新冠肺炎凸顯了在有效預(yù)測(cè)和應(yīng)對(duì)新發(fā)傳染病方面的重大差距。疫情的毀滅性影響是一個(gè)持久的提醒。雖然我們擺脫了新冠肺炎，其他病毒或新突變?nèi)钥赡軜?gòu)成威脅。

隨著病毒爆發(fā)能夠以前所未有的速度出現(xiàn)和發(fā)展，全球衛(wèi)生界面臨著保持領(lǐng)先地位的持續(xù)挑戰(zhàn)。風(fēng)險(xiǎn)很高，因?yàn)轭A(yù)測(cè)病毒突變和準(zhǔn)備有效對(duì)策的能力可能意味著遏制和災(zāi)難之間的區(qū)別。

如今我們有了一個(gè)強(qiáng)大的新盟友——人工智能（AI）。但是人工智能能幫助預(yù)測(cè)下一次疫情嗎？它能幫助我們更好地應(yīng)對(duì)病毒爆發(fā)嗎？

雖然研究人員可能還無法僅通過觀察新病毒的基因序列來預(yù)測(cè)其進(jìn)化方式，從而實(shí)現(xiàn)大流行防范，但人工智能可以幫助我們預(yù)測(cè)現(xiàn)有病毒如嚴(yán)重急性呼吸系統(tǒng)綜合征冠狀病毒2型和流感病毒的進(jìn)化方式。

這些病毒，特別是RNA病毒，經(jīng)常發(fā)生突變，有時(shí)會(huì)使它們逃避宿主免疫并更快地傳播。預(yù)測(cè)病毒的進(jìn)化變化可以使研究人員提前開發(fā)疫苗和抗病毒治療方法。

HMS Blavatnik研究所系統(tǒng)生物學(xué)教授Debora Marks說：“我們想知道是否可以預(yù)測(cè)病毒的變異并預(yù)測(cè)新的變異，因?yàn)槿绻梢缘脑?，這對(duì)設(shè)計(jì)疫苗和療法將極其重要?！?/span>

目前，人工智能可以成功預(yù)測(cè)單個(gè)短期突變，但它還不能預(yù)測(cè)未來可能發(fā)生的突變組合。基于人工智能的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)工具的出現(xiàn)，如DeepMind的AlphaFold和Meta的ESMFold，為我們預(yù)測(cè)病毒進(jìn)化的能力提供了巨大的潛力。

哈佛醫(yī)學(xué)院和牛津大學(xué)的研究人員開發(fā)了基于人工智能的EVEscape工具，用于預(yù)測(cè)病毒如何變異以逃避免疫系統(tǒng)。它結(jié)合了進(jìn)化序列，顯示了類似病毒在過去是如何進(jìn)化的，以及關(guān)于當(dāng)前病毒的生物和結(jié)構(gòu)信息。該工具已被證明在預(yù)測(cè)新冠肺炎大流行期間的重大突變方面有效，目前正用于預(yù)測(cè)SARS-CoV-2和其他病毒的未來變異。

聯(lián)合首席研究員Nicole Thadani解釋說：“我們正在獲取有關(guān)免疫系統(tǒng)如何工作的生物信息，并將其與我們從更廣泛的病毒進(jìn)化史中獲得的知識(shí)相結(jié)合?！?/span>

這些人工智能模型分析大量數(shù)據(jù)來預(yù)測(cè)蛋白質(zhì)將如何折疊和相互作用，幫助科學(xué)家預(yù)測(cè)潛在的突變及其影響。雖然這些工具還不完美，但它們是我們對(duì)抗不斷進(jìn)化的病毒的重要一步。

令人鼓舞的是，有大量數(shù)據(jù)可用于訓(xùn)練這些模型，研究人員有近1700萬個(gè)序列可用于訓(xùn)練他們的模型。當(dāng)然，我們需要更多高質(zhì)量的數(shù)據(jù)來提高人工智能模型的準(zhǔn)確性。

用于預(yù)測(cè)病毒進(jìn)化的人工智能模型有一個(gè)明顯的局限性。雖然他們可以預(yù)測(cè)病毒基因組微小變化的影響，但他們很難預(yù)測(cè)突然的重大進(jìn)化飛躍，例如嚴(yán)重急性呼吸系統(tǒng)綜合征冠狀病毒2型的奧密克戎變異株，該變異株有50多個(gè)突變。隨著數(shù)據(jù)的增加，我們可能需要更復(fù)雜的人工智能模型來預(yù)測(cè)所有形式的病毒進(jìn)化。

格拉斯哥大學(xué)的病毒學(xué)家David Robertson和他的團(tuán)隊(duì)正在完善人工智能模型，以理解這些巨大的進(jìn)化飛躍及其局限性。他們的目標(biāo)是在早期迅速識(shí)別病毒的突變能力及其適應(yīng)性，幫助更有效地預(yù)測(cè)和管理未來的威脅。

科學(xué)界正在以各種方式使用人工智能工具來解決病毒進(jìn)化和流行病防范問題。從預(yù)測(cè)潛在的新變種到了解這些變化如何影響公共衛(wèi)生，人工智能的作用比以往任何時(shí)候都更加重要。