ou vigilância [51].
mais a fundo:
Além disso, avaliações baseadas em características podem ser limitadas e pode ser mais preditivo ao comparar hospedeiros ou patógenos 4
por aparentes contradições em padrões simples. Por exemplo, o em níveis taxonômicos mais baixos (ou seja, cepa viral até gênero ou

tamanho do genoma se correlaciona positivamente com o risco família viral).
zoonótico [52], mas foi relatado como tendo efeitos contraditórios na Não importa o quão sofisticadas essas abordagens se tornem, todas elas
transmissibilidade [10,12]; a replicação no citoplasma prediz de forma enfrentam a tarefa fundamental de superar as limitações dos dados [51].
semelhante o potencial zoonótico [11,53,54], mas também prediz a Apenas algumas centenas de vírus zoonóticos são conhecidos – um tamanho
transmissibilidade reduzida [10]. Cada um deles tem um efeito de amostra que é fundamentalmente limitante para inferência, mesmo quando
idiossincrático na avaliação de risco, mas as abordagens que reúnem o tratados como positivos em uma amostra de alguns milhares de vírus da vida
maior número possível de evidências podem ter como objetivo minimizar selvagem. Muitos grupos são cronicamente pouco estudados, mesmo após a
a influência de qualquer característica em um quadro geral de risco. descoberta de vírus zoonóticos (por exemplo, o gêneroTibrovíruspermanece
Os dados genômicos oferecem cada vez mais um caminho mal caracterizado, apesar da descoberta do vírus Bas-Congo em 2009 e das
alternativo para o trabalho preditivo. Os genomas são dados descobertas do vírus Ekpoma 1 e 2 em 2015), criando viés nos conjuntos de
inerentemente de alta dimensão, codificando informações dados de treinamento que geralmente levam os modelos a subestimar o risco
significativas sobre microbiologia e imunologia, e geralmente representado por patógenos desconhecidos. Os modelos que dependem
são o primeiro aspecto de um novo vírus a ser caracterizado, apenas da similaridade terão dificuldades com essas fontes de dados,
meses ou anos antes de sua ecologia. Um modelo simples pode enquanto aqueles que identificam corretamente os mecanismos subjacentes
ser treinado na semelhança de nucleotídeos de vírus em (por exemplo, correspondência viral com a composição genômica do
comparação com ameaças zoonóticas conhecidas, enquanto um hospedeiro) terão um desempenho melhor fora da amostra, embora distinguir
mais avançado também pode incluir similaridade em vieses de os dois possa ser um desafio. Da mesma forma, os genomas de muitos vírus
composição genômica [23,28]. Essa abordagem funcionou bem são apenas parcialmente caracterizados; modelos podem treinar em regiões
para o problema paralelo de inferir origens virais usando específicas do genoma, mesmo que os alvos disponíveis a partir de dados de
características genômicas que codificam sinais coevolutivos de sequenciamento possam não ser aqueles com maior relevância biológica (por
adaptação do hospedeiro. Por exemplo, a composição de exemplo um modelo recente treinado em sequências RdRp de betacoronavírus
dinucleotídeos CpG pode ser usada para identificar vírus pode identificar vírus zoonóticos com precisão razoável [66]). Os modelos
vertebrados [55,56], explorando uma adaptação viral que baseados no genoma também são inerentemente limitados pela constante
combina a composição genômica com o genoma dos evolução de novas linhagens virais [19,67]; enquanto os dados da sequência da
vertebrados, a fim de evitar as respostas imunes inatas em gripe são abundantes o suficiente para fazer modelos baseados em proteínas
busca de material não autogenético [57,58]. Esses padrões são que são um tanto insensíveis a esse problema [61], outras situações – como o
raros e mal compreendidos hoje [59], mas são assunto de surgimento de um novo coronavírus canino recombinante (alphacoronavirus 1)
interesse significativo. Para o risco zoonótico, é provável que um que pode infectar humanos – são mais difíceis de prever [68]. Além das
modelo identifique alguma combinação de adaptações características genômicas, os dados ecológicos sobre vírus costumam ser ainda
coevolutivas amplamente transferíveis que permitem que um mais limitados; por exemplo, os metadados sobre a gama de hospedeiros - um
vírus atravesse barreiras de espécies mais facilmente dentro de preditor chave em muitos estudos anteriores de risco zoonótico - são ainda
um grupo amplo (por exemplo, primatas ou vertebrados) e mais subdesenvolvidos, com 20 a 40% das associações ausentes até mesmo
padrões genômicos aleatórios que aumentam suas chances de nas menores redes com melhor amostragem [69]. Um estudo recente mostrou
infecção bem-sucedida de hospedeiros humanos (que eles que a incorporação de gráficos da rede hospedeiro-vírus pode melhorar o
podem nunca ter encontrado em sua história evolutiva). Por desempenho de um modelo genômico de potencial zoonótico viral -
exemplo, adicionando dados de alta dimensão a um modelo limitado a algumas
Com o tempo, é provável que as abordagens genômicas ultrapassem a similaridade e comecem a centenas de pontos - mas usando uma rede hospedeiro-vírus imputada
identificar preditores de compatibilidade viral com células humanas. Um modelo agnóstico de mecanismo pode previsões ainda mais aprimoradas, superando lacunas nos dados de intervalo
simplesmente colapsar genomas em centenas de recursos computacionais, identificar um pequeno punhado de de hospedeiros virais [70]. Como esses exemplos destacam, é provável que as
preditores significativos e generalizar esses padrões – mas só pode fazer isso com sucesso com dados suficientes. limitações de dados mudem à medida que os vírus são descobertos em uma
Por exemplo, grandes câmaras de compensação de sequências genômicas, como GISAID e o banco de dados de taxa crescente. Ainda assim, nesse ínterim, os especialistas continuarão
pesquisa da gripe NIAID, permitiram vários modelos que classificam com precisão o potencial zoonótico de cepas desenvolvendo soluções exclusivas para enfrentar a escassez de dados que
de influenza até o nível de proteína [60,61]. A decomposição dos genomas virais e a identificação das regiões mais avançarão tanto a biologia básica quanto as ferramentas computacionais de
relevantes para a emergência zoonótica podem abrir novos caminhos para a modelagem avançada que vai além aprendizado de máquina.
do reconhecimento de padrões. Por exemplo, os pesquisadores desenvolveram várias simulações estruturais para
explorar a afinidade de ligação entre a proteína spike dos receptores SARS-CoV-2 e ACE2 em células animais e
humanas [62,63], e a modelagem estrutural pode ser combinada com outros dados de características para prever É difícil definir como será a tecnologia de risco zoonótico nos
melhor o capacidade de várias espécies de mamíferos transmitirem SARS-CoV-2 [64]. Abordagens semelhantes próximos 10 anos. À medida que os modelos que preveem o
podem ser usadas para identificar o potencial zoonótico de outros vírus para os quais a estrutura da proteína de potencial zoonótico se tornam mais avançados, pode ser cada
superfície e o uso do receptor foram caracterizados [65]. Esses tipos de abordagens são, em última análise, vez mais possível também abordar o potencial epidêmico - um
limitados pela comparabilidade de diferentes estruturas nos genomas do hospedeiro e do patógeno, e a exemplo recente foi capaz de identificar vírus humanos
modelagem estrutural pode ser combinada com outros dados de características para prever melhor a capacidade transmissíveis com mais de 80% de precisão [10], enquanto
de várias espécies de mamíferos transmitirem SARS-CoV-2 [64]. Abordagens semelhantes podem ser usadas para outros apontaram para a possibilidade de que a mortalidade
identificar o potencial zoonótico de outros vírus para os quais a estrutura da proteína de superfície e o uso do pode também ser previsível [29,31] - e usar o aprendizado de
receptor foram caracterizados [65]. Esses tipos de abordagens são, em última análise, limitados pela máquina de forma mais completa para uma avaliação de risco
comparabilidade de diferentes estruturas nos genomas do hospedeiro e do patógeno, e a modelagem estrutural abrangente. É provável que esse campo nascente de pesquisa
pode ser combinada com outros dados de características para prever melhor a capacidade de várias espécies de cresça exponencialmente à medida que os investimentos pós-
mamíferos transmitirem SARS-CoV-2 [64]. Abordagens semelhantes podem ser usadas para identificar o potencial pandêmicos transformam os dados disponíveis que descrevem
zoonótico de outros vírus para os quais a estrutura da proteína de superfície e o uso do receptor foram o viroma global e o apoio institucional para modelagem de
caracterizados [65]. Esses tipos de abordagens são, em última análise, limitados pela comparabilidade de pesquisa e desenvolvimento (e treinamento associado no ensino
diferentes estruturas nos genomas do hospedeiro e do patógeno, superior).
e modeladores, prevemos que a precisão preditiva e a confiabilidade capazes de transmissão aérea [82,83], ou demonstrando o potencial de vírus 5
dessas tecnologias continuarão a crescer. Trabalhos anteriores, do tipo SARS de saltar de reservatórios de morcegos para populações humanas

