AI帮助研究人员在病毒感染开始前阻止病毒

简要概述

• 研究人员识别出病毒依赖进入细胞的关键分子相互作用，并在实验室中破坏了它。
• 这项工作利用人工智能和分子模拟，将数千个相互作用缩小到一个关键目标。
• 科学家表示，这种方法有助于指导未来的抗病毒和疾病研究，尽管仍处于早期阶段。

Decrypt的艺术、时尚与娱乐中心。

发现场景

大多数抗病毒药物在病毒已经进入人体细胞后进行作用。华盛顿州立大学的研究人员表示，他们找到了一种提前干预的方法，识别出病毒进入细胞所依赖的单一分子相互作用。

这项于11月发表在《纳米尺度》杂志上的研究，聚焦于病毒入侵，这是感染过程中最不被理解且最难干扰的阶段之一，利用人工智能和分子模拟技术，识别出融合蛋白中的一个关键相互作用，当在实验中被改变时，可以阻止病毒进入新细胞。

“病毒通过数千个相互作用攻击细胞，”华盛顿州立大学机械与材料工程教授金刘告诉Decrypt。“我们的研究是为了识别最重要的那个，一旦确定了这个相互作用，我们就能找到方法阻止病毒进入细胞，从而阻止疾病的传播。”

这项研究源于两年前COVID-19大流行刚开始时的工作，由兽医微生物学与病理学教授Anthony Nicola领导，获得了国家卫生研究院的资助。

在这项研究中，研究人员以疱疹病毒为例进行测试。

这些病毒依赖表面融合蛋白——糖蛋白B@gB@——在入侵过程中驱动膜融合。

科学家们早已知道gB在感染中起核心作用，但由于其庞大的结构、复杂的架构以及与其他病毒入侵蛋白的协调，使得确定其众多内部相互作用中哪些是功能关键的变得困难。

刘表示，人工智能在该项目中的价值不在于发现人类研究者无法知道的东西，而在于大大提高了搜索效率。

团队没有依赖试错，而是利用模拟和机器学习同时分析数千种可能的分子相互作用，并对其重要性进行排序。

“在生物实验中，通常从假设开始。你认为某个区域可能很重要，但该区域有数百个相互作用，”刘说。“你测试一个，也许不重要，然后再测试另一个。这需要大量时间和金钱。通过模拟，成本可以忽略不计，我们的方法能够识别出真正重要的相互作用，然后在实验中进行验证。”

人工智能在医学研究中的应用日益增加，用于识别通过传统方法难以检测的疾病模式。

最近的研究利用机器学习预测阿尔茨海默症发病数年前的迹象，在MRI扫描中发现细微的疾病征兆，并利用大量健康记录数据预测数百种疾病的长期风险。

美国政府也开始投资这种方法，包括一项(百万美元的国家卫生研究院计划，旨在将人工智能应用于儿童癌症研究。

除了病毒学，刘表示，同样的计算框架也可以应用于由蛋白质相互作用改变驱动的疾病，包括阿尔茨海默症等神经退行性疾病。

“最重要的是知道哪个相互作用是目标，”刘说。“一旦我们能提供这个目标，人们就可以寻找削弱、增强或阻断它的方法。这才是这项工作的真正意义。”