Ilya R. Fischhoff, Adrian A. Castellanos, João P.G.L.M. Rodrigues, Arvind Varsani, Barbara A. Han: Predicting the zoonotic capacity of mammals to transmit SARS-CoV-2, in: bioRxiv (29.6.2021), online in: https://doi.org/10.1101/2021.02.18.431844.
Die Hin- und Rückübertragung von SARS-CoV-2 zwischen Mensch und Tier kann zu wilden Virusreservoiren führen, die die Bemühungen um eine langfristige Kontrolle von COVID-19 beim Menschen und den Schutz gefährdeter Tierpopulationen, die besonders anfällig für tödliche Krankheiten sind, gefährden können. Die Vorhersage risikanter Wirtsarten ist der Schlüssel zur gezielten Feldüberwachung und zu Laborexperimenten, die das zoonotische Potenzial des Wirts bestätigen. Ein großer Schwachpunkt bei der Vorhersage von Tierwirten ist die geringe Anzahl von Tierarten über die molekulare Informationen zur Struktur von ACE2 verfügbar sind. ACE 2 ist ein zellulärer Schlüsselrezeptor, der für den Eintritt des Virus in die Zelle erforderlich ist. Die Autor*innen überwanden diesen Schwachpunkt, indem sie die ökologischen und biologischen Merkmale der Arten mit der 3D-Modellierung der Proteininteraktionen zwischen Virus und Wirtszelle unter Verwendung von Methoden des maschinellen Lernens kombinierten. Dieser Ansatz ermöglicht Vorhersagen über die zoonotische Kapazität von SARS-CoV-2 für über 5.000 Säugetiere – eine größere Anzahl von Arten als bisher möglich. Die hohe Vorhersagegenauigkeit dieses Ansatzes wird durch empirische In-vivo-Studien deutlich bestätigt. Die Autor*innen haben zahlreiche häufige Säugetierarten identifiziert, deren vorausgesagte zoonotische Kapazität und Nähe zum Menschen das Risiko einer Spillover– und Spillback-Übertragung von SARS-CoV-2 weiter erhöhen könnte. Die Ergebnisse zeigen hochpriorisierte Gebiete mit geografischen Überschneidungen zwischen globalen COVID-19-Hotspots und potenziellen neuen Säugetierwirten von SARS-CoV-2. Da molekulare Sequenzdaten nur für einen kleinen Teil der potenziellen Wirtsarten zur Verfügung stehen, bietet die prädiktive Modellierung, die Daten über mehrere biologische Skalen hinweg integriert, einen konzeptionellen Fortschritt, der unsere Vorhersagekapazität für zoonotische Viren mit ähnlich unbekannten und potenziell breitem Wirtsspektrum erweitern kann.