especialmente de virologistas, mostraram-se céticos quanto à [84] - eles também enfrentam um escrutínio tremendo, devido aos riscos
possibilidade de essas abordagens se tornarem uma fonte confiável de potenciais ou percebidos de biossegurança e biossegurança, incluindo aqueles
inferência [51,67]; no entanto, trabalhos anteriores que antecipam o nível potencialmente decorrentes de pesquisas de uso duplo preocupantes [85].
de resolução preditiva que existe hoje também foram historicamente (Importantemente, a maioria das pesquisas de interação hospedeiro-vírus -
sujeitos a ceticismo semelhante. Superar essas preocupações pode exigir incluindoem vitroena Vivoinfecções experimentais - na verdade, não são
uma transição de modelos principalmente computacionais (às vezes experimentos de 'ganho de função', mas também podem ser rotulados ou
agnósticos de mecanismo) – que podem funcionar bem em qualquer identificados erroneamente como tal pelo público ou pela mídia.) Essas
tarefa, mas podem ser mais difíceis de interpretar através de diferentes preocupações provavelmente enfrentarão um escrutínio ainda maior, dadas as
lentes disciplinares – e para uma síntese conceitual mais profunda de conversas públicas sobre o SARS-CoV-2 ainda - origens desconhecidas e o
virologia e biologia computacional , focado na identificação das regras de surgimento de teorias de origem infundadas centradas em lapsos de
vida que sustentam as interações hostvirus através de uma lente biossegurança [86].
computacional. À medida que os modelos se tornam alimentados por Há uma enorme diversidade de abordagens experimentais parando
conjuntos de dados crescentes que catalogam o viroma global [2,71–75] e antes dos experimentos de ganho de função que podem ser usados
preditores microbiológicos mais complexos que capturam interações para validar modelos preditivos e oferecer uma visão mais
hospedeiro-vírus mais granulares, é difícil imaginar hoje o quão precisos operacionalizada do problema. Entre elas estão as infecções
e valiosos eles podem se tornar. Se o seu potencial para a saúde global se experimentais para testar a capacidade de entrada e uso de receptores
manifestar, devemos nos preparar agora para nos proteger contra o nas células, replicação, patogênese, evasão das respostas imunes do
potencial uso indevido, incluindo a monopolização em países de alta hospedeiro, montagem e saída e transmissão subsequente [80,87].
renda, e antecipar importantes questões de equidade, incluindo a Embora as infecções experimentais de modelos de animais vivos [88] ou
distribuição equitativa dos benefícios decorrentes de seu uso. colônias de animais selvagens em cativeiro sejam frequentemente
críticas para responder a essas perguntas, váriosem vitroabordagens
também poderiam ser usadas mais extensivamente em parceria com o
trabalho baseado em modelos.Em vitromodelos de laboratório, incluindo
linhagens celulares ou organoides, podem facilitar a identificação de
3. Conectando trabalho computacional e empírico receptores hospedeiros necessários para a entrada viral ou fatores
A tecnologia de risco zoonótico pode sugerir quais vírus podem ter imunológicos chave que influenciam a replicação viral no hospedeiro
potencial zoonótico, com um grau de incerteza não trivial, mas reservatório [89]. Partículas de pseudovírus incompetentes para
confirmar ainda mais esse risco requer caracterização laboratorial. replicação e sistemas de replicon viral não infeccioso e autorreplicante
Por exemplo, a replicação viral bem-sucedida em humanos requer permitem que os pesquisadores caracterizem interações moleculares
dezenas a centenas de interações proteína-proteína, que podem não específicas entre hospedeiro e vírus emem vitrosistemas, ou testar a
ser previstas apenas a partir de dados de sequência viral e requerem eficácia de intervenções terapêuticas, sem a necessidade de medidas
caracterização laboratorial [76-78]. Por outro lado, um dos maiores elevadas de biocontenção que podem acompanhar o uso do vírus vivo.
pontos fortes dessas ferramentas é a capacidade de restringir a lista Cada uma dessas abordagens laboratoriais pode oferecer métodos
de (potencialmente milhões de) vírus para procedimentos de direcionados para validar previsões de modelos de aprendizado de
avaliação de risco que exigem experimentos complicados e às vezes máquina, como compatibilidade vírus-humano, capacidade de replicação
caros. Por exemplo, a avaliação experimental da competência do viral e infecção produtiva e patologia da doença, tropismo de tecidos ou
hospedeiro pode exigir o estabelecimento de linhagens de células cursos de infecção. Muitos desses métodos podem ser usados sem a
de novas espécies [79] ou sistemas de organismos não modelo em necessidade de laboratórios de alta contenção, o que é particularmente
laboratório com um conjunto de desafios associados, incluindo importante para garantir que uma ampla variedade de diferentes grupos
requisitos únicos de alojamento, baixa fecundidade, falta de virais possa ser estudada com segurança, mas em escala e em contextos
disponibilidade comercial, poucas espécies específicas reagentes de de países.
laboratório e, muitas vezes, dados de linha de base escassos para O trabalho experimental pode ajudar ainda mais a identificar as
apoiar as avaliações de saúde. Concentrar-se no estabelecimento barreiras moleculares (modeláveis) para a emergência zoonótica. Cada
desses sistemas para os vírus da vida selvagem com o maior risco estágio do ciclo de vida viral representa uma oportunidade para
previsto pode ser uma maneira de direcionar o esforço e minimizar melhorar o desempenho do modelo, mas exigirá a coleta e a
os custos, especialmente se as etapas de validação do modelo forem reconciliação de dados em vários sistemas host-vírus e abordagens
construídas para validar o raciocínio biológico subjacente (por experimentais. Por exemplo, é provável que os experimentos de
exemplo, prever a entrada na célula com base nas sequências do laboratório melhorem muito o desempenho do modelo a montante,
receptor seguido por testes funcionais de alto rendimento [80]). Por oferecendo novos tipos de dados de previsão que refletem os vários tipos
outro lado, o trabalho experimental apontará para novas de respostas do hospedeiro à infecção. Estes podem incluir amplos dados
necessidades no desenvolvimento de modelos (por exemplo, comparativos sobre respostas transcriptômicas ou proteômicas do
hospedeiro à infecção [90], ou interações proteína-proteína do vírus
Este aspecto da avaliação de risco zoonótico pode ser complicado hospedeiro [77], que podem ajudar a identificar os mecanismos de
por preocupações de que isso pode exigir experimentos de ganho de infecção e patogênese em humanos, mesmo quando coletados de
função, que usam edição genética ou experimentos de adaptação sistemas de modelo animal [90] . Por meio de uma melhor colaboração
forçada para induzir novos fenótipos, potencialmente expandindo a entre modeladores estatísticos e empiristas, o desenvolvimento futuro de
variedade de hospedeiros, patogênese ou modo de transmissão de um tecnologias de risco zoonótico pode validar ou falsificar iterativamente as
patógeno [ 81]. Embora esses experimentos tenham sido críticos para previsões do modelo, ajudando a melhorar a precisão e a aplicabilidade
trabalhos anteriores - por exemplo, demonstrando o potencial epidêmico dos modelos preditivos ao longo do tempo. Embora algumas publicações
da gripe aviária altamente patogênica por meio de mutagênese de modelagem possam, portanto, recomendar caracterização adicional
direcionada e passagem serial para recuperar um vírus de vírus específicos, isso
será improvável que ocorra sem uma parceria ativa entre modeladores e na vida selvagem (por exemplo, o surgimento de uma linhagem do vírus Nipah 6
experimentalistas, uma vez que a prioridade é frequentemente colocada com maior transmissibilidade estimada, uma preocupação de longa data em

em ameaças conhecidas e recorrentes. alguns círculos de biossegurança [93]).
De forma mais ampla, essas ferramentas podem encontrar aplicações em programas existentes de vigilância One Health focados em
interfaces de alto risco entre animais selvagens, domésticos e cativos e humanos. É provável que a tecnologia de risco zoonótico seja mais
acionável em pequenas escalas: um inventário local de vírus da vida selvagem pode ser classificado de acordo com risco, frequência e grau de
4. Teoria para tecnologia, tecnologia para kit de ferramentas contato humano-animal, com os vírus de maior risco incorporados de volta às prioridades de vigilância local. Para estudos relatando a descoberta
A maioria das tecnologias de risco zoonótico é desenvolvida com a de novos vírus animais, esta etapa pode ser simples como uma análise adicional, com pelo menos um exemplo publicado deste caso de uso [94].
intenção declarada de contribuir positivamente para a saúde humana e No entanto, se os estudos forem planejados com esses tipos de avaliação em mente, eles também poderão coletar dados adicionais com grande
reduzir a carga futura de vírus zoonóticos emergentes. No entanto, o valor. Por exemplo, a descoberta viral baseada em sequência geralmente se concentra apenas em leituras virais e descarta dados do host [95]. Os
conhecimento de que um vírus representa uma ameaça à saúde humana dados da sequência derivada do hospedeiro contêm informações cruciais sobre a resposta do hospedeiro que podem fornecer informações sobre
geralmente existe por anos, até décadas, antes de um surto catastrófico o potencial patogênico de um determinado vírus em um animal ou hospedeiro humano, permitindo maior priorização de vigilância tanto do
[33]. A tecnologia de risco zoonótico pode, portanto, ter benefícios hospedeiro quanto das espécies de vírus. O uso desses estudos também é limitado pela qualidade dos dados compartilhados no domínio público:
limitados para a saúde global sem um trabalho cuidadoso e intencional compartilhamento de dados padronizados e validados, como identificação da espécie hospedeira, localização, tipo de espécime e data de coleta
focado na aplicação e na capacidade de ação. O pipeline de em um recurso centralizado, em vez de perdido em uma publicação (se houver), é um dos primeiros passos para uma abordagem
desenvolvimento de tecnologia, implementação e mitigação de riscos verdadeiramente colaborativa. Os dados da sequência derivada do hospedeiro contêm informações cruciais sobre a resposta do hospedeiro que
provavelmente só terá sucesso no início em casos de uso específicos e podem fornecer informações sobre o potencial patogênico de um determinado vírus em um animal ou hospedeiro humano, permitindo maior
restritos. priorização de vigilância tanto do hospedeiro quanto das espécies de vírus. O uso desses estudos também é limitado pela qualidade dos dados
Primeiro, e mais fundamentalmente, o trabalho de modelagem preditiva

