多数抗病毒药物针对的是已侵入人体细胞内的病毒。华盛顿州立大学研究人员表示，他们发现了一种更早期的干预方式——识别病毒最初进入细胞所依赖的单一分子相互作用。
这项发表于11月《纳米尺度》期刊的研究聚焦感染中最难破解的环节：病毒进入阶段。研究人员运用人工智能与分子模拟技术，锁定融合蛋白中的关键分子相互作用；在实验室中改变该作用后，成功阻止病毒侵入新细胞。
"病毒通过数千种相互作用攻击细胞，"华盛顿州立大学机械与材料工程教授刘津向Decrypt表示，"我们的研究旨在识别其中最重要的一个。一旦确定该相互作用，就能找到阻止病毒进入细胞、遏制疾病传播的方法。"
该研究始于新冠疫情结束后两年多，由兽医微生物学与病理学教授安东尼·尼科拉领导，获得美国国立卫生研究院资助。团队以疱疹病毒为实验对象，此类病毒依赖表面融合蛋白糖蛋白B（gB）驱动细胞膜融合。
科学家早已知晓gB在感染中的核心作用，但其庞大结构、复杂构型及与其他病毒蛋白的协同机制，使得难以确定哪些内部相互作用真正关键。刘津强调，人工智能的价值不在于发现人类无法认知的事物，而在于大幅提升效率。
"生物实验通常基于假设：你认为某区域可能重要，但该区域存在数百种相互作用，"刘津解释道，"逐一测试耗时耗资。模拟技术的成本可忽略不计，我们的方法能精准识别关键相互作用，再通过实验验证。"
人工智能正日益用于医学研究，以识别传统方法难以捕捉的疾病模式。近期研究已应用机器学习在症状出现前数年预测阿尔茨海默病，在核磁共振扫描中识别细微病变，并利用大型健康数据库预测数百种疾病的长期风险。
美国政府也开始投资该领域，包括国立卫生研究院5000万美元的儿童癌症研究AI专项。刘津指出，该计算框架可拓展至阿尔茨海默病等由蛋白质相互作用异常引发的神经退行性疾病。
"最关键的是明确靶向目标，"刘津强调，"一旦我们提供该靶点，研究人员就能探索削弱、增强或阻断它的方法。这才是本研究的核心意义。"
【全文结束】
