新冠肺炎凸顯了在有效預(yù)測和應(yīng)對新發(fā)傳染病方面的重大差距。疫情的毀滅性影響是一個持久的提醒。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)險很高，因為預(yù)測病毒突變和準(zhǔn)備有效對策的能力可能意味著遏制和災(zāi)難之間的區(qū)別。

如今我們有了一個強大的新盟友——人工智能（AI）。但是人工智能能幫助預(yù)測下一次疫情嗎？它能幫助我們更好地應(yīng)對病毒爆發(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)測其進化方式，從而實現(xiàn)大流行防范，但人工智能可以幫助我們預(yù)測現(xiàn)有病毒如嚴(yán)重急性呼吸系統(tǒng)綜合征冠狀病毒2型和流感病毒的進化方式。

這些病毒，特別是RNA病毒，經(jīng)常發(fā)生突變，有時會使它們逃避宿主免疫并更快地傳播。預(yù)測病毒的進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)測病毒的變異并預(yù)測新的變異，因為如果可以的話，這對設(shè)計疫苗和療法將極其重要。”

目前，人工智能可以成功預(yù)測單個短期突變，但它還不能預(yù)測未來可能發(fā)生的突變組合?；谌斯ぶ悄艿牡鞍踪|(zhì)結(jié)構(gòu)預(yù)測工具的出現(xiàn)，如DeepMind的AlphaFold和Meta的ESMFold，為我們預(yù)測病毒進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)測病毒如何變異以逃避免疫系統(tǒng)。它結(jié)合了進化序列，顯示了類似病毒在過去是如何進化的，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化史中獲得的知識相結(jié)合?！?/span>

這些人工智能模型分析大量數(shù)據(jù)來預(yù)測蛋白質(zhì)將如何折疊和相互作用，幫助科學(xué)家預(yù)測潛在的突變及其影響。雖然這些工具還不完美，但它們是我們對抗不斷進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)測病毒進化的人工智能模型有一個明顯的局限性。雖然他們可以預(yù)測病毒基因組微小變化的影響，但他們很難預(yù)測突然的重大進化飛躍，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)測所有形式的病毒進化。

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

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化和流行病防范問題。從預(yù)測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候都更加重要。