記者： 吳春燕、唐一歌 通訊員：朱嘉豪、李建平
使用人工智能對全球病毒圈深度挖掘並分類
圖片來源：中山大學
10月9日，中山大學醫學院施莽教授團隊與阿裏雲李兆融團隊在【細胞】雜誌發表論文，報告了全球範圍的180個超群、16萬余種的RNA病毒發現，大幅擴充套件全球RNA病毒的多樣性。該研究將人工智能技術套用於病毒鑒定，探索了病毒學研究的新路徑。
傳統的病毒發現方法高度依賴既有知識，面對RNA病毒這種高度分化、種類繁多且容易變異的病毒辨識效率低。在該研究中，研究團隊開發了一種人工智能演算法，其能對病毒和非病毒基因組序列深度學習，並自主判斷病毒序列。利用這套演算法，研究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。其中23個超群無法透過序列同源方法辨識，被稱為 病毒圈的「暗物質」 。
透過進一步分析，研究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病毒基因組前進演化的靈活性；辨識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別的RNA噬菌體亟待探索；發現在南極底泥、深海熱泉、活性汙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。
「人工智能的演算法模型能夠挖掘出我們之前忽略或根本不知道的病毒，這在疾病防控和新病原的快速辨識中尤為重要。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釘選潛在病原體。」施莽說。
☟
