近日，中國(guó)和澳大利亞科學(xué)家的一項(xiàng)國(guó)際聯(lián)合研究利用人工智能（AI）工具發(fā)現(xiàn)了161979種新RNA病毒，是已知病毒種類的近30倍，大幅提升業(yè)界對(duì)RNA病毒多樣性和病毒演化歷史的認(rèn)知。這項(xiàng)研究也是迄今為止發(fā)表的數(shù)量最大的病毒物種發(fā)現(xiàn)論文。
圖片來(lái)源：阿里云
這項(xiàng)經(jīng)過(guò)同行評(píng)審的研究10日發(fā)表在國(guó)際知名學(xué)術(shù)期刊《細(xì)胞》（Cell）上。研究的共同通訊作者[1]中山大學(xué)醫(yī)學(xué)院施莽教授告訴澎湃新聞（www.thepaper.cn）：“人工智能算法模型使我們能夠挖掘出以前未知或被忽視的病毒。這種能力在疾病控制和快速識(shí)別新病原體方面尤為重要。”
今年剛剛揭曉的諾貝爾物理學(xué)獎(jiǎng)和化學(xué)獎(jiǎng)都和AI在科學(xué)領(lǐng)域的應(yīng)用有關(guān)，將科學(xué)智能（AI for Science）推上了歷史風(fēng)口。施莽表示，對(duì)于病原學(xué)領(lǐng)域來(lái)說(shuō)，AI完全不同于傳統(tǒng)工具，它是一種數(shù)據(jù)驅(qū)動(dòng)的研究模式，代表了一種新的科研范式。
“我們常說(shuō)，新的方法帶來(lái)新的發(fā)現(xiàn)，AI幫助我們突破了對(duì)病毒圈的認(rèn)知。這類方法還能應(yīng)用于更多病毒學(xué)領(lǐng)域的科學(xué)問(wèn)題，比如新發(fā)現(xiàn)的病毒是否具有致病性？是否可能引發(fā)下一次大流行？它的蛋白質(zhì)功能是什么？”施莽說(shuō)，“在科研領(lǐng)域，AI的應(yīng)用已經(jīng)勢(shì)不可擋，通過(guò)AI方法探索科學(xué)問(wèn)題已取得了重要突破。這種研究范式將成為未來(lái)科學(xué)界的常態(tài)，也可能成為我們認(rèn)知世界的重要手段。”
首次揭示了病毒圈“暗物質(zhì)”的含義
病毒是無(wú)處不在的微生物，但目前被人類識(shí)別的僅有5000余種，是病毒世界的冰山一角。其中一些病毒可能會(huì)導(dǎo)致人類患病，對(duì)于病毒的認(rèn)識(shí)擴(kuò)展，意味著能有助于人類應(yīng)對(duì)各種疾玻
根據(jù)病毒的遺傳物質(zhì)，可將病毒分為DNA病毒和RNA病毒，一般來(lái)講，后者建構(gòu)更簡(jiǎn)單，在自然界中的數(shù)量也更多。RNA病毒無(wú)處不在，在最極端的環(huán)境中也有存在，是最神秘的微生物，甚至有可能參與了早期生命的起源。它們?cè)谌蛏鷳B(tài)系統(tǒng)中發(fā)揮著關(guān)鍵作用，其中一些是人類傳染病的病原體。
傳統(tǒng)的病毒發(fā)現(xiàn)方法包括病毒分離和通過(guò)比較未知病毒與已知病毒的序列相似性的生物信息學(xué)方法來(lái)進(jìn)行識(shí)別。然而，RNA病毒種類繁多且高度分化，傳統(tǒng)方法難以捕捉缺乏同源性或同源性極低的“暗物質(zhì)病毒”，新病毒發(fā)現(xiàn)的效率較低。但這些序列對(duì)應(yīng)的有類似功能的蛋白質(zhì)結(jié)構(gòu)卻有相對(duì)較高同源性，而基于AI的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)與病毒學(xué)研究的結(jié)合正在突破這一難題。
此前，已有科學(xué)家利用機(jī)器學(xué)習(xí)搜索了公開數(shù)據(jù)庫(kù)中存檔的基因組樣本，并發(fā)現(xiàn)了許多新的RNA病毒。此次發(fā)表在《細(xì)胞》雜志上的最新研究將這項(xiàng)工作更推進(jìn)了一步，即通過(guò)AI輔助的蛋白質(zhì)結(jié)構(gòu)的預(yù)測(cè)。
RNA病毒都有一個(gè)稱為“RdRp”的核心蛋白，即病毒RNA復(fù)制酶。上述研究根據(jù)一個(gè)全新的深度學(xué)習(xí)模型“LucaProt”，基于Transformer框架（構(gòu)建GPT等主流AI大模型的基礎(chǔ)框架），通過(guò)向其輸入蛋白質(zhì)序列預(yù)測(cè)。訓(xùn)練好的模型可以用來(lái)識(shí)別病毒 RdRp，并用它在大量基因組數(shù)據(jù)中查找這些未知病毒的類似蛋白序列。
值得一提的是，該AI模型包含一種名為ESMFold的蛋白質(zhì)預(yù)測(cè)工具，該工具由美國(guó)科技巨頭Meta的研究人員開發(fā)。類似的AI系統(tǒng)還包括由Google DeepMind的研究人員開發(fā)的AlphaFold，其CEO德米斯哈薩比斯（Demis Hassabis）于本周獲得了諾貝爾化學(xué)獎(jiǎng)。
