Kan fladdermöss ”berätta” när och var ebola kommer att slå nästa gång?
Ny forskning tyder på att vi kanske kan förutse när och var nästa ebolautbrott kommer att inträffa om vi tittar på fladdermössens migrationsmönster.
Ebola är ett mycket dödligt och mycket smittsamt virus som upptäcktes för första gången i Västafrika 1976. Fruktfladder anses vara virusets naturliga värd.
Medan de flesta dödliga utbrott har sitt ursprung i afrikanska länder, spridte den senaste Ebolakrisen - som inträffade mellan 2014 och 2016 - till resten av världen inklusive USA.
I USA registrerades fyra fall, varav ett ledde till dödsfall.
I detta sammanhang kan det vara särskilt användbart att förutsäga tid och plats för nästa Ebola-utbrott för att förhindra det. Det är därför som forskare planerar att skapa en modellram som kan hjälpa oss att förutse en sådan händelse i framtiden.
Den nya studien utfördes av Javier Buceta, docent i bioteknik, Paolo Bocchini, som är docent i civil- och miljöteknik, och postdoktorforskare Graziano Fiorillo - som alla är anslutna till Lehigh University i Bethlehem, PA.
De antog att eftersom fladdermöss är bärare av viruset kan spårning av deras migrationsmönster hjälpa till att skapa en förutsägbar ram.
Resultaten av deras forskning publicerades i tidskriften Vetenskapliga rapporter.
Skapa en matematisk modell av ebola
För att skapa ramverket använde Buceta och teamet satellitinformation och sampling av parametrar. Forskarna matade in denna information i en datoralgoritm, eller modell, som skapades för att förutsäga förhållandena under vilka fladdermössens beteende korrelerar med Ebola-utbrott.
De data som matades in i algoritmen inkluderade fladdermössens födelse och dödlighet, den hastighet med vilken de smittades med viruset och hur lång tid det tog dem att återhämta sig.
För att förutsäga toppar av fladdermusinfektioner i en viss region inkluderade modellen också information om när och var fladdermössen migrerade, säsongsförändringar och tillgången på mat och skydd.
Forskarna var också tvungna att ta hänsyn till miljöinformation; för detta ändamål använde de Google Earth Engine för att hämta information från en av NASA: s databaser.
Bocchini beskriver de förfaranden som de använde och sa: ”Vi behövde studera slumpmässiga fluktuationer av tillgängliga resurser över hela den afrikanska kontinenten med hög upplösning; det var en massiv beräknings- och probabilistisk utmaning. ”
"Vi insåg att det ur en matematisk synvinkel", fortsätter han, "problemet liknar den slumpmässiga fortplantningen av seismiska vågor i en region som utsätts för jordbävningar, och vi kan anpassa våra verktyg."
Efter att ha redovisat saker som fuktighet och temperatur kunde forskarna ”sedan förutsäga koncentrationen av infekterade fladdermöss som man kan förvänta sig att hitta med tanke på dessa speciella förhållanden”, förklarar Buceta.
Modellen förutsäger exakt Ebola-utbrott
Ebolaepidemin 2014–2016 började med fallet med ett 2-årigt barn i Meliandou, en by i Guinea, Västafrika.
Emellertid hade virusstammen som smittade barnet sitt ursprung i Demokratiska republiken Kongo, som ligger tusentals mil från Meliandou.
Med hjälp av ramverket designat av Buceta och teamet kunde forskarna "retroaktivt" förutsäga en "infektionstopp vid Meliandou [...] under månaderna då utbrottet startade." De ansåg att deras resultat var "anmärkningsvärda".
Men när teamet använde liknande data från en annan plats - som var 400 kilometer från Meliandou och hade ett annat klimat - visade resultaten inte en infektionstopp under den perioden.
"I vår modell," fortsätter Buceta och säger, "utseendet på utbrott är nära kopplat till fluktuationer i miljöförhållanden som påverkar både fladdermusmigrationsmönster och infektionshastigheter."
"Sådana resultat," tillägger han, "föreslår starkt att miljöfaktorer spelar en nyckelroll i spridningen av Ebolavirus bland fladdermöss."
Forskarna hoppas att deras modell kommer att hjälpa till att förutsäga och förhindra inte bara ebolautbrott utan också de av andra virus som överförs från djur till människor.
