據介紹，傳統的病毒發現方法包括病毒分離和生命組學的生物信息學分析，高度依賴既有知識，對RNA病毒這種高度分化、種類繁多且容易變異的病毒識別率低。
在該研究中，團隊開發的LucaProt人工智能算法，能夠對病毒和非病毒基因組序列進行深度學習，并在數據集中自主判斷病毒序列。利用這套算法，團隊在來自全球生物環境樣本的10487份RNA測序數據中發現了超過51萬條病毒基因組，代表超過16萬個潛在病毒種及180個RNA病毒超群，大幅擴展了全球RNA病毒的多樣性。其中，23個超群無法通過序列同源方法識別，被稱為病毒圈的“暗物質”。
“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別中尤為重要。特別是在疫情暴發時，人工智能的速度和精度可以幫助科學家更快地鎖定潛在病原體。”施莽說。
通過進一步分析，團隊報告了迄今最長的RNA病毒基因組，長度達到47250個核苷酸；發現了超出以往認知的基因組結構，展現出RNA病毒基因組進化的靈活性；識別到多種病毒功能蛋白，特別是與細菌相關的功能蛋白，進一步表明還有更多類型的RNA噬菌體亟待探索；發現在南極底泥、深海熱泉、活性污泥和鹽堿灘等極端環境中，RNA病毒的數量和多樣性仍然較高。這些發現刷新了科學家對病毒圈的認知。
“面對遠源的新病毒，現有病毒分類體系已經顯得力不從心。未來，這一體系在門、綱等更深層次的分類上，可能會有大規模調整。”施莽說，他們的研究展示了病毒多樣性的深度，但廣度仍有待更多樣本的補充。病毒的多樣性遠超人類想象，目前看到的仍是冰山一角。
施莽表示，未來將繼續通過跨領域科研合作，充分利用云計算和人工智能優勢，解決生命科學領域的重要問題。
本網站轉載的所有的文章、圖片、音頻視頻文件等資料的版權歸版權所有人所有。如因無法聯系到作者侵犯到您的權益，請與本網站聯系，我們將采取適當措施。