compartilhados no domínio público: compartilhamento de dados padronizados e validados, como identificação da espécie hospedeira, localização,
sempre será desconectado da saúde global se o ponto final estiver na tipo de espécime e data de coleta em um recurso centralizado, em vez de perdido em uma publicação (se houver), é um dos primeiros passos para
literatura acadêmica. Este é particularmente o caso se os grupos de pesquisa uma abordagem verdadeiramente colaborativa. Os dados da sequência derivada do hospedeiro contêm informações cruciais sobre a resposta do
estiverem separados geográfica e praticamente dos impactos diretos de hospedeiro que podem fornecer informações sobre o potencial patogênico de um determinado vírus em um animal ou hospedeiro humano,
potenciais eventos de transbordamento e optarem por não buscar colaboração permitindo maior priorização de vigilância tanto do hospedeiro quanto das espécies de vírus. O uso desses estudos também é limitado pela
e troca de conhecimento com especialistas locais, limitando tanto o qualidade dos dados compartilhados no domínio público: compartilhamento de dados padronizados e validados, como identificação da espécie
conhecimento disponível para projetar e contextualizar adequadamente o hospedeira, localização, tipo de espécime e data de coleta em um recurso centralizado, em vez de perdido em uma publicação (se houver), é um
trabalho quanto os canais disponível para possível divulgação e divulgação. dos primeiros passos para uma abordagem verdadeiramente colaborativa.
Desafios semelhantes foram identificados para problemas de modelagem

relacionados, como o desenvolvimento e implantação de sistemas de alerta
precoce ou previsão de epidemias em tempo real [91,92]. Envolver Uma vez que os vírus de alto risco são identificados e relatados em
profissionais, formuladores de políticas e partes interessadas no design estudos de monitoramento da vida selvagem, esses patógenos também
participativo, a liberação e a melhoria contínua da infraestrutura podem ser identificados e sinalizados anteriormente em amostras coletadas
provavelmente aumentarão o valor da tecnologia de risco zoonótico, assim por programas que monitoram passivamente a saúde de populações humanas
como o design de ferramentas abertas com interfaces públicas (software de de alto risco (por exemplo, criadores de gado ou comerciantes de vida
código aberto ou sites, por exemplo, FluLeap: https://fluleap.bic.nus.edu.sg/ ) e selvagem) e hospedeiros sentinelas como o gado, ou rastrear ativamente
com base em dados abertos e interpretáveis. Essas ferramentas devem ser populações humanas em busca de novos patógenos, investigando doenças
adaptáveis para refletir com mais precisão os avanços científicos, bem como febris não diagnosticadas [96-99]. A mudança comportamental ou as
as mudanças nas necessidades dos usuários ao longo do tempo. Eles devem intervenções de segurança ocupacional podem então ser direcionadas para
relatar métricas de risco apropriadas, interpretáveis e localmente relevantes reduzir o risco de transbordamento para populações humanas de alto risco,
para informar a tomada de decisões, com a incerteza apresentada da forma embora possam ser mais viáveis ou bem-sucedidas se visarem a exposição
mais transparente possível, incluindo de onde vem a incerteza (por exemplo, arriscada a espécies hospedeiras específicas com vários vírus de alto risco e
limitações de dados versus calibração do modelo) e como a incerteza se contato humano frequente (especialmente se eles já correspondem às
correlaciona com as variáveis de resultado. Os cientistas também podem ser prioridades locais), protegendo assim contra toda a suaviroma zoonótico.Por
chamados a desenvolver uma nova linguagem para transmitir o risco exemplo, enquanto o vírus Nipah é a ameaça zoonótica de maior prioridade
dependente do contexto e comunicar a incerteza a diferentes públicos, hospedada pelo morcego-da-fruta indiano (Pteropus medius),intervenções que
incluindo a negação adequada de resultados, de modo que as respostas reduzem a exposição de Nipah em humanos também podem proteger contra
públicas, privadas ou do setor de saúde não reajam exageradamente a os outros 50 vírus que esses morcegos hospedam [100]. Da mesma forma, o
previsões de alto risco nem reajam de forma insuficiente a previsões de baixo reservatório do vírus Lassa carrega várias outras zoonoses bacterianas, e o
risco. -previsões de risco. Esse desafio duradouro se estende a muitos outros controle de roedores pode reduzir o risco de transmissão em toda essa gama
aspectos da saúde global e da ecologia das doenças. de ameaças [101]. Embora muitos desses reservatórios sejam conhecidos hoje
por seu papel no transbordamento de patógenos, várias outras espécies de
alto risco são presumivelmente desconhecidas; com base em trabalhos
Pelo menos no curto prazo, é improvável que qualquer resposta anteriores que caracterizam o risco zoonótico usando características ecológicas
específica, coordenada e eficaz seja mobilizada com base apenas na correlacionadas com 'hiperreservatórios' [25], pesquisas futuras podem incluir
identificação de um novo vírus com potencial zoonótico. A escassez a caracterização dos viromas dessas espécies e a estimativa do risco que elas
de recursos impede o desenvolvimento de sistemas de vigilância representam em conjunto.
individuais ou programas de pesquisa e desenvolvimento
biomédicos para cada um dos milhares de vírus da vida selvagem
com potencial zoonótico; os programas existentes focados no
conjunto mais restrito de ameaças de alto risco avaliadas por 5. A falha em compartilhar os benefícios de forma equitativa pode limitar o
especialistas (por exemplo, vírus influenza A, betacoronavírus ou
henipavírus) já estão sobrecarregados. Esses programas podem, no impacto
entanto, se beneficiar da tecnologia que identifica mudanças Como o fracasso em garantir o acesso global a diagnósticos,
evolutivas relevantes para zoonoses em vírus circulantes. terapias e vacinas durante a pandemia de COVID-19
7
Caixa 1.Dar crédito aos pesquisadores por dados de sequência aberta reutilizados.

