人工智能幫助研究人員在感染開始前阻止了病毒的傳播。

大多數抗病毒藥物的作用機制是針對已經侵入人體細胞的病毒。 華盛頓州立大學的研究人員表示，成立一種更早進行干預的方法，即識別病毒最初進入細胞所依賴的單一分子相互作用。

這項研究，已發布11月刊登於該期刊納米尺度研究人員利用人工智能和分子模擬技術，重點研究了病毒入侵這一感染過程中最不為人知且最難破壞的階段之一，從而識別出融合蛋白中的關鍵相互作用。 在實驗室實驗中，當這種相互作用發生改變時，就能阻止病毒進入新的細胞。

“病毒通過數千次相互作用攻擊細胞，”華盛頓州立大學機械與材料工程教授金劉（Jin Liu）告訴記者。 解密。 “我們的研究目標是找出最重要的相互作用，一旦我們確定了這種相互作用，我們就可以找到阻止病毒進入細胞並阻止疾病傳播的方法。”

這項研究源於兩年多前開始的工作，當時正值 COVID-19 大流行之後不久，由獸醫微生物學和病理學教授 Anthony Nicola 領導，並得到了美國國立衛生研究院的資助。

在這項研究中，研究人員以皰疹病毒為例進行了研究。

這些病毒依賴於表面融合蛋白糖蛋白 B (gB)，該蛋白對於病毒入侵過程中驅動膜融合至關重要。

科學家們早就知道 gB 在感染中起著核心作用，但由於其體積龐大、結構複雜，且與其他病毒進入蛋白協調作用，因此很難確定其眾多內部相互作用中哪些在功能上至關重要。

劉表示，人工智能在該項目中的價值不在於它發現了人類研究人員無法了解的事物，而在於它使搜索工作更加高效。

研究團隊沒有依靠反複試驗，而是利用模擬和機器學習同時分析數千種可能的分子相互作用，並對其中最重要的相互作用進行排序。

劉教授說：“在生物實驗中，通常先提出一個假設。你認為這個區域可能很重要，但該區域內存在數百種相互作用。你測試一種，也許它並不重要，然後再測試另一種。這既耗時又費錢。而通過模擬，成本可以忽略不計，我們的方法能夠識別出真正重要的相互作用，然後可以在實驗中進行驗證。”

人工智能正越來越多地應用於醫學研究，以識別傳統方法難以檢測的疾病模式。

最近的研究已應用機器學習來預測Alzheimer’s在症狀出現前數年，就應注意疾病的細微跡象。 核磁共振掃描並利用大型健康記錄預測數百種疾病的長期風險數據集.

美國政府也已開始對這種方法進行投資，其中包括……5000萬美元美國國立衛生研究院發起將人工智能應用於兒童癌症研究的倡議。

劉表示，除了病毒學之外，同樣的計算框架還可以應用於由蛋白質相互作用改變引起的疾病，包括阿爾茨海默病等神經退行性疾​​病。

劉說：“最重要的是知道要針對哪種相互作用。一旦我們找到了目標，人們就可以研究如何削弱、增強或阻斷它。這才是這項工作的真正意義所在。”