新冠病毒突变!AI算法告诉你哪些新冠病毒变体威胁最大

新智元

共 2162字,需浏览 5分钟

 ·

2021-01-23 13:18



  新智元报道  

来源:外媒

编辑:LQ

【新智元导读】近日,麻省理工学院的研究员在《科学》杂志发表了一篇论文《学习病毒演变和逃逸的语言》,论文描述了研究人员正在利用一种机器学习算法预测哪些变异毒株会对人类羽翼未丰的免疫系统构成最大威胁。


最近几周,来自英国、南非、美国加州的新冠病毒变异毒株已经开始在全球范围内传播。

 
变异毒株虽然比其祖先致命性低,但似乎传播性更强。对于变异毒株,多名专家公开表示,目前的疫苗对其仍然有效。
 
但是变异毒株会越来越多,将来会不会出现一种毒株导致疫苗无效?研究人员一直在做相关研究。
 
1月15日,《科学》杂志发布的一篇论文《学习病毒演变和逃逸的语言》(Learning the language of viral evolution and escape)(论文链接附后),论文描述了麻省理工学院的研究人员正在利用一种机器学习算法预测哪些变异毒株会对人类羽翼未丰的免疫系统构成最大威胁。
 
 
该算法可以用来快速缩小范围查找哪些突变最有可能「逃避」接种过疫苗或以前感染过的人的免疫系统。然后,研究人员可以在实验室中测试可疑毒株,并相应地更新疫苗。
 
「这是疫苗开发的实时伴侣,现在用我们的模型做研究的速度会比实验室里的研究工作快得多”」,本文作者之一、同时也是MIT生物工程师的Bryan Bryson说。
 
这个工具出现在新冠肺炎传播的关键时刻。现在,各国正在逐步开始接种疫苗,但接种人数还很少,比如美国,只有超过百分之三的美国人接种过疫苗。
 

病毒逃逸

 

疫苗用来训练我们的免疫系统,使它能够识别一种特殊的冠状病毒毒株。但是,病毒变异越多,那些已经接种疫苗的人和以前感染过的人对新毒株的免疫力就越差。
 
这种过程被称为「病毒逃逸」。冠状病毒发生突变而逃逸,将使疫苗制造商在一场高风险的追赶游戏中争先恐后地更新他们的疫苗。
 
据Bryan Bryson和其同事介绍,该算法可以帮助疫苗生产商追赶病毒的演变,减少目前用于监测这种突变所耗费的人力物力。
 
论文的另一作者、麻省理工学院的计算机科学家Bonnie Berger 说: 「这个工具可以告诉你何时进行调查。随着新毒株的出现,我们可以标记出哪些毒株有可能会逃逸已确定接下来研究的对象。」
 
一些AI研究工具在新冠疫苗研发初期帮助很大。例如,AI帮助研究人员识别病毒遗传密码的哪些片段最有可能发生变化,以及某些突变如何影响其物理结构。


麻省理工学院的新机器学习算法通过将人工智能应用于病毒逃逸扩展了人工智能的技能。
 

模型最初为机器语言理解而开发


该小组的模型最初是为机器语言理解而开发的。该算法用于查找语法(句法)和意义(语义)。利用同样的两个原则,研究人员创造性地调整了它,用来监测病毒遗传密码的变化。
 
研究人员将这一过程称为「约束语义变化搜索」(constrained semantic change search,CSCS)。随着该模型对冠状病毒基因组的了解,它开始了解冠状病毒基因组的重大变化表现为何。
 
由此,它产生了一个可疑毒株的名单,用来在实验室中进行测试。
 
为了测试这些毒株,研究人员将首先产生一种带有可疑突变的假病毒,并经过了计算模型的鉴定。然后,他们将这种假病毒接受从接种过疫苗或感染过新冠的人身上收集的抗体。
 
如果这些抗体不能中和这种病毒,这表明这种新毒株能够逃避免疫系统的攻击,因此需要更新疫苗。

 
然后再回到算法上,寻找更多可疑的变异毒株。Bryson说,「这就像是计算机和实验室之间的一个循环,你要做的就是来回走动,试图实时了解这场流行病。」
 

新冠研究领域的「登月计划」


研究人员训练模型只用了将近1000个 SARS-CoV-2刺突蛋白的基因序列,加上3000个其他(比如导致普通感冒的)冠状病毒的刺突蛋白的基因序列。
 
刺突蛋白是新冠病毒用来与受体结合的主要表面蛋白,当刺突蛋白与人类细胞受体结合后,病毒膜与人类细胞膜融合,使得病毒基因组得以进入人类细胞并开始感染。


 
这些例子教模型冠状病毒中氨基酸测序的规则。

「关于语言模型的好处是,它们可以直接从一个大型训练集中学习规则, 这就是为什么我们想在生物学环境中使用这个模型,因为我们不知道哪些氨基酸可以组合在一起。」该团队的博士生、论文的合著者 Brian Hie说。
 
作为一项实验,麻省理工学院的研究人员将一些新的变种植入他们的算法中,发现英国和南非的菌株在逃逸概率方面都得了「相当高」的分数。

然而,它们的分数并没有在实验室实验中产生的逃逸突变体那么高,Berger说。
 
预测什么时候一个高分会转化成真正的逃离人类免疫系统的能力超出了该模型的能力,Hie说。
 
Hie表示,从长远来看,他希望继续使用这个模型来预测尚未出现的病毒变异。
 
他说: 「这是该研究领域的「登月计划」: 接种疫苗预防未来的病毒变体。」


 

参考链接:

论文请戳 👉   https://science.sciencemag.org/content/371/6526/284.full



浏览 8
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报