財聯(lián)社10月10日訊，據(jù)中山大學微信公眾號，10月9日，中山大學醫(yī)學院施莽教授團隊與阿里云李兆融團隊在《細胞》雜志（Cell）發(fā)表論文報告了180個超群、超過16萬種全球RNA病毒的發(fā)現(xiàn)，這是迄今為止規(guī)模最大的RNA病毒研究，大幅擴展了全球RNA病毒的多樣性。

該研究將人工智能技術(shù)應(yīng)用于病毒鑒定，發(fā)現(xiàn)了傳統(tǒng)方法未能發(fā)現(xiàn)的病毒“暗物質(zhì)”，探索了病毒學研究的新路徑。

文章第一作者侯新（左三）和阿里云團隊在中山大學醫(yī)學院合影

傳統(tǒng)病毒發(fā)現(xiàn)方法遇瓶頸 人工智能突破“已知”探“未知”

病毒是地球生態(tài)系統(tǒng)的重要組成部分，也與人類的健康密切相關(guān)。但是，目前已知的病毒種類仍十分有限，用更高效、更精準的方法發(fā)現(xiàn)和鑒定新病毒，一直是病毒學研究的基礎(chǔ)工作。

最早，人們通過分離培養(yǎng)病毒，在顯微鏡下觀察確認病毒的存在。隨著生命組學的發(fā)展，科學家們能夠利用測序技術(shù)，比較未知病毒和已知病毒核酸序列的相似性，識別和鑒定新病毒。這種方法十分依賴對病毒的既有認知。

然而，RNA病毒是一種高度分化、種類繁多且容易變異的病毒，尤其在面對缺乏同源性或同源性極低的“暗物質(zhì)病毒”時，這種序列同源性比對的方法很容易失靈。

使用人工智能對全球病毒圈深度挖掘并分類

人工智能技術(shù)的引入使突破“已知”尋找“未知”成為可能。研究中，團隊采用的核心算法LucaProt是一種能夠深度學習的Transformer模型，在大量學習病毒和非病毒基因組序列后，可以自主形成一套關(guān)于病毒的判斷標準，從而在大量的RNA測序數(shù)據(jù)集中挖掘出病毒序列。在測試中，LucaProt表現(xiàn)出極高的準確性和特異性，假陽性率為0.014%，假陰性率為1.72%。在與其他病毒挖掘工具的對比中，它也在處理較長序列的方面展現(xiàn)出優(yōu)勢。

“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(fā)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?！笔┟дf。

發(fā)現(xiàn)大量全新RNA病毒 刷新全球病毒圈認知

利用LucaProt，研究團隊對來自全球生物環(huán)境樣本的10,487份RNA測序數(shù)據(jù)進行病毒挖掘，發(fā)現(xiàn)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（相當于門或綱的分類級別），使RNA病毒超群數(shù)量擴容約9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)”。

“這些病毒不僅指感染人類的病原體，還包括廣泛存在于環(huán)境中的、感染各類生物的病毒。各種動物、植物、單細胞原生生物、真菌、細菌和古菌都可能感染病毒。深入了解環(huán)境中的病毒，有助于我們更好地理解整個生態(tài)系統(tǒng)的運作機制?！闭撐牡谝蛔髡吆钚虏┦拷榻B，“此外，我們還可以利用這種方法發(fā)現(xiàn)與人類疾病密切相關(guān)的病毒，用于新發(fā)傳染病的監(jiān)測和預(yù)警?！?/p>

依靠數(shù)據(jù)挖掘出來的新病毒，是否會停留在數(shù)字層面？通過對新發(fā)現(xiàn)病毒的分析，科學家們對病毒圈的認知也在不斷深化。

新發(fā)現(xiàn)病毒的遺傳多樣性（黃色部分）

在這項研究中，團隊報告了迄今最長的RNA病毒基因組，長度達到47,250個核苷酸；發(fā)現(xiàn)了超出以往認知的基因組結(jié)構(gòu)，展現(xiàn)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(guān)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。

研究指出，新發(fā)現(xiàn)的病毒分布在地球的各類生態(tài)環(huán)境中?？傮w上，落葉層、濕地、淡水和廢水環(huán)境的病毒多樣性最高。然而，在南極底泥、深海熱泉、活性污泥和鹽堿灘等極端環(huán)境中，RNA病毒的多樣性和豐度并不低，甚至在深海熱泉的高溫環(huán)境中，仍有RNA病毒在活躍復(fù)制。

“這項研究中，病毒的發(fā)現(xiàn)運用了人工智能的技術(shù)，但分類仍基于現(xiàn)有的體系進行。面對遠源的新病毒，現(xiàn)有的分類體系已經(jīng)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(guī)模的調(diào)整。”施莽說，“我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，我們目前所看到的仍是冰山一角。”

人工智能技術(shù)廣泛應(yīng)用 或助力破解更多科研難題

LucaProt雖然是一個專門為RNA病毒發(fā)現(xiàn)設(shè)計的模型，但它同時融合了對蛋白質(zhì)序列和隱含結(jié)構(gòu)信息識別的功能，也可用于蛋白質(zhì)功能的鑒定。在論文中，研究團隊開源了LucaProt模型，并通過在線網(wǎng)站分享給全球科學家。

“這個框架正在逐步成為該領(lǐng)域的前沿工具，也開始被應(yīng)用到其他類型的蛋白質(zhì)鑒定和功能發(fā)現(xiàn)任務(wù)上?！卑⒗镌粕镉嬎憧偙O(jiān)李兆融表示，人工智能正在逐步改變科學家解決包括病毒學在內(nèi)的各類科學問題的方式。

中國工程院院士、中國疾控中心傳染病溯源預(yù)警與智能決策全國重點實驗室主任徐建國院士表示，LucaProt的成功標志著人工智能算法在病毒發(fā)現(xiàn)方面的重大突破。未來，人工智能方法有望成為微生物學領(lǐng)域的主要工具，并可應(yīng)用于病毒對人類致病性的預(yù)測。

上海生物信息技術(shù)研究中心主任、廣州國家實驗室李亦學研究員認為，LucaProt能夠從序列和空間結(jié)構(gòu)兩個水平上，融合提取RNA病毒基因組序列的長程相關(guān)信息和組成特征，能夠先驗地識別數(shù)據(jù)中RNA病毒組成的模式和特征，這是傳統(tǒng)的基于同源分析的進化分析方法難以企及的。因此可以看到，人工智能在解決生物學科學問題中具有更廣泛的應(yīng)用潛力。

中山大學團隊和阿里云團隊在中山大學醫(yī)學院討論工作

施莽介紹，這項研究與阿里云飛天實驗室的AI4S-生物計算團隊合作開展，他們專注于生物序列的基礎(chǔ)模型研究。中山大學團隊負責病毒學方面的問題，而阿里云團隊則專注于人工智能模型的開發(fā)和計算?！半p方經(jīng)常互相拜訪，一起坐下來討論問題，幫助彼此理解對方不熟悉的領(lǐng)域?！笔┟дf，“我們希望繼續(xù)通過跨領(lǐng)域、緊密的科研合作，充分利用云計算和人工智能的優(yōu)勢，解決生命科學領(lǐng)域的重要問題。”

中山大學團隊訪問阿里云