卡里生态系统研究所 真正的画眉，像这张照片中的美洲知更鸟，被标记为可能的莱姆病宿主
信用:Fyn Kynd
鸟类在传播机票传播疾病中扮演着一个被低估的角色，因为它们有长途旅行的能力，并且倾向于在世界不同的地方分散它们的时间——由于气候变化，这种模式正在发生变化
了解哪些鸟类能够用病原体感染蜱，有助于科学家预测蜱媒疾病可能在哪里出现，并对人类健康构成威胁
发表在《全球生态和生物地理学》杂志上的一项新研究使用机器学习来识别有可能将莱姆病细菌(伯氏疏螺旋体)传播给食蜱的鸟类物种
该团队开发了一个模型，该模型能够以80%的准确率识别出已知传播莱姆病的鸟类，并标记出21个新物种，这些新物种应该优先接受监测
第一作者丹尼尔·贝克尔是印第安纳大学的博士后研究员，他说:“我们知道鸟类可以用莱姆病细菌感染蜱；然而，迄今为止，还没有人系统地研究过影响哪些鸟类最有可能在全球范围内寄生和传播伯氏疏螺旋体的生态和进化驱动因素
我们试图通过识别最有可能将莱姆病传染给食蜱的鸟类的特征来填补这一空白
" 资深作者芭芭拉·汉是卡里生态系统研究所的疾病生态学家，她说:“为了预测和监测可能将蜱媒疾病传播给人类的物种，我们首先需要知道哪些特征使某些动物成为良好的病原体宿主
在这里，我们使用机器学习来评估鸟类物种特征，结合从鸟类身上发现的蜱中获得的莱姆病感染数据，来预测可能传播莱姆病的鸟类物种
" 在这项研究中，研究小组搜索了已发表的文献，以定位报道以鸟类为食的蜱感染莱姆病的研究
全球搜索产生了102项研究，包括在183种鸟类上发现的蜱的数据；其中，91只携带莱姆病螺旋体阳性的蜱
这些鸟类物种被认为是“合格”的储库物种，因为它们已知会用伯氏疏螺旋体感染食蜱
标记的物种范围广泛，遍及美洲、非洲、亚洲和大洋洲
接下来，机器学习被用来比较合格鸟类和其他4691种鸟类的特征
数据包括关于生活史特征的信息，如饮食组成、觅食地点、体型、寿命、繁殖率和羽翼未丰的年龄，以及地理信息，如迁徙距离、全球扩散和最大海拔
他们还观察了基线皮质酮——鸟类体内的应激激素——它可以影响对感染的易感性
由于气候变化，黑腿蜱正在蔓延到新的地区，它们带来了蜱媒疾病
信用:美国农业部
该模型以80%的准确率识别出已知将莱姆病传播给蜱的鸟类，并揭示了21个新物种，这些新物种应根据与已知有能力的物种的共同特征优先进行监测
高风险物种往往具有较低的基线皮质酮，在高纬度和低海拔地区繁殖和越冬，分布广泛，并出现在生活节奏连续体的两端(繁殖早、死亡早或繁殖晚、寿命较长的物种)
与其他分类群相比，通常被称为真画眉的画眉属物种具有更大的竞争力
这一发现表明画眉可能是莱姆病传播最危险的鸟类
雀形目鸟类，或栖息鸟类，也往往有更高的能力，就像主要吃种子的鸟类和在地上觅食的鸟类一样——这种行为会让它们接触到觅食的蜱
识别莱姆病易感鸟类可能对我们的健康有直接影响
蜱传疾病，尤其是莱姆病，可能很难诊断
了解蜱及其携带的疾病在哪里传播，可以帮助医务人员为诊断和治疗做准备，改善患者的健康状况
由于气候变化，许多鸟类的繁殖范围正在北移
随着鸟类传播到更高的纬度，蜱和病原体也在传播
一些鸟类已经在城市和郊区占据了全部或部分时间的住所
在发达环境中能够成功的鸟类，尤其是那些在这些新的地方非常接近人类的地方越冬的鸟类，增加了居民感染蜱传疾病的风险
贝克尔说，“鸟类不会将莱姆病直接传播给人类，但它们会将感染的蜱带到没有莱姆病发生史的新地方
一只蜱虫可能会把一只鸟丢到花园或院子里，然后叮咬并感染一个人
如果当地的医生不熟悉莱姆病的症状，适当的诊断可能会被推迟
确定蜱在哪里传播可以提高对莱姆病和其他蜱媒疾病的医疗反应
" 韩总结说:“这些发现提醒我们，病原体的能力有很大的差异，即使是在同一科的动物之间
机器学习技术使我们能够分析动物特征，并帮助我们在全球范围内预测危险物种——不仅是莱姆病，还包括其他涉及多种宿主物种的蜱媒和人畜共患疾病
这些预测可以为指导早期干预、防止疾病蔓延和保护我们的健康提供重要信息
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