利用這套算法，研究團(tuán)隊(duì)對(duì)來(lái)自全球生物環(huán)境樣本的10487份數(shù)據(jù)進(jìn)行病毒挖掘，發(fā)現(xiàn)了513134條病毒基因組，代表161979個(gè)潛在病毒種及180個(gè)RNA病毒超群。使RNA病毒超群數(shù)量擴(kuò)容約9倍，病毒種類增加約30倍，其中23個(gè)超群無(wú)法通過(guò)序列同源方法識(shí)別，被稱為病毒圈的“暗物質(zhì)”。
該論文還揭示多個(gè)病毒學(xué)領(lǐng)域新發(fā)現(xiàn)：發(fā)現(xiàn)迄今為止最長(zhǎng)的RNA病毒基因組，長(zhǎng)度達(dá)到47250個(gè)核苷酸；識(shí)別出超出以往認(rèn)知的基因組長(zhǎng)度，展示了RNA病毒基因組進(jìn)化的靈活性超出之前病毒學(xué)家的認(rèn)知；此外，在高溫的深海熱泉等極端環(huán)境中，RNA病毒依舊存在多樣性。
“這些病毒中的絕大多數(shù)都已經(jīng)測(cè)序并存儲(chǔ)在公共數(shù)據(jù)庫(kù)中，但它們的差異太大，以至于沒(méi)人知道它們是什么，參與這項(xiàng)研究的悉尼大學(xué)醫(yī)學(xué)與健康學(xué)院醫(yī)學(xué)科學(xué)院的愛德華茲霍姆斯（Edwards Holmes）教授說(shuō)，“它們包含通常被稱為序列 ‘暗物質(zhì)’的東西。我們的人工智能方法能夠組織和分類所有這些不同的信息，首次揭示了這種’暗物質(zhì)’的含義。”
大幅提升對(duì)病毒多樣性認(rèn)知
施莽團(tuán)隊(duì)的研究顯示病毒的多樣性遠(yuǎn)超人類想象，目前我們所看到的只是冰山一角，未來(lái)病毒分類體系可能會(huì)有大規(guī)模的調(diào)整。
論文共同作者、阿里云智能云棲實(shí)驗(yàn)室研究員李兆榮博士表示：“LucaProt是前沿人工智能技術(shù)與病毒學(xué)的重要結(jié)合，表明人工智能可以有效地完成生物探索任務(wù)。這種結(jié)合為進(jìn)一步解碼生物序列、從新視角解構(gòu)生物系統(tǒng)提供了寶貴的見解和激勵(lì)。我們也將繼續(xù)在病毒學(xué)人工智能領(lǐng)域的研究。”
施莽也進(jìn)一步介紹：“人工智能的算法模型能夠挖掘出我們之前忽略或根本不知道的病毒，這種能力在疾病防控和新病原的快速識(shí)別中尤為重要。特別是在疫情暴發(fā)時(shí)，人工智能的速度和精度可以幫助科學(xué)家更快地鎖定潛在病原體。”
施莽表示，過(guò)去依靠繁瑣的生物信息學(xué)流程來(lái)發(fā)現(xiàn)病毒，限制了我們可以探索的多樣性。“現(xiàn)在，我們有了一個(gè)更有效的基于人工智能的模型，它提供了卓越的靈敏度和特異性，同讓我們能夠更深入地研究病毒多樣性。我們計(jì)劃將此模型應(yīng)用于各種應(yīng)用。”
施莽透露，下一步的研究包括對(duì)于病毒與宿主的關(guān)系，以及識(shí)別可以感染特定宿主的病毒群。
“例如，在人體中可以發(fā)現(xiàn)許多病毒，但并不是所有病毒都會(huì)感染人類。有些病毒專門感染細(xì)菌，有些則感染人類攝入的食物，還有些感染寄生蟲。因此，關(guān)鍵在于找到真正感染宿主細(xì)胞的病毒。另一種情況是，當(dāng)我們?cè)趧?dòng)物或媒介昆蟲中監(jiān)測(cè)潛在的人類病原體時(shí)，需要一個(gè)工具來(lái)判斷在這些動(dòng)物和媒介中新發(fā)現(xiàn)的病毒是否具備跨物種傳播到人類并引發(fā)大流行的潛力。”他說(shuō)。
研究團(tuán)隊(duì)表示，將繼續(xù)訓(xùn)練該模型以發(fā)現(xiàn)更多的病毒多樣性，并且同樣的方法可以用于識(shí)別細(xì)菌和寄生蟲。
沒(méi)有參加這項(xiàng)研究的生物進(jìn)化學(xué)家姜小煒博士認(rèn)為： “對(duì)于擴(kuò)大對(duì)病毒圈的認(rèn)知來(lái)說(shuō)，這是一種非常有前途的方法，基于AI的結(jié)構(gòu)生物學(xué)和演化生物學(xué)結(jié)合的方法會(huì)幫助科學(xué)家發(fā)現(xiàn)病毒在自然界很多未知的多樣性和演化規(guī)律。 以后更好的這類方法和數(shù)據(jù)會(huì)帶來(lái)更多的病毒多樣性和演化的重大發(fā)現(xiàn)，幫助人類應(yīng)對(duì)未來(lái)挑戰(zhàn)。”
霍姆斯教授表示：“這是在一項(xiàng)研究中發(fā)現(xiàn)的新病毒種類數(shù)量最多的一次，極大地?cái)U(kuò)展了我們對(duì)生活在我們身邊的病毒的了解。然而這只是冰山一角，打開了一個(gè)探索的世界。還有數(shù)百萬(wàn)種病毒有待發(fā)現(xiàn)，我們可以用同樣的方法來(lái)識(shí)別細(xì)菌和寄生蟲。誰(shuí)知道還會(huì)有什么額外的驚喜呢。”
