上海在抗病毒研究领域的AI突破

上海研究人员开发出一款人工智能工具，可大幅缩短新型抗病毒药物的研发时间。由上海人工智能实验室与多家顶尖医疗机构合作创建的ViraHInter模型，为对抗不断进化的病毒提供了一条数字化捷径。

ViraHInter如何改变游戏规则

传统药物开发需要耗费大量实验室工作来理解病毒与人类蛋白质的相互作用。ViraHInter通过在研究人员进入实验室之前就对这些相互作用做出准确预测，消除了大量试错过程。

"该模型的独特之处在于其双重关注点，"参与该项目的计算生物学家李伟博士解释道。"大多数系统要么分析蛋白质序列，要么分析结构，而ViraHInter能同时进行这两项工作——就像在阅读一本书的同时还能理解页面是如何装订在一起的。"

该AI通过两种关键方法实现这一目标：

1. 在原子级别生成详细的病毒-蛋白质相互作用3D模型
2. 使用语言处理技术发现即使病毒变异也持续存在的模式

实际测试结果

初步测试显示出显著前景。在预测病毒-人类蛋白质相互作用时，ViraHInter获得了0.50的准确度评分——比目前该领域最先进的系统之一AlphaFold3高出4.5倍。

研究人员用该模型分析了三种流感亚型。它成功识别出33种在所有三种毒株中都存在的宿主因子——这些可能是导致广谱治疗方法的潜在弱点。

最令人兴奋的或许是该模型应对新威胁的能力。即使面对完全陌生的病毒序列，ViraHInter仍保持强劲表现。这种适应性在下一次大流行出现时可能至关重要。

对未来治疗的意义

这一突破的影响不仅限于流感领域。同样的原理可适用于冠状病毒、HIV和其他历来挑战药物研发者的快速变异病毒。

"我们不仅在加速这一过程，"瑞金医院的陈医生指出，"还在发现传统方法可能完全忽略的靶点。其中一些相互作用点非常微妙，没有这种级别的计算能力几乎不可能被发现。"

随着全球抗病毒耐药性增强，像ViraHInter这样的工具可以帮助科学家领先不断进化的病原体一步。研究团队目前正致力于将他们的发现整合到实际的药物开发流程中。

关键要点

• 双重分析：结合蛋白质结构和序列数据以获得更完整的预测结果
• 速度优势：减少对耗时实验室实验的依赖
• 广泛应用：对多种病毒类型有效，包括新兴毒株
• 已验证性能：以显著优势超越现有模型
• 药物开发：识别出可能被忽视的有前景的治疗靶点