Quando o 'big data' se torna disponível em escalas que permitem o aprendizado de máquina (ou outra análise secundária
intensiva), os pesquisadores que compilaram os dados geralmente recebem crédito exponencialmente decrescente por meio de
incentivos acadêmicos. Os repositórios de dados públicos existentes, incluindo GISAID e NCBI GenBank, não possuem atribuição
de fonte indexável para dados de sequência. O GISAID exige o reconhecimento da fonte, mas esse reconhecimento não é uma
métrica rastreável que contribui para o desenvolvimento da carreira; da mesma forma, os números de acesso do GenBank
auxiliam na reprodutibilidade das análises, mas não são indexados e não podem ser facilmente rastreados pelos colaboradores
como uma métrica de carreira. Isso pode desincentivar o compartilhamento de dados abertos se for visto como uma tarefa 'não
promovivel' para aqueles que geram os dados,
Além disso, esse sistema atualmente beneficia mais os usuários de repositórios de dados públicos do que aqueles que geram os dados. Em
vários casos durante a pandemia do COVID-19, os laboratórios que geram dados da sequência do SARS-CoV-2 foram sobrecarregados com a
resposta à pandemia e não conseguiram anotar, analisar e publicar seus dados antes que os laboratórios computacionais ou acadêmicos os usassem
em suas próprias publicações. . Práticas semelhantes são particularmente divisivas quando os pesquisadores usam dados gerados por laboratórios
de saúde pública em países em desenvolvimento sem coautoria, colaboração ou citação indexada da fonte.
Uma solução potencial seria um DOI indexado para dados de sequência; abordagens semelhantes são usadas para dados agregados na
pesquisa de biodiversidade (por exemplo, pelo Global Biodiversity Informatics Facility; gbif.org) e, embora muitos estudos não sigam as
recomendações para atribuição adequada, esses procedimentos são um primeiro passo razoável para um crédito justo.
demonstrado [102], a distribuição dos benefícios das tecnologias de saúde, particularmente novas tecnologias, é Protocolo de Nagoya sobre Acesso a Recursos Genéticos e
desigual e uma injustiça global. A saúde global não deve simplesmente aspirar aos princípios de equidade em Repartição Justa e Equitativa dos Benefícios Derivados de sua
saúde e justiça social, mas também deve tornar o acesso equitativo a tecnologias que salvam vidas uma condição Utilização (Protocolo de Nagoya) à Convenção sobre Diversidade
precedente para seu desenvolvimento e uso. Isso deve ser uma prioridade no desenvolvimento e uso da Biológica. Sob o Protocolo de Nagoya, os países podem
tecnologia de risco zoonótico, que também pode representar um conjunto único de problemas para implementar legislação doméstica que exige que pesquisadores
pesquisadores e profissionais. Essas tecnologias dependem do compartilhamento aberto de dados, tanto para estrangeiros que buscam acesso a amostras de patógenos, ou
criar conjuntos de treinamento suficientes para inteligência artificial quanto para aplicá-los de fato na avaliação de em alguns casos até mesmo dados relacionados a essas
riscos e mitigação subsequente. Esforços da comunidade para compartilhar dados de sequências humanas e amostras, obtenham o consentimento prévio informado do país
animais em escalas suficientes (ou seja, para gerar conjuntos de recursos para aprendizado de máquina e a conclusão de termos mutuamente acordados que incluem
avançado) existem apenas para alguns vírus de alto perfil, quase exclusivamente como parte da coordenação repartição de benefícios, como atribuição em publicações,
internacional sobre preparação e resposta a pandemias (por exemplo, compartilhamento de dados de influenza A capacitação, transferência de tecnologia ou direitos de
e SARS-CoV-2 por meio da plataforma GISAID), enquanto repositórios para todos os fins, como o GenBank, ainda propriedade intelectual. Dependendo dos termos acordados, o
capturam apenas uma fração dos vírus conhecidos (já que muitos são gargalos pela ratificação taxonômica) e uso de dados de sequências genéticas derivados de amostras de
carecem de metadados essenciais necessários para a previsão. Ambos enfrentam desafios em relação aos patógenos pode ser restrito, inclusive impedindo o
contribuintes que recebem crédito e atribuição para pesquisa (especialmente estudos de modelagem) com base compartilhamento de dados de sequências em bancos de dados
nos dados que eles enviam (caixa 1). enquanto repositórios para todos os fins, como o GenBank, ainda capturam de acesso aberto,
apenas uma fração dos vírus conhecidos (já que muitos são gargalos pela ratificação taxonômica) e carecem de Dado que um número crescente de laboratórios é capaz de sintetizar
metadados essenciais necessários para a previsão. Ambos enfrentam desafios em relação aos contribuintes que prontamente vírus a partir de suas sequências genômicas (por exemplo,
recebem crédito e atribuição para pesquisa (especialmente estudos de modelagem) com base nos dados que eles varíola [103] e SARS-CoV-2 [104]), há preocupações de que a barganha
enviam (caixa 1). enquanto repositórios para todos os fins, como o GenBank, ainda capturam apenas uma fração subjacente aos regimes de acesso e compartilhamento de benefícios
dos vírus conhecidos (já que muitos são gargalos pela ratificação taxonômica) e carecem de metadados essenciais fornecidos por amostras físicas— como os estabelecidos no Protocolo de
necessários para a previsão. Ambos enfrentam desafios em relação aos contribuintes que recebem crédito e Nagoya - podem estar em fluxo. Se as tecnologias de risco zoonótico
atribuição para pesquisa (especialmente estudos de modelagem) com base nos dados que eles enviam (caixa 1). permitem que os pesquisadores identifiquem vírus de alto risco com
razoável certeza antes da caracterização laboratorial, isso pode adicionar
Esses problemas tornam-se mais complexos no que diz respeito à uma camada adicional de complexidade. O compartilhamento e a síntese
implantação da própria tecnologia de risco zoonótico. Inicialmente, pode de sequências do SARS-CoV-2, além da falha global em distribuir
haver resistência ao uso dessas ferramentas: os cientistas que coletam equitativamente vacinas, diagnósticos e terapêuticas associadas, podem
novos dados de sequência podem legitimamente hesitar em carregar motivar tentativas de abordar expressamente essas lacunas nos
dados não publicados em ferramentas on-line da Web para previsão de instrumentos jurídicos internacionais. Estes podem incluir, por exemplo,
risco zoonótico sem proteções claras e aplicáveis contra a reutilização de possível revisão do Regulamento Sanitário Internacional (2005) ou do
dados pelos curadores de tais ferramentas, mesmo se essas ferramentas Protocolo de Nagoya, ou nova lei internacional, como um Tratado de
são selecionadas por terceiros confiáveis (embora o acesso a essa Pandemia. Qualquer reforma de governança internacional deve
tecnologia possa alterar inerentemente a dinâmica do poder). Esta é considerar ativamente a importância, em pé de igualdade, do
apenas uma preocupação de um conjunto mais amplo de questões em compartilhamento de dados abertos e o compartilhamento equitativo
torno acesso e repartição de benefíciospara vigilância viral. Baseados nos dos benefícios de novas tecnologias, como a tecnologia de risco
direitos soberanos dos países para determinar o uso dos recursos em seu zoonótico.
território, os regimes de acesso e repartição de benefícios buscam Mesmo que as tecnologias de risco zoonótico sejam facilmente aplicadas
reparar e prevenir as injustiças decorrentes da exploração dos recursos sem desafios em relação ao compartilhamento de dados de sequência, pode
genéticos e da repartição desigual dos benefícios decorrentes de seu uso. haver lacunas entre as intenções e a ciência acionável. Quando vírus de alto
Algumas proteções e normas sobre o compartilhamento de amostras risco são identificados, as descobertas podem ser mantidas em sigilo até
físicas de patógenos e os benefícios decorrentes de seu uso são refletidas serem publicadas muito mais tarde em periódicos revisados por pares, tanto
no para proteger o crédito pelas descobertas científicas quanto para
acomodar a hesitação dos governos em divulgar informações que sequências de proteínas de pico de coronavírus que podem infectar 8
possam criar medo ou estigmatização. Isso poderia reforçar a células humanas [105]. Essas abordagens podem apoiar o trabalho

desconexão entre amostragem viral e ciência acionável para a saúde biomédico; por exemplo, proteínas de pico sintéticas podem ser usadas
pública global. Atualmente, os anúncios sobre a descoberta de vírus para testar uma candidata a vacina universal de betacoronavírus quanto
animais notáveis são frequentemente feitos ad hoc, seja por ao seu valor em 'espaço evolutivo não amostrado'. No entanto, se as
comunicado à imprensa ou por métodos convencionais de publicação. Se empresas biomédicas tentarem patentear essas sequências, poderão
a tecnologia de risco zoonótico se tornar uma parte amplamente adotada criar novos problemas para o futuro compartilhamento de amostras,
da vigilância, novos processos de governança provavelmente precisarão desenvolvimento terapêutico e de vacinas ou resposta a surtos se algum
ser desenvolvidos para proteger as carreiras e o crédito dos dia os vírus com a sequência relevante surgirem potencialmente às
pesquisadores, mas também garantir que os anúncios sejam custas de alguns países mais do que de outros. Embora questões
transparentes e verificáveis, especialmente se resultados alarmantes ou semelhantes tenham sido levantadas antes durante surtos zoonóticos
incomuns (por exemplo, a descoberta hipotética de um filovírus com [106], a novidade dezoonoses simuladas pode criar novas complicações
potencial zoonótico em morcegos nos EUA) provavelmente motivarão para a lei de propriedade intelectual. Além disso, algoritmos de
preocupação pública ou internacional. classificação viral ou sequências de vírus simuladas artificialmente
Outro conjunto de questões pode surgir sobre quem se beneficia da tecnologia de risco também podem ser usados por um ator mal-intencionado, destacando a
zoonótico. Parece plausível que essas tecnologias possam se beneficiar principalmente do necessidade de envolver estudos do campo de 'uso duplo' da bioética.
esforço de pesquisa e compartilhamento de dados que ocorre em países tropicais, onde
acredita-se que a diversidade viral zoonótica seja maior [11]. No entanto, seu
desenvolvimento pode promover principalmente as carreiras de pesquisadores em países de

alta renda na América do Norte e na Europa, principalmente se desenvolvido por
especialistas que não estão sintonizados com a dinâmica de poder na saúde global.
6. Previsão não é prevenção
Igualmente preocupante, identificamos a possibilidade de que essas ferramentas sejam A tecnologia de risco zoonótico pode se tornar um ativo no kit de
amplamente desenvolvidas como 'algoritmos de avaliação de risco' proprietários por ferramentas de doenças emergentes, mas exagerar nessa
programas corporativos de 'ciência de dados para impacto', empresas globais de saúde com tecnologia ou subestimar a incerteza levará a divergências evitáveis
fins lucrativos e organizações sem fins lucrativos, assim como foram para o desenvolvimento entre as expectativas e as possibilidades científicas. Os modelos
de programas de seguro pandêmico ou análises semelhantes. Nessas circunstâncias, e sem podem ter aplicações clínicas e de campo profundas, mas a
governança apropriada, os países com o maior fardo de emergência zoonótica podem ter incerteza em torno das estimativas de risco e a probabilidade de
seus próprios dados (reembalados em um formato analítico) vendidos de volta a eles por previsões imprecisas devem ser comunicadas com cuidado. Como
cientistas e corporações de países de alta renda. O compartilhamento aberto da pesquisa parte disso, diferenças epistêmicas em concepções disciplinares de
acadêmica pode ajudar os cientistas a minar essa tendência e fornecer ferramentas incerteza podem precisar ser superadas: por exemplo, um modelo
diretamente aos usuários finais em saúde pública, ou auxiliá-los no desenvolvimento de suas pode cometer 'erros' simplesmente porque a realidade é uma
próprias ferramentas, mas pode simplesmente acelerar os avanços na tecnologia de risco observação estocástica de cenários de risco subjacentes e uma
zoonótico sem alterar a estrutura colonial existente da saúde global. Envolver pesquisadores tecnologia que infere corretamente probabilidades ou cenários de
de países de baixa e média renda - e apoiar sua liderança neste campo (particularmente, em risco ainda nunca representará perfeitamente a realidade. (Estes
maior medida, em futuros workshops sobre este tópico, que poderia avançar esta questão podem jogar em outras tensões disciplinares sobre o que 'previsão'
mais do que o presente workshop fez) - ajudará a limitar essas deficiências. Isso pode ser significa: para especialistas em saúde pública e para o público, a
particularmente facilitado usando oficinas virtuais (com atenção aos diferentes desafios de previsão é muitas vezes sinônimo de antecipar eventos futuros, mas
acessibilidade) e apoiando oficinas presenciais em todo o mundo, e coordenando a para os biólogos computacionais, pode ser usado com mais
participação proativamente por meio de doenças zoonóticas e redes laboratoriais (por frequência para descrever inferências precisas sobre possibilidades
exemplo, SEAOHUN, OHCEA ou a rede de centros CREID ). Envolver pesquisadores da biológicas.) Além disso, não há substituto para o trabalho
disciplina de estudos de ciência e tecnologia também pode levar a uma avaliação mais experimental e a virologia de bancada desempenhará um papel
honesta e crítica das questões éticas que envolvem a tecnologia emergente e quem ela crítico para gerar os dados necessários para o desenvolvimento e
beneficia ou prejudica. e coordenando a participação proativamente por meio de doenças validação do modelo. A tecnologia de risco zoonótico também não
zoonóticas e redes laboratoriais existentes (por exemplo, SEAOHUN, OHCEA ou a rede de substitui a preparação geral da saúde pública; embora essas
centros CREID). Envolver pesquisadores da disciplina de estudos de ciência e tecnologia ferramentas possam ser usadas no futuro para estimar o risco
também pode levar a uma avaliação mais honesta e crítica das questões éticas que envolvem representado por vírus recém-descobertos assim que o primeiro
a tecnologia emergente e quem ela beneficia ou prejudica. e coordenando a participação genoma estiver disponível, é provável que muitos vírus continuem a
proativamente por meio de doenças zoonóticas e redes laboratoriais existentes (por entrar nas populações humanas antes de serem caracterizados em
exemplo, SEAOHUN, OHCEA ou a rede de centros CREID). Envolver pesquisadores da animais.
disciplina de estudos de ciência e tecnologia também pode levar a uma avaliação mais
honesta e crítica das questões éticas que envolvem a tecnologia emergente e quem ela Portanto, alertamos que os investimentos em pesquisa e
beneficia ou prejudica. desenvolvimento em tópicos como aprendizado de máquina ou
genômica de vírus animais não devem prejudicar outros tipos essenciais
Finalmente, prevemos que a tecnologia de risco zoonótico pode de trabalho de modelagem (por exemplo, trabalho focado na
replicar os problemas existentes e potencialmente criar novos problemas transmissão e disseminação de vírus ou identificação das lacunas de
éticos e de governança embiologia sintética.Assim como as redes neurais vigilância mais importantes), ou mais importante, à custa de
convolucionais e outros tipos de inteligência artificial podem ser usadas investimentos não tecnológicos no fortalecimento dos sistemas de saúde,
para fabricar imagens realistas inteiramente por meio de algoritmos incluindo a obtenção de cobertura universal de saúde e aspectos
preditivos (por exemplo, thispersondoesnotexist.com), a tecnologia de semelhantes de preparação para pandemias. Da mesma forma, é
risco zoonótico pode ser usada para gerar novas sequências virais (e possível que o interesse em vírus zoonóticos pré-emergentes possa
vírus potencialmente sintéticos) com alto risco zoonótico previsto. e entrar em conflito, redirecionar ou minar as prioridades locais, como
potencial epidêmico. Os pesquisadores já usaram essas abordagens para água e doenças transmitidas por alimentos (e saneamento), agricultura,
simular alternativas doenças transmissíveis de alta carga (por exemplo, HIV-AIDS, tuberculose
e malária) ou doenças não transmissíveis; as intervenções podem até
7. Conclusão 9
perturbar os interesses e normas locais, enfraquecendo potencialmente
No momento, os esforços para prever a 'Doença X' - uma

