大多数抗病毒药物在病毒已经进入人类细胞后才开始作用。华盛顿州立大学的研究人员表示，他们发现了一种更早干预的方法，识别出病毒进入细胞所依赖的单一分子相互作用。

这项研究于11月在《纳米尺度》期刊上发表，重点关注病毒进入，这是感染过程中最不为人知且最难以干扰的阶段之一，利用人工智能和分子模拟识别出融合蛋白中的关键相互作用，当在实验室实验中改变该相互作用时，可以阻止病毒进入新细胞。

“病毒通过成千上万的相互作用攻击细胞，”华盛顿州立大学机械与材料工程教授刘金说。“我们的研究是识别出最重要的相互作用，一旦我们识别出该相互作用，就可以找到一种方法来阻止病毒进入细胞，从而阻止疾病的传播。”

这项研究源于两年前COVID-19大流行后不久开始的工作，由兽医微生物学和病理学教授安东尼·尼古拉领导，获得了国家卫生研究院的资助。

在这项研究中，研究人员以疱疹病毒作为测试案例。

这些病毒依赖于一种表面融合蛋白，糖蛋白B（gB），它在进入过程中对膜融合至关重要。

科学家们早已知道gB在感染中是核心，但由于其体积庞大、结构复杂以及与其他病毒进入蛋白的协调，使得很难确定其众多内部相互作用中哪些是功能上至关重要的。

刘表示，人工智能在该项目中的价值并不是发现人类研究者无法知晓的东西，而是使搜索变得更加高效。

研究小组没有依赖试错法，而是使用模拟和机器学习同时分析数千种可能的分子相互作用，并对其重要性进行排名。

“在生物实验中，通常是从假设开始。你认为这个区域可能很重要，但在该区域内有数百种相互作用，”刘说。“你测试一种，也许它并不重要，然后再测试另一种。这需要大量的时间和金钱。通过模拟，成本可以忽略不计，我们的方法能够识别出真正重要的相互作用，然后可以在实验中进行测试。”

人工智能在医学研究中越来越多地被用于识别通过传统方法难以检测的疾病模式。

最近的研究应用机器学习预测阿尔茨海默病在症状出现前的多年，标记MRI扫描中的微妙疾病迹象，并使用大型健康记录数据集预测数百种疾病的长期风险。

美国政府也开始投资这种方法，包括一项$5000万的国家卫生研究院计划，旨在将人工智能应用于儿童癌症研究。

刘表示，除了病毒学之外，同样的计算框架也可以应用于由改变的蛋白质相互作用驱动的疾病，包括阿尔茨海默病等神经退行性疾病。

“最重要的是知道要针对哪个相互作用，”刘说。“一旦我们能够提供这个目标，人们就可以寻找削弱、增强或阻止它的方法。这就是这项工作的真正意义。”

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。