10月9日，中山大學醫學院施莽教授團隊與阿裡雲李兆融團隊在《細胞》雜志發表論文，報告了全球范圍的180個超群、16萬余種的RNA病毒發現，大幅擴展全球RNA病毒的多樣性。該研究將人工智能技術應用於病毒鑒定，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識別效率低。在該研究中，研究團隊開發了一種人工智能算法，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個超群無法通過序列同源方法識別，被稱為病毒圈的“暗物質”。

通過進一步分析，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﹔發現在南極底泥、深海熱泉、活性污泥和鹽鹼灘等極端環境中，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識別中尤為重要。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鎖定潛在病原體。”施莽說。（記者吳春燕、唐一歌 通訊員朱嘉豪、李建平）

分享讓更多人看到