a resposta a surtos durante emergências. Se o período pós-pandêmico
for dominado por esse subconjunto restrito de prioridades de pesquisa,
ameaça desconhecida que um dia poderá atingir os
os pesquisadores precisarão ser individualmente cuidadosos para
humanos - dependem de uma mistura de opinião de
apresentar com precisão e justiça o valor e a importância de seu trabalho
especialistas e virologia de laboratório. Nos próximos anos,
(um imperativo que será encorajado por esforços para reduzir a escassez
os pesquisadores poderão confiar cada vez mais na
de financiamento neste espaço).
inferência estatística e na inteligência artificial como outra
Ao mesmo tempo, é indiscutível que a tecnologia de linha de evidência. A disponibilidade dessas ferramentas
risco zoonótico é atualmente limitada tanto no pode tornar os programas de vigilância de doenças da vida
desenvolvimento quanto na aplicação pela escassez de selvagem mais impactantes e conectar melhor seu trabalho
dados, e que a única solução para isso é a continuidade ou à prevenção de surtos, mas apenas se as muitas barreiras à
maior investimento na coleta de dados – particularmente ciência acionável forem identificadas e abordadas de forma
em ciência básica. O investimento pós-pandêmico em proativa. O primeiro e mais fundamental passo é construir
programas coordenados para descoberta viral, vigilância uma comunidade global de ciência aberta que busca um
One Health, virologia de bancada e outros tipos de trabalho colaborativo, interdisciplinar e impactante no nexo
capacidade laboratorial provavelmente gerará dados vitais de virologia, biologia computacional e saúde global.
que podem melhorar o desempenho dessas tecnologias e
remediar lacunas críticas em nossa compreensão atual do
mundo global. viroma. Estes serão mais eficazes se os

investimentos forem maximizados nos pontos críticos de Acessibilidade de dados.Este artigo não possui dados adicionais.
emergência zoonótica, se os modeladores estiverem Contribuições dos autores.Todos os autores contribuíram para a redação do
envolvidos no processo para apoiar a coleta e manuscrito.
processamento de dados em formatos reutilizáveis, Interesses competitivos.Declaramos que não temos interesses concorrentes.
Financiamento.CJC, MJF e o Verena Consortium receberam o apoio do
Finalmente, sugerimos que é necessário um trabalho NSF BII 2021909. O MJF recebeu o apoio da University of Toronto EEB
contínuo para avaliar a precisão e o valor dessas Fellowship. NM foi apoiado pelo Wellcome Trust (217221/Z/19/Z). O KJO é
apoiado pelo Instituto Nacional de Alergia e Doenças Infecciosas dos
tecnologias, que a transparência e a incerteza sejam as
Institutos Nacionais de Saúde (U01AI151797) e pela Agência de Redução
principais facetas de sua apresentação e, mais importante, de Ameaças de Defesa (HDTRA11710064).
que a comunidade científica permaneça preparada para Reconhecimentos.Agradecemos a Simon Anthony, Eddie Holmes,
'surpresas'. (Em um exemplo surpreendentemente Michelle Wille, três revisores anônimos e os outros participantes do
oportuno, apenas alguns dias antes da apresentação deste workshop por seu tempo e contribuições substanciais para a
manuscrito, foi divulgado o primeiro relato de infecções discussão, bem como ao Georgetown Center for Global Health
Science and Security, a Georgetown Global Health Initiative, e a
humanas com o vírus H5N8 da gripe aviária A - uma cepa
Georgetown Environment Initiative por sediar o workshop Verena
que foi, surpreendentemente, capaz de ser corretamente Forum. Nosso workshop foi organizado remotamente pela
identificada como humana por um modelo publicado Universidade de Georgetown, e reconhecemos que a terra não
anteriormente que nunca havia encontrado um vírus cedida foi e ainda é a terra natal dos Nacotchtank e seus
zoonótico H5N8 nos dados de treinamento [107].) Os descendentes, o povo Piscataway Conoy (e agradecemos ao
Georgetown Native American Student Council pela linguagem
modelos são tão poderosos quanto os dados que os
adaptada aqui). Por fim, agradecemos aos pesquisadores de todo o
informam, mundo que foram convidados para nosso workshop, mas não
puderam comparecer devido à pandemia do COVID-19,
Referências
1. Yong E. 2020 A América deve se preparar para uma dupla 5. Latina Ae outros2020 Origem e transmissão entre 9. Fan VY, Jamison DT, Summers LH. 2018 Risco pandêmico:
pandemia.O Atlantico,15 de julho. Consulte https:// espécies de coronavírus de morcego na China.Nat. qual o tamanho das perdas esperadas?Touro.
www. theatlantic.com/health/archive/2020/07/ Comum.11,4235. (doi:10.1038/s41467-020-17687-3) Organismo Mundial da Saúde.96,129–134. (doi:10.2471/
doublepandemic–covid–flu/614152/. BLT.17.199588)
2. Carroll D, Daszak P, Wolfe ND, Gao GF, Morel CM, 6. Becker DJe outros2020 Prevendo hospedeiros selvagens de 10. Walker JW, Han BA, Ott IM, Drake JM. 2018
Morzaria S, Pablos-Méndez A, Tomori O, Mazet JAK. betacoronavírus para amostragem de SARS-CoV-2 Transmissibilidade de zoonoses virais emergentes.
2018 O projeto virome global.Ciência359, 872-874. priorização: um estudo de modelagem.bioRxiv, PLoS ONE13,e0206926. (doi: 10.1371/journal.pone.
(doi:10.1126/science.aap7463) 2020.05.22.111344. (doi: 0206926)
3. Carlson CJ, Zipfel CM, Garnier R, Bansal S. 2019 Estimativas 10.1101/2020.05.22.111344) 11. Olival KJ, Hosseini PR, Zambrana-Torrelio C, Ross N, Bogich
globais da diversidade viral de mamíferos contabilizando o 7. Eccleston-Turner M, Phelan A, Katz R. 2019 Preparando- TL, Daszak P. 2017 Hospedeiro e características virais
compartilhamento de hospedeiros.Nat. Eco. Evolução3, se para a próxima pandemia – a estratégia global de preveem o transbordamento zoonótico de mamíferos.
1070–1075. (doi:10.1038/s41559-019-0910-6) influenza da OMS.N. Engl. J. Med.381, 2192-2194. Natureza546,646–650. (doi:10.1038/nature22975)
4. Wacharapluesadee Se outros2021 Evidências de (doi:10.1056/NEJMp1905224)
coronavírus relacionados ao SARS-CoV-2 circulando em 8. Lipsitch Me outros2016 Fatores virais na avaliação de risco 12. Geoghegan JL, Senior AM, Di Giallonardo F, Holmes
morcegos e pangolins no Sudeste Asiático.Nat. Comum. de pandemia de influenza.eLife5,e18491. (doi: 10. 7554/ EC. 2016 Fatores virológicos que aumentam a
12,972. (doi:10.1038/s41467-021-21240-1) eLife.18491) transmissibilidade de vírus humanos emergentes.Proc.

Natl Acad. ciência EUA113,4170–4175. (doi:10.1073/ infectando vírus de suas sequências genômicas. relatório do Painel Independente Harvard-LSHTM sobre 10
pnas.1521582113) bioRxiv,2020.11.12.379917. a Resposta Global ao Ebola.Lanceta386, 2204-2221.

