Escolar Documentos
Profissional Documentos
Cultura Documentos
com
rstb.2020.0358
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,
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
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
© 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
avaliação de risco
potencial . . . GUUGAA...
. . . CGAG...
ameaças . . . AAUGCC...
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
Transferido de https://royalsocietypublishing.org/ em 02 de março de 2023
'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.
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
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
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
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.
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.
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
acredita-se que a diversidade viral zoonótica seja maior [11]. No entanto, seu
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
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.
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.
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.
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
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.
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
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
Transferido de https://royalsocietypublishing.org/ em 02 de março de 2023
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
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
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)
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)
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,
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)
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)
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/
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–
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–
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)
Transferido de https://royalsocietypublishing.org/ em 02 de março de 2023
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
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.
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-