AI 新框架 CoVFit 能预测 SARS-CoV-2 变体的传播潜力

病毒性传染病的挑战在于病毒通过突变快速进化，这一特点在新型冠状病毒（SARS-CoV-2）的疫情中表现得尤为明显。疫情期间，新出现的SARS-CoV-2变异株引发了一波又一波的感染，这些变异株往往携带使它们更具传播性的突变，能够在人群中迅速扩散。了解病毒的“适应性”——其在宿主人群中传播的能力——对于管理和预判病毒威胁至关重要。然而，目前评估变异株适应性的方法大多依赖于突变模式，而缺乏考虑突变之间相互作用的统计模型。 为了解决这一问题，来自日本东京大学医学科学研究所以副教授伊藤纯平、博士亚当·斯特兰奇和教授佐藤圭为首的研究团队开发了一个名为CoVFit的新框架，用于预测SARS-CoV-2变异株的适应性。这项研究发表在《自然通讯》杂志上。 CoVFit将分子数据与大规模流行病学数据相结合，提供了一个能够帮助人们理解某些变异株为何成功而其他变异株却失败的预测模型。该框架不仅能够追踪病毒的传播情况，还能揭示其成功的背后原因，成为应对当前及未来病毒暴发的重要工具。 伊藤纯平博士表示：“我们开发了一个基于刺突蛋白序列预测SARS-CoV-2变异体适应性的人工智能模型——CoVFit。通过使用CoVFit，我们可以阐明SARS-CoV-2为了增强其适应性并反复扩大传播范围所获得的具体突变。” 该模型的准确性令人印象深刻，尤其在预测单一氨基酸替代对病毒进化的潜在影响方面表现突出，为理解病毒如何进化和传播提供了重要见解。研究人员还开发了一种前瞻性方法，通过系统生成所有可能的单一氨基酸替代人工突变株，预测每个突变株的适应性。这一方法使他们能够识别出未来变异株中高可能性出现的突变位点。 将CoVFit应用于omicron BA.2.86谱系时，模型预测位于S蛋白346、455和456位点的氨基酸替代将增强病毒适应性。令人惊讶的是，在随后全球广泛传播的BA.2.86后代谱系——JN.1、KP.2和KP.3——中确实观察到了这些突变。这充分证明了CoVFit预测单一氨基酸替代驱动的进化变化的能力。 总之，CoVFit代表了在预测、解释和应对病毒进化方面的重要突破。它通过人工智能整合分子生物学和人群水平的数据，提供了一种灵活、透明且及时的方法来应对未来的公共卫生危机。随着病毒的持续进化，像CoVFit这样的工具将在指导积极和有见地的公共卫生响应中发挥关键作用。 业内专家认为，CoVFit的成功展示了分子数据与流行病学数据结合的巨大潜力，这种跨学科的方法为病毒学研究开辟了新途径。开发CoVFit的东京大学医学院研究所是一所享誉国际的科研机构，致力于生物医学领域的前沿研究，对全球公共卫生有着重要贡献。