13. Wang H, Li X, Li T, Zhang S, Wang L, Wu X, Liu J. 2020 (doi:10.1101/2020.11.12.379917) (doi:10.1016/S0140-6736(15)00946-0)
A sequência genética, origem e diagnóstico de 29. Guth S, Visher E, Boots M, Brook CE. 2019 A distância 44. McCloskey B, Dar O, Zumla A, Heymann DL. 2014
SARS-CoV-2.EUR. J. Clin. Microbiol. Infectar. Dis.39, filogenética do hospedeiro impulsiona as tendências Doenças infecciosas emergentes e pandemia
1629–1635. (doi:10.1007/s10096-020-03899-4) de virulência e transmissibilidade do vírus na potencial: status quo e redução do risco de
14. Worobey Me outros2010 A biogeografia da ilha revela a interface animal-humano.Fil. Trans. R. Soc. B374, disseminação global.Lancet Infect. Dis.14,1001–1010.
profunda história do SIV.Ciência329,1487. (doi:10. 1126/ 20190296. (doi:10.1098/rstb.2019.0296) (Doi:10.1016/S1473-3099(14)70846-1)
science.1193550) 30. Brierley L, Pedersen AB, Woolhouse MEJ. 2019 O tropismo 45. Washburne AD, Crowley DE, Becker DJ, Olival KJ,
15. Sharp PM, Hahn BH. 2010 A evolução do HIV-1 e tecidual e a ecologia da transmissão prevêem a virulência Taylor M, Munster VJ, Plowright RK. 2018
a origem da AIDS.Fil. Trans. R. Soc. B365, 2487– dos vírus de RNA humanos.PLoS Biol.17, e3000206. Padrões taxonômicos no potencial zoonótico de
2494. (doi:10.1098/rstb.2010.0031) (doi:10.1371/journal.pbio.3000206) vírus de mamíferos.PeerJ6,e5979. (doi:10.7717/
16. Korber B, Muldoon M, Theiler J, Gao F, Gupta R, Lapedes 31. Farrell MJ, Davies TJ. 2019 Mortalidade por doenças em peerj.5979)
A, Hahn BH, Wolinsky S, Bhattacharya T. 2000 animais domesticados é prevista pelo hospedeiro 46. Luís ADe outros2013 Uma comparação de morcegos e
Cronometrando o ancestral das cepas pandêmicas do relacionamentos evolutivos.Proc. Natl Acad. ciência EUA roedores como reservatórios de vírus zoonóticos: os
HIV-1.Ciência288,1789–1796. (doi:10.1126/ 116,7911–7915. (doi:10.1073/pnas.1817323116) morcegos são especiais?Proc. R. Soc. B280,20122753.
science.288.5472.1789) 32. Pepin KM, Lass S, Pulliam JRC, Read AF, Lloyd-Smith JO. (doi:10.1098/rspb.2012.2753)
17. Emanuel J, Marzi A, Feldmann H. 2018 Filovírus: ecologia, 2010 Identificando marcadores genéticos de adaptação 47. Cleaveland S, Laurenson MK, Taylor LH. 2001 Doenças de
biologia molecular e evolução.Adv. Res. de Vírus100, para vigilância de saltos de hospedeiros virais.Nat. Rev. humanos e seus mamíferos domésticos: características
189–221. (doi:10.1016/bs.aivir.2017.12.002) Microbiol.8,802-813. (doi:10.1038/nrmicro2440) do patógeno, gama de hospedeiros e risco de
18. Morse SS, Mazet JAK, Woolhouse M, Parrish CR, emergência.Fil. Trans. R. Soc. Lond. B356, 991–999. (Doi:
Carroll D, Karesh WB, Zambrana-Torrelio C, Lipkin 33. Carlson CJ. 2020 Da PREVISÃO à prevenção, uma 10.1098/rstb.2001.0889)
WI, Daszak P. 2012 Previsão e prevenção da pandemia depois.Lancet Microbe1,e6–e7. 48. Woolhouse MEJ, Gowtage-Sequeria S. 2005 Gama de
próxima zoonose pandêmica.Lanceta380,1956– (doi:10.1016/S2666-5247(20)30002-1) hospedeiros e patógenos emergentes e
1965. (doi:10.1016/S0140-6736(12)61684-5) 34. Lupolova N, Dallman TJ, Matthews L, Bono JL, Gally DL. reemergentes. Emerg. Infectar. Dis.11,1842–1847.
19. Geoghegan JL, Holmes EC. 2017 Prevendo o surgimento 2016 Máquina de vetores de suporte aplicada para (doi:10.3201/ eid1112.050997)
de vírus em meio ao ruído evolutivo.Biol aberto.7, prever o potencial zoonótico deE. coliO157 isolados de 49. Kreuder Johnson Ce outros2015 Spillover e propriedades
170189. (doi:10.1098/rsob.170189) gado. Proc. Natl Acad. ciência EUA113,11 312–11 317. pandêmicas de vírus zoonóticos com alto
20. Antônio SJe outros2017 Padrões globais na diversidade do (doi: 10.1073/pnas.1606567113) plasticidade.ciência Rep.5,14830. (doi:10.1038/srep14830)
coronavírus.Vírus Evolução.3,vex012. (doi:10.1093/ve/ 35. Lupolova N, Dallman TJ, Holden NJ, Gally DL. 2017 50. Grange ZLe outros2021 Classificando o risco de propagação de
vex012) Promiscuidade irregular: aprendizado de máquina animais para humanos para vírus recém-descobertos.Proc.
21. Wolfe ND, Dunavan CP, Diamond J. 2007 Origens das aplicado para prever a especificidade do host de Natl Acad. ciência EUA118,e2002324118. (doi:10.1073/
principais doenças infecciosas humanas.Natureza447, Salmonela entérica eEscherichia coli. Microb. genoma3, pnas.2002324118)
279–283. (doi:10.1038/nature05775) e000135. (doi:10.1099/mgen.0.000135) 51. Wille M, Geoghegan JL, Holmes EC. 2021 Com que
22. Plowright RK, Parrish CR, McCallum H, Hudson PJ, Ko AI, 36. Yang LH, Han BA. 2018 Previsões baseadas em dados e precisão podemos avaliar o risco zoonótico?PLoS Biol.
Graham AL, Lloyd-Smith JO. 2017 Caminhos para o novas hipóteses sobre vetores de carrapatos zoonóticos 119,e300135. (doi:10.1371/journal.pbio.3001135)
transbordamento zoonótico.Nat. Rev. Microbiol.15, 502– do gêneroIxodes. BMC Eco.18,7. (doi:10.1186/ 52. Grewelle RE. 2020 Maior tamanho do genoma viral facilita
510. (doi:10.1038/nrmicro.2017.45) s12898-018-0163-2) o surgimento de doenças zoonóticas.bioRxiv,
23. Babayan SA, Orton RJ, Streicker DG. 2018 Prevendo 37. Guy C, Ratcliffe JM, Mideo N. 2020 A influência da ecologia do 2020.03.10.986109. (doi:10.1101/2020.03.10.986109)
hospedeiros reservatórios e vetores artrópodes de morcego na diversidade viral e no status do reservatório.
assinaturas evolutivas em genomas de vírus de Eco. Evolução10,5748-5758. (doi:10.1002/ece3.6315) 53. Pulliam JRC, Dushoff J. 2009 A capacidade de se replicar no
RNA. Ciência362,577–580. (doi:10.1126/science. 38. Kessler MKe outros2018 Mudando paisagens de recursos e citoplasma prevê a transmissão zoonótica de vírus de
aap9072) transbordamento de henipavírus.Ana. NY Acad. ciência gado.J. Infectar. Dis.199,565–568. (Doi: 10.1086/596510)
24. Brierley L, Fowler A. 2020 Prevendo os hospedeiros animais de 1429,78–99. (doi:10.1111/nyas.13910)
coronavírus a partir de vieses de composição de proteína 39. Schmidt JP, Park AW, Kramer AM, Han BA, Alexander LW, 54. Mollentze N, Streicker DG. 2020 O risco zoonótico viral é
spike e sequências completas do genoma por meio de Drake JM. 2017 Flutuações espaço-temporais e homogêneo entre as ordens taxonômicas de
aprendizado de máquina.bioRxiv,2020.11.02.350439. desencadeadores do transbordamento do vírus hospedeiros reservatórios mamíferos e aviários.Proc. Natl
(doi:10.1101/2020.11.02.350439) Ebola. Emerg. Infectar. Dis.23,415–422. (doi:10.3201/ Acad. ciência EUA117,9423–9430. (doi:10.1073/pnas.
25. Han BA, Schmidt JP, Bowden SE, Drake JM. 2015 Roedores eid2303.160101) 1919176117)
reservatórios de futuras doenças zoonóticas.Proc. Natl 40. Epstein JHe outros2020 Dinâmica do vírus Nipah em morcegos e 55. Kapoor A, Simmonds P, Lipkin WI, Zaidi S, Delwart E. 2010 Uso da
Acad. ciência EUA112,7039–7044. (doi:10.1073/ implicações para o alastramento para humanos.Proc. Natl análise da composição de nucleotídeos para inferir
pnas.1501598112) Acad. ciência EUA117,29 190–29 201. (doi:10.1073/ hospedeiros para três novos vírus do tipo picorna.J. Virol.84,
26. Allen T, Murray KA, Zambrana-Torrelio C, Morse SS, pnas.2000429117) 10 322–10 328. (doi:10.1128/JVI.00601-10)
Rondinini C, Di Marco M, Breit N, Olival KJ, Daszak 41. Ali Se outros2017 Mudanças ambientais e sociais 56. Colmant AMGe outros2017 Um novo clado de flavivírus
P. 2017 Hotspots globais e correlatos de doenças impulsionam o surgimento explosivo do vírus Zika específicos de insetos de mosquitos australianos exibe
zoonóticas emergentes.Nat. Comum.8,1124. nas Américas.PLoS Negl. Trop. Dis.11,e0005135. restrição de hospedeiro específica da espécie.mSphere2,
(doi:10.1038/s41467-017-00923-8) (doi:10.1371/journal.pntd.0005135) e00262-17. (doi:10.1128/mSphere.00262-17)
27. Carlson CJ, Albery GF, Merow C, Trisos CH, Zipfel CM. 2020 A 42. Singer M, Bulled N, Ostrach B, Mendenhall E. 2017 57. Ficarelli M, Wilson H, Pedro Galão R, Mazzon M, Antzin-
mudança climática conduzirá a uma nova transmissão viral Sindemias e a concepção biossocial de saúde. Anduetza I, Marsh M, Neil SJ, Swanson CM. 2019 KHNYN
entre espécies.bioRxiv,2020.01.24.918755. Lanceta389,941–950. (doi:10.1016/ é essencial para a proteína antiviral dedo de zinco (ZAP)
(doi:10.1101/2020.01.24.918755) S0140-6736(17)30003-X) para restringir dinucleotídeos CpG agrupados contendo
28. Mollentze N, Babayan SA, Streicker DG. 2020 43. Lua Se outros2015 O Ebola vai mudar o jogo? Dez HIV-1.eLife8,e46767. (doi:10.7554/eLife.46767)
Identificar e priorizar potencial humano- reformas essenciais antes da próxima pandemia. O

