广州实验室研发预测潜在新冠危险突变株的人工智能系统
发布日期：2023-12-11
广州实验室成立以来，围绕新冠病毒株变异及疫情预测预警开展了系列攻关工作。疫情进入常态化防控阶段后，提高预测预警及监控能力，实时监测变异株演变态势，预防病毒突变导致的突发公共卫生事件成为疫情防控的迫切要求和工作关键。广州实验室联合澳门科技大学等成功研发人工智能系统“UniBind”，可以准确预测新冠病毒和其他冠状病毒中对人类构成重大威胁的变异株，能够有效提升我国疫情主动防控能力。
研究团队进行了多个异源数据集的整合，建立了一个通用人工智能系统“UniBind”，通过预测蛋白质-蛋白质复合物的亲和力，进而预测新冠病毒发展态势。“UniBind”通过分析全球监测产生的600多万个病毒序列数据，可预测会导致病毒对抗体或疫苗产生抗性、导致严重病毒传染力增加的新冠变异株突变。该系统预测的病毒进化趋势与目前病毒实际进化趋势一致，即突变适配性增加、抗体逃逸增加以及S-ACE2亲和力下降。研究团队开展进一步验证，利用该系统模拟了三万多株虚拟毒株，正确预测了目前占主导地位的突变株，如奥密克戎 XBB和BQ突变株。在目前突变株的基础上，“UniBind”已确定A475N和S494K突变与抗体抗性有关，未来可能会驱动新突变株出现。
在预测新冠病毒的基础上，研究团队利用“UniBind”探索了4种不同β冠状病毒分支的26种病毒株与8种宿主（人、雪貂、穿山甲、小鼠及4种蝙蝠）受体的结合能力，预测亲和力结果与实验结果显著相关（皮尔森相关系数0.71），表明该系统可准确预测不同冠状病毒及其突变株对不同物种的亲和力，提示该系统对寻找重大流行病的中间宿主、预测冠状病毒跨物种传播途径具有重要意义。
基于此模型，研究团队设计并合成了一系列ACE2诱饵蛋白，成功预测并验证了中和能力最高的诱饵蛋白，发现了潜在抗病毒蛋白药物，为人工智能辅助抗病毒药物发现提供有力工具。下一步，研究团队在已收集的222种病毒的RBD蛋白信息和636种ACE2（428个物种）蛋白信息基础上，将持续探索发现潜在高危冠状病毒及中间宿主，提供更加精准、全面的冠状病毒预测预警技术支撑。
研究团队进行了多个异源数据集的整合，建立了一个通用人工智能系统“UniBind”，通过预测蛋白质-蛋白质复合物的亲和力，进而预测新冠病毒发展态势。“UniBind”通过分析全球监测产生的600多万个病毒序列数据，可预测会导致病毒对抗体或疫苗产生抗性、导致严重病毒传染力增加的新冠变异株突变。该系统预测的病毒进化趋势与目前病毒实际进化趋势一致，即突变适配性增加、抗体逃逸增加以及S-ACE2亲和力下降。研究团队开展进一步验证，利用该系统模拟了三万多株虚拟毒株，正确预测了目前占主导地位的突变株，如奥密克戎 XBB和BQ突变株。在目前突变株的基础上，“UniBind”已确定A475N和S494K突变与抗体抗性有关，未来可能会驱动新突变株出现。
在预测新冠病毒的基础上，研究团队利用“UniBind”探索了4种不同β冠状病毒分支的26种病毒株与8种宿主（人、雪貂、穿山甲、小鼠及4种蝙蝠）受体的结合能力，预测亲和力结果与实验结果显著相关（皮尔森相关系数0.71），表明该系统可准确预测不同冠状病毒及其突变株对不同物种的亲和力，提示该系统对寻找重大流行病的中间宿主、预测冠状病毒跨物种传播途径具有重要意义。
基于此模型，研究团队设计并合成了一系列ACE2诱饵蛋白，成功预测并验证了中和能力最高的诱饵蛋白，发现了潜在抗病毒蛋白药物，为人工智能辅助抗病毒药物发现提供有力工具。下一步，研究团队在已收集的222种病毒的RBD蛋白信息和636种ACE2（428个物种）蛋白信息基础上，将持续探索发现潜在高危冠状病毒及中间宿主，提供更加精准、全面的冠状病毒预测预警技术支撑。
推荐新闻
暂无数据