广州实验室开发预测潜在SARS-CoV-2和其他冠状病毒危险突变株的人工智能系统
发布日期：2023-08-11
广州实验室张康团队与合作者共同开发了一种名为"UniBind"的创新人工智能(AI)模型，用于预测蛋白-蛋白结合亲和力。该模型能够准确预测SARS-CoV-2中潜在的对人类构成重大威胁的变异株。SARS-CoV-2是导致新冠疫情COVID-19的病毒，其能够不断进化产生新的变异株，以逃避疫苗或自然感染提供的免疫保护。尽管目前的Omicron变异株似乎不会导致严重疾病，但SARS-CoV-2可能继续进化为更危险的变异株，带来严重疾病或死亡的风险。"UniBind"通过分析全球监测产生的六百多万个病毒蛋白序列数据，能够精确预测哪些突变会增加病毒的传染性，以及哪些突变会导致病毒产生对抗体或疫苗的逃避能力。这项研究已发表在《自然医学》杂志上（原文附后）。该研究将彻底改变我们分析COVID-19以及其他潜在传染病的模式和能力。
"UniBind在许多方面表现出色"，主导这项研究的张教授介绍说。"目前的人工智能方法大多只能通过分析一种实验数据来进行预测，这限制了模型的准确性。 UniBind能够整合并分析来自不同实验来源和模态的数据，例如自由能、Kd和IC50等不同观测数据，从而实现更好的预测。"
此外，该人工智能模型可以预测对任何新出现的病毒菌株的免疫效果，并评估感染的严重程度。
该团队使用AI模拟了3万多个虚拟病毒株，并成功预测了目前占主导地位的变异株，如Omicron XBB和BQ变异株。在目前的变异株基础上，UniBind已经确定A475N和S494K的变异与抗体抗性有关，因此可能驱动未来变异株的出现。此外，研究团队还利用UniBind探索了各种β冠状病毒与不同宿主受体的结合能力，结果显示该模型能够准确预测不同病毒及其变异株对不同物种的亲和力。这对于发现重大流行病的中间宿主和预测病毒在不同物种间传播的途径具有重要意义。
上一篇： “成果转化人才培养平台”正式上线啦！
下一篇： --
返回列表
推荐新闻
暂无数据