58. Velazquez-Salinas L, Zarate S, Eschbaumer M, Pereira 72. Gibb Re outros2021 Proliferação, reconciliação e síntese de reexposição em gatos.Proc. Natl Acad. ciência EUA117, 11
Lobo F, Gladue DP, Arzt J, Novella IS, Rodriguez LL. dados em ecologia viral.bioRxiv, 2021.01.14.426572. 26 382–26 388. (doi:10.1073/pnas.2013102117)

2016 Fatores seletivos associados à evolução do (Doi:10.1101/2021.01.14.426572) 88. Park MS, Kim JI, Bae JY, Park MS. 2020 Modelos animais
uso de códons em populações naturais de para avaliação de risco de potencial pandêmico viral.
arbovírus.PLoS ONE11,e0159943. (doi: 10. 1371/ 73. Nieuwenhuijse DF, Oude Munnink BB, Phan MVT, Laboratório. Anim. Res.36,11. (doi:10.1186/
journal.pone.0159943) Global Sewage Surveillance Project Consortium, s42826-020-00040-6)
59. Di Giallonardo F, Schlub TE, Shi M, Holmes EC. 2017 A composição de Munk P, Venkatakrishnan S, Aarestrup FM, Cotten M, 89. Kim J, Koo BK, Knoblich JA. 2020 Organoides
dinucleotídeos em vírus de RNA animal é moldada mais pela família Koopmans MPG. 2020 Estabelecendo uma linha de base para humanos: sistemas modelo para biologia e
do vírus do que pelas espécies hospedeiras. a vigilância urbana global do viroma no esgoto.ciência Rep. medicina humana.Nat. Rev. Mol. Cell Biol.21,571–
J. Virol.91,e02381-16. (doi:10.1128/JVI.02381-16) 10,13748. (doi:10.1038/s41598-020-69869-0) 584. (doi:10.1038/s41580-020-0259-3)
60. Eng CLP, Tong JC, Tan TW. 2014 Prevendo o tropismo 74. Schmidt C. 2018 Os caçadores de viroma.Nat. 90. Preço Ae outros2020 Correlatos transcricionais de tolerância e
hospedeiro das proteínas do vírus influenza A usando Biotecnologia.36,916–919. (doi:10.1038/nbt.4268) letalidade em camundongos preveem os resultados dos pacientes
floresta aleatória.BMC Med. Genômica7(Supl. 3), S1. 75. Mina MJ, Metcalf CJE, McDermott AB, Douek DC, Farrar J, com doença do vírus Ebola.Representante de Célula30, 1702–
(doi:10.1186/1755-8794-7-S3-S1) Grenfell BT. 2020 Um observatório imunológico global 1713.e6. (doi:10.1016/j.celrep.2020.01.026)
61. Eng CLP, Tong JC, Tan TW. 2017 Previsão do risco zoonótico de para enfrentar uma época de pandemias.eLife9. 91. Hussain-Alkhateeb Le outros2018 Sistema de alerta e
vírus influenza A a partir da assinatura de proteínas de (doi:10.7554/eLife.58989) resposta precoce (EWARS) para surtos de dengue:
tropismo do hospedeiro usando floresta aleatória.Int. J. Mol. 76. Warren CJ, Sawyer SL. 2019 Como a genética do hospedeiro avanços recentes em direção à disseminação
ciência18, 1135. (doi:10.3390/ijms18061135) determina o sucesso da zoonose viral.PLoS Biol.17, aplicações em configurações críticas.PLoS ONE13,
62. Rodrigues JP, Barrera-Vilarmau S, Mc Teixeira J, e3000217. (doi:10.1371/journal.pbio.3000217) e0196811. (doi: 10.1371/journal.pone.0196811)
Sorokina M, Seckel E, Kastritis PL, Levitt M. 77. Brito AF, Pinney JW. 2017 Interações proteína-proteína em 92. George DBe outros2019 Tecnologia para avançar na
2020 Insights sobre a transmissão entre espécies de SARS-CoV-2 a sistemas vírus-hospedeiro.Frente. Microbiol. previsão de doenças infecciosas para
partir da modelagem estrutural.Computação PLoS. Biol. 8,1557. (doi:10.3389/fmicb.2017.01557) gerenciamento de surtos.Nat. Comum.10,3932.
16,e1008449. (Doi: 10.1371/journal.pcbi.1008449) 78. Cook HV, Doncheva NT, Szklarczyk D, Von Mering C, Jensen (doi:10.1038/s41467-019-11901-7)
63. Luan J, Lu Y, Jin X, Zhang L. 2020 O reconhecimento da LJ. 2018 Viruses.STRING: um host de vírus 93. Luby SP. 2013 O potencial pandêmico do vírus
proteína Spike de mamífero ACE2 prevê a gama de banco de dados de interação proteína-proteína.vírus10, Nipah.Res. Antiviral.100,38–43. (doi:10.1016/j.
hospedeiros e um ACE2 otimizado para infecção por 519. (doi:10.3390/v10100519) antiviral.2013.07.011)
SARS-CoV-2.Bioquim. Biophys. Res. Comum.526, 165– 79. Banerjee A, Misra V, Schountz T, Baker ML. 2018 Ferramentas para 94. Bergner LM, Mollentze N, Orton RJ, Tello C, Broos A, Biek R,
169. (doi: 10.1016/j.bbrc.2020.03.047) estudar interações patógeno-hospedeiro em morcegos. Streicker DG. 2021 Caracterização e avaliação do
64. Fischhoff IR, Castellanos AA, Rodrigues JPGLM, Varsani Res. de Vírus248,5–12. (doi:10.1016/ potencial zoonótico de novos vírus descobertos em
A, Han BA. 2021 Prevendo a capacidade zoonótica de j.virusres.2018.02.013) morcegos hematófagos.vírus13,252. (doi:10. 3390/
espécies de mamíferos para SARS-CoV-2.bioRxiv, 80. Letko M, Marzi A, Munster V. 2020 Avaliação funcional da v13020252)
2021.02.18.431844. (doi:10.1101/2021.02.18.431844) entrada celular e uso de receptores para SARS-CoV-2 e 95. Bergner LM, Orton RJ, da Silva Filipe A, Shaw AE, Becker DJ,
65. Liu-Wei W, KafkasŞ,Chen J, Dimonaco NJ, Tegnér J, outros betacoronavírus da linhagem B. Nat. Microbiol.5, Tello C, Biek R, Streicker DG. 2019 Usando
Hoehndorf R. 2021 DeepViral: previsão de novas 562–569. (Doi:10.1038/s41564-020-0688-y) metagenômica não invasiva para caracterizar
interações vírus-hospedeiro a partir de sequências de comunidades virais da vida selvagem.Mol. Eco. Recurso.
proteínas e fenótipos de doenças infecciosas. 81. Duprex WP, Fouchier RAM, Imperiale MJ, Lipsitch M, 19, 128–143. (doi:10.1111/1755-0998.12946)
Bioinformática. (doi:10.1093/bioinformatics/btab147) Relman DA. 2015 Experiências de ganho de função: 96. Grace D, Lindahl J, Wanyoike F, Bett B, Randolph T, Rich
66. Wadhawan K, Das P, Han BA, Fischhoff IR, tempo para um verdadeiro debate.Nat. Rev. Microbiol.13, KM. 2017 Criadores de gado pobres: interações
Castellanos AC, Varsani A, Varshney KR. 2021 58–64. (doi:10.1038/nrmicro3405) ecossistema-pobreza-saúde.Fil. Trans. R. Soc. B
Para interpretar o potencial zoonótico de 82. Herfst Se outros2012 Transmissão aérea do vírus 372,20160166. (doi:10.1098/rstb.2016.0166)
sequências de betacoronavírus com atenção. influenza A/H5N1 entre furões.Ciência 97. Forbes KMe outros2020 Rumo a uma estratégia
arXiv, 2108.08077. 336,1534–1541. (doi:10.1126/science.1213362) coordenada para interceptar a emergência de doenças
67. Holmes EC, Rambaut A, Andersen KG. Pandemias de 2018: 83. Sutton TC, Finch C, Shao H, Angel M, Chen H, Capua humanas na África.Lancet Microbe2,e51–e52.
gaste em vigilância, não em previsão.Natureza558, 180– I, Cattoli G, Monne I, Perez DR. 2014 Transmissão (doi:10.1016/ s2666-5247(20)30220-2)
182. (doi:10.1038/d41586-018-05373-w) aérea do vírus influenza H7N1 altamente 98. LiHe outros2019 Interações humano-animal e potencial de
68. Vlasova AN, Diaz A, Damtie D, Xiu L, Toh TH, Lee JS-Y, Saif patogênico em furões.J. Virol.88,6623–6635. propagação de coronavírus de morcego entre
LJ, Gray GC. 2021 Novo coronavírus canino isolado de (doi:10.1128/JVI.02765-13) residentes rurais no sul da China.Biosaf. Saúde1,84–90.
um paciente com pneumonia hospitalizado, 84. Menachery VDe outros2015 Um aglomerado semelhante ao (doi: 10.1016/j.bsheal.2019.10.004)
Leste da Malásia.Clin. Infectar. Dis. (doi:10.1093/cid/ SARS de coronavírus de morcego em circulação mostra 99. Wang Ne outros2018 Evidência sorológica de infecção por
ciab456) potencial para emergência humana.Nat. Med.21,1508– coronavírus relacionada à SARS de morcego em humanos,
69. Dallas T, Park AW, Drake JM. 2017 Prevendo links 1513. (doi:10.1038/nm.3985) China.Virol. Pecado.33,104–107. (Doi:10.1007/
criptográficos em redes hospedeiro-parasita. 85. Casadevall A, Imperiale MJ. 2014 Riscos e benefícios de s12250-018-0012-7)
Computação PLoS. Biol.13,e1005557. (doi: 10.1371/ experimentos de ganho de função com patógenos de 100. Antônio SJe outros2013 Uma estratégia para estimar a
journal. pcbi.1005557) potencial pandêmico, como o vírus influenza: uma chamada diversidade viral desconhecida em mamíferos.MBio4,
70. Poisot T, Ouellet MA, Mollentze N, Farrell MJ, Becker DJ, para uma discussão baseada na ciência.MBio5,e01730-14. e00598-13. (doi:10.1128/mBio.00598-13)
Albery GF, Gibb RJ, Seifert SN, Carlson CJ. 2021 (doi:10.1128/mbio.01730-14) 101. Mari Saez A, Cherif Haidara M, Camara A, Kourouma
Atribuição ao viroma dos mamíferos com filtragem 86. Andersen KG, Rambaut A, Lipkin WI, Holmes EC, F, Sage M, Magassouba NF, Fichet-Calvet E. 2018
linear e decomposição de valor singular. arXiv, [q- Garry RF. 2020 A origem proximal do SARS-CoV-2. Controle de roedores para combater a febre de Lassa:
bio.QM]. Nat. Med.26,450–452. (Doi:10.1038/ avaliação e lições aprendidas com um estudo de 4 anos
71. Edgar RCe outros2020 O alinhamento de sequências em s41591-020-0820-9) na Alta Guiné.PLoS Negl. Trop. Dis.12,e0006829. (doi:
escala de petabase catalisa a descoberta viral.bioRxiv, 87. Bosco-Lauth AMe outros2020 Infecção experimental 10.1371/journal.pntd.0006829)
2020.08.07.241729. (Doi:10.1101/2020.08.07.241729) de cães e gatos domésticos com SARS-CoV-2: 102. Phelan AL, Eccleston-Turner M, Rourke M, Maleche
patogênese, transmissão e resposta a A, Wang C. 2020 Acordos legais: barreiras e
facilitadores para o acesso global equitativo à vacina 104. Thi Nhu Thao Te outros2020 Reconstrução rápida do SARS-CoV-2 106. The Lancet. 2013 MERS-CoV: um desafio global. 12
COVID-19.Lanceta396,800–802. (doi:10.1016/ usando uma plataforma de genômica sintética.Natureza Lanceta381,1960.

