新聞記者 康旭陽
10月10日國際頂級學(xué)術(shù)期刊《Cell》發(fā)表了中山大學(xué)與阿里云合作的科研成果，研究團(tuán)隊利用云計算與AI技術(shù)發(fā)現(xiàn)了180個超群、16萬余種全新RNA病毒，是已知病毒種類的近30倍，大幅提升了業(yè)界對RNA病毒多樣性和病毒演化歷史的認(rèn)知。
《Cell》是國際公認(rèn)學(xué)術(shù)聲譽最高的期刊，代表生命科學(xué)領(lǐng)域的最高水平。國內(nèi)每年入選《Cell》的論文數(shù)量僅有數(shù)十篇。此次入選的論文提出了一種基于深度學(xué)習(xí)的RNA病毒發(fā)現(xiàn)方法，是深度學(xué)習(xí)算法在病毒發(fā)現(xiàn)領(lǐng)域的里程碑式進(jìn)展，為病毒學(xué)研究開創(chuàng)了全新范式。
據(jù)介紹，病毒與人類的健康密切相關(guān)，但人類已知已確認(rèn)的病毒種類僅有5000余種，這只是病毒世界的冰山一角。傳統(tǒng)RNA病毒鑒定方法高度依賴于序列同源性比對，即通過比較未知病毒與已知病毒的序列相似性來進(jìn)行識別。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。
AI與病毒學(xué)研究的結(jié)合正在突破這一難題。本篇論文提出了全新的深度學(xué)習(xí)模型“LucaProt”，它基于Transformer框架與大模型表征技術(shù)，結(jié)合蛋白質(zhì)序列和內(nèi)在結(jié)構(gòu)性特征，在獨立的測試數(shù)據(jù)集上表現(xiàn)優(yōu)異，具有極高的準(zhǔn)確性（假陽性率僅為0.014%）和特異性（假陰性率為1.72%）。
據(jù)介紹，研究團(tuán)隊對來自全球生物環(huán)境樣本的10,487份數(shù)據(jù)進(jìn)行病毒挖掘，發(fā)現(xiàn)了513,134條病毒基因組，代表161,979個潛在病毒種及180個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個超群無法通過序列同源方法識別，被稱為病毒圈的“暗物質(zhì)”。
該論文還揭示了多個病毒學(xué)領(lǐng)域新發(fā)現(xiàn)：發(fā)現(xiàn)迄今為止最長的RNA病毒基因組，長度達(dá)到47,250個核苷酸；識別出超出以往認(rèn)知的基因組結(jié)構(gòu)，展示了RNA病毒基因組進(jìn)化的靈活性；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。
中山大學(xué)醫(yī)學(xué)院教授施莽表示：“在科研領(lǐng)域，AI的應(yīng)用已經(jīng)勢不可擋，通過AI方法探索科學(xué)問題已取得了重要突破。這種研究范式將成為未來科學(xué)界的常態(tài)，也可能成為我們認(rèn)知世界的重要手段。”
該論文共同第一作者、阿里云飛天實驗室算法專家賀勇表示：“基于AI+病毒學(xué)的新研究框架刷新了人類對病毒圈的認(rèn)識，隨著這種認(rèn)識的不斷完善，有助于人類對未來可能發(fā)生的大流行進(jìn)行預(yù)警，以及進(jìn)一步推動RNA病毒疫苗的研發(fā)?！?/p>
據(jù)悉，過去幾年，阿里云積極與國內(nèi)高校和研究機構(gòu)展開合作，在生命科學(xué)領(lǐng)域已發(fā)表核酸和蛋白質(zhì)統(tǒng)一基礎(chǔ)模型-LucaOne、RNA病毒發(fā)現(xiàn)-LucaProt、磷循環(huán)蛋白家族識別-LucaPCycle等研究成果。
