病毒的未来演变将如何发展？人工智能（AI）正在帮助科学家预测其进化路径。通过预测病毒变异，可以提前改善疫苗和抗病毒治疗的效果。加州斯坦福大学计算生物学家Brian Hie表示，这是“一个非常令人兴奋且非常有用的科研领域”，但他也指出，预测病毒进化仍然极具挑战性。
RNA病毒（如SARS-CoV-2）不断积累新的突变。这些变化中的一部分对病毒有利，使病毒能够逃避宿主免疫并迅速传播。理论上，通过预测病毒的进化，研究人员可以在短期内设计出有效的疫苗和抗病毒药物。
目前，AI工具可以预测病毒中哪些单个突变更有可能成功，以及哪些变体会在短期内占据优势。然而，它们还无法预测长期发生的突变组合或变体。
过去，研究人员通过实验室实验来识别具有增强特性的变体，但这些实验耗时且费力。例如，北京北京大学免疫学家曹云龙领导的实验室开发了实验，研究单个突变如何影响病毒逃避抗体检测的能力。这些实验可以解释大量病毒进化现象，但并非全部。
伦敦DeepMind公司开发的AlphaFold等基于AI的蛋白质结构预测工具，以及Meta（原Facebook）开发的ESM-2和ESMFold，为该领域注入了新的活力。AI模型需要大量的数据才能预测病毒进化。东京大学生物信息学家伊藤纯平表示，SARS-CoV-2的大规模测序使得这成为可能。研究人员现在拥有近1700万个序列用于训练模型。
哈佛医学院的Debora Marks及其团队开发了一种名为EVEscape的模型，用于构建83个可能版本的SARS-CoV-2刺突蛋白。这些刺突蛋白可以逃避接种疫苗或感染当前流行变体的人产生的抗体，并可用于测试未来COVID-19疫苗的有效性。
伊藤纯平的研究小组专注于更广泛的病毒适应性特征——即变体在人群中快速传播并最终占主导地位的能力。研究人员使用ESM-2创建了一个名为CoVFit的模型，可以预测SARS-CoV-2变体的相对适应性。CoVFit基于13,643个SARS-CoV-2刺突蛋白变体进行训练，并使用曹云龙团队的实验数据，了解单个突变如何影响病毒逃避抗体的能力。伊藤纯平的团队创建了一个截至2022年8月的数据模型，并成功预测了某些变体在此截止日期后的适应性提升，包括后来出现的XBB5变体。
到2024年3月，全球主要的SARS-CoV-2变体是JN.1。使用CoVFit，伊藤纯平的团队确定了三个单氨基酸变化，有助于JN.1获得更高的适应性。这些突变已在全球迅速扩展的变体中观察到。
尽管取得了这些进展，研究人员仍需更多数据来提高预测的准确性。AI工具在预测病毒进化方面已经取得了一些成功，但仍面临诸多挑战。随着更多数据的积累和技术的进步，未来有望更好地应对病毒的演变，从而为全球公共卫生提供更强有力的支持。
(全文结束)
