人工智能將用于搜索下一個SARS-COV-2病毒
研究作者將棲息在南亞部分地區(qū)的 Rhinolophus rouxi 確定為可能但未被發(fā)現的β冠狀病毒宿主。來源：布洛克和雪莉芬頓
蛋白質的親水性有助于蛋白質的穩(wěn)定性，是維持蛋白質高級結構的穩(wěn)定性嗎？還有就是蛋白質的疏水性對蛋白質的結構或者性質有什么樣的影響？蛋白質的高級結構，例如三級結構能用相關的軟件預測出來嗎？如果可以請各位大哥大姐出出主意，用哪個軟件預測比較好？
俄克拉荷馬大學道奇家庭藝術與科學學院生物學助理教授丹尼爾·貝克爾在過去一年半中一直在領導一項主動建模研究，以確定可能攜帶 β 冠狀病毒的蝙蝠物種，包括但不限于SARS樣病毒。
由Lancet Microbe發(fā)表的“優(yōu)化預測模型以優(yōu)先考慮在人畜共患病宿主中發(fā)現病毒”的研究由 Becker 指導；Greg Albery，喬治城大學班薩爾實驗室的博士后；和喬治城全球健康科學與安全中心的助理研究教授 Colin J. Carlson。
它還包括來自愛達荷大學、路易斯安那州立大學、加州大學伯克利分校、科羅拉多州立大學、太平洋路德大學、西奈山伊坎醫(yī)學院、格拉斯哥大學、蒙特利爾大學、多倫多大學、根特大學、都柏林大學學院、卡里生態(tài)系統(tǒng)研究所和美國自然歷史博物館。
Becker 及其同事的研究是名為 Verena Consortium (viralemergence.org) 的國際研究團隊更廣泛努力的一部分，該團隊致力于預測哪些病毒可以感染人類、哪些動物可以感染它們以及它們可能出現在哪里。阿爾伯里和卡爾森是 2020 年該財團的聯合創(chuàng)始人，貝克爾是創(chuàng)始成員。
盡管全球對疾病監(jiān)測進行了投資，但仍然難以識別和監(jiān)測有朝一日可能感染人類的??野生動物病毒庫。統(tǒng)計模型越來越多地用于確定在野外采樣的野生動物物種的優(yōu)先順序，但任何一種模型產生的預測都可能高度不確定?？茖W家們也很少在做出預測后跟蹤預測的成功或失敗，這使得未來很難學習和制作更好的模型?？傊@些限制意味著哪些模型可能最適合該任務存在很大的不確定性。
在這項研究中，研究人員使用了 β 冠狀病毒的蝙蝠宿主，這是一大類病毒，包括導致 SARS 和COVID-19的病毒，作為案例研究如何動態(tài)使用數據來比較和驗證這些可能的宿主宿主的預測模型。該研究首次證明機器學習模型可以優(yōu)化未發(fā)現病毒的野生動物采樣，并說明如何通過預測、數據收集、驗證和更新的動態(tài)過程最好地實施這些模型。
2020 年第一季度，研究人員訓練了八種不同的統(tǒng)計模型