宾夕法尼亚大学佩雷尔曼医学院的研究人员在《细胞报告物理科学》杂志上发表的一项研究表明，即使只有少量的实验数据，也能通过人工智能算法可靠地预测抗病毒药物。这项研究将人工智能算法与传统实验室方法相结合，发现了针对人类肠道病毒71型（EV71）的潜在药物。EV71是手足口病的主要病原体。
“我们将其视为快速抗病毒药物发现的模板。无论是另一种肠道病毒、新出现的呼吸道病原体还是像脊髓灰质炎这样的重新出现的病毒，AI驱动的方法都能帮助我们保持领先。”César de la Fuente博士说。他是精神病学、微生物学、生物工程、化学与生物分子工程以及化学专业的总统副教授。
人工智能简化研究过程
使用36种小分子作为初始面板，研究人员训练了一个机器学习模型，以识别有助于阻止病毒的特定形状和化学特征，并对每种化合物抑制EV71的可能性进行评分。研究人员对AI选择的候选药物进行了测试：在八种化合物中，有五种在细胞实验中成功减缓了病毒——这比传统筛选方法通常获得的结果多十倍。
“我们将原本需要几个月的试错过程压缩到了几天。”César de la Fuente博士说。“当时间、预算或其他限制因素限制了前期可生成的数据量时，这种方法尤其强大。”
EV71感染可从轻微的皮疹和发热发展到严重的神经系统并发症，尤其是在七岁以下的儿童和免疫功能低下的成人中。目前尚无FDA批准的抗病毒药物针对这种病毒。
所有五种确认有效的化合物都经过了计算机模拟测试，结果显示它们粘附在病毒的某些位置上，这些发现可能有助于未来的研究者阻止病毒改变形状并进入细胞。
“我们认为这是一种快速抗病毒药物发现的模板。”博士后研究员Angela Cesaro博士补充道。“无论下一个威胁是另一种肠道病毒、新出现的呼吸道病原体还是重新出现的病毒如脊髓灰质炎，我们的AI驱动方法表明，即使数据有限，机器学习也可以加速有效解决方案的开发，并迅速应对未来的疫情爆发。”
这项工作包括与宝洁公司和康奈尔大学的合作。本研究得到了Langer奖（AIChE基金会）、NIH R35GM138201、DTRA HDTRA1-21-1-0014和NIAID NIH R01AI149487的支持。使用BioRender.com创建的图表已注明。分子渲染使用的是PyMOL分子图形系统，版本3.1.1 Schrödinger, LLC。
Cesar de la Fuente-Nunez是Peptaris, Inc.的联合创始人和科学顾问，为Invaio Sciences提供咨询服务，并是Nowture S.L.、Peptidus、欧洲生物技术风险建设者、肽药物狩猎联盟（PDHC）、ePhective Therapeutics, Inc.和Phare Bio的科学顾问委员会成员。de la Fuente实验室收到了来自United Therapeutics、Strata Manufacturing PJSC和宝洁公司的研究资金或实物捐赠；但只有宝洁公司的支持用于这项工作。与这项工作相关的发明披露已经提交。
来源：
宾夕法尼亚大学
期刊引用：
Cesaro, A., et al. (2025). 使用稀疏数据集通过整合实验、分子模拟和机器学习进行抗病毒药物发现。《细胞报告物理科学》。doi.org/10.1016/j.xcrp.2025.102554。
(全文结束)