S0140-6736(20)31873-0) 582,561–565. (doi:10.1038/s41586-020-2294-9) 107. Carlson CJ. Surpresa evolutiva, inteligência artificial e
103. Rourke MF, Phelan A, Lawson C. 2020 Acesso e 105. Crossman LC. 2020 Aproveitar o aprendizado profundo para H5N8.O Blog do Consórcio Verena. Consulte https://
compartilhamento de benefícios após a síntese do vírus simular proteínas de pico de coronavírus tem o potencial de www.viralemergence.org/blog/ evolution-surprise-
da varíola.Nat. Biotecnologia.38,537–539. (Doi:10.1038/ prever futuras sequências zoonóticas.bioRxiv, artificial-intelligence-andh5n8.
s41587-020-0518-z) 2020.04.20.046920. (doi:10.1101/2020.04.20.046920)


O Futuro Da Previsão de Risco Zoonótico

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

O Futuro Da Previsão de Risco Zoonótico

Enviado por

Direitos autorais:

Formatos disponíveis

Traduzido do Inglês para o Português - www.onlinedoctranslator.

O futuro da previsão de risco zoonótico

Colin J Carlson1,2, Maxwell J. Farrell3, Zoe Grange4, Bárbara A. Han5, Nardus

Bernard Bett10, David M. Brett-Major11, Lily E. Cohen12, Tad Dallas13, Evan A.

Eskew14, Anna C. Fagre15, Kristian M. Forbes16, Rory Gibb17,18, Sam Halabi8,

Charlotte C. Hammer19, Rebeca Katz1, Jason Kindrachuk20, Renata L. Muylaert21

1Centro para Ciência e Segurança da Saúde Global, e2Departamento de Microbiologia e Imunologia,

Universidade de Glasgow, Glasgow G12 8QQ, Reino Unido

risco zoonótico, risco epidêmico, acesso e compartilhamento

20Departamento de Microbiologia Médica e Doenças Infecciosas, Universidade de Manitoba, Winnipeg, Manitoba,

25EcoHealth Alliance, Nova York, NY 10018, EUA

autor e fonte são creditados.

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

interdisciplinar, para o desenvolvimento e aplicação dessas

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

P&D direcionado detecção de surtos, governança

transbordamento se torna uma epidemia ou pandemia [41-44]. No

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

Primeiro, e mais fundamentalmente, o trabalho de modelagem preditiva

Desafios semelhantes foram identificados para problemas de modelagem

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

desenvolvimento pode promover principalmente as carreiras de pesquisadores em países de

alta renda na América do Norte e na Europa, principalmente se desenvolvido por

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

mundo global. viroma. Estes serão mais eficazes se os

www. theatlantic.com/health/archive/2020/07/ Comum.11,4235. (doi:10.1038/s41467-020-17687-3) Organismo Mundial da Saúde.96,129–134. (doi:10.2471/

(doi:10.1126/science.aap7463) 2020.05.22.111344. (doi: 0206926)

1070–1075. (doi:10.1038/s41559-019-0910-6) influenza da OMS.N. Engl. J. Med.381, 2192-2194. Natureza546,646–650. (doi:10.1038/nature22975)

4. Wacharapluesadee Se outros2021 Evidências de (doi:10.1056/NEJMp1905224)

12,972. (doi:10.1038/s41467-021-21240-1) eLife.18491) transmissibilidade de vírus humanos emergentes.Proc.

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

profunda história do SIV.Ciência329,1487. (doi:10. 1126/ 20190296. (doi:10.1098/rstb.2019.0296) (Doi:10.1016/S1473-3099(14)70846-1)

HIV-1.Ciência288,1789–1796. (doi:10.1126/ 116,7911–7915. (doi:10.1073/pnas.1817323116) morcegos são especiais?Proc. R. Soc. B280,20122753.

189–221. (doi:10.1016/bs.aivir.2017.12.002) Microbiol.8,802-813. (doi:10.1038/nrmicro2440) do patógeno, gama de hospedeiros e risco de

próxima zoonose pandêmica.Lanceta380,1956– (doi:10.1016/S2666-5247(20)30002-1) hospedeiros e patógenos emergentes e

510. (doi:10.1038/nrmicro.2017.45) s12898-018-0163-2) o surgimento de doenças zoonóticas.bioRxiv,

hospedeiros reservatórios e vetores artrópodes de morcego na diversidade viral e no status do reservatório.

24. Brierley L, Fowler A. 2020 Prevendo os hospedeiros animais de 1429,78–99. (doi:10.1111/nyas.13910)

(doi:10.1038/s41467-017-00923-8) (doi:10.1371/journal.pntd.0005135) e00262-17. (doi:10.1128/mSphere.00262-17)

(doi:10.1101/2020.01.24.918755) S0140-6736(17)30003-X) para restringir dinucleotídeos CpG agrupados contendo

Identificar e priorizar potencial humano- reformas essenciais antes da próxima pandemia. O

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

journal.pone.0159943) Global Sewage Surveillance Project Consortium, s42826-020-00040-6)

J. Virol.91,e02381-16. (doi:10.1128/JVI.02381-16) 10,13748. (doi:10.1038/s41598-020-69869-0) 584. (doi:10.1038/s41580-020-0259-3)

(doi:10.1186/1755-8794-7-S3-S1) Grenfell BT. 2020 Um observatório imunológico global 1713.e6. (doi:10.1016/j.celrep.2020.01.026)

arXiv, 2108.08077. 336,1534–1541. (doi:10.1126/science.1213362) coordenada para interceptar a emergência de doenças

royalsocietypublishing.org/journal/rstbFil. Trans. R. Soc. B376:20200358

da varíola.Nat. Biotecnologia.38,537–539. (Doi:10.1038/ prever futuras sequências zoonóticas.bioRxiv, artificial-intelligence-andh5n8.

s41587-020-0518-z) 2020.04.20.046920. (doi:10.1101/2020.04.20.046920)

Você também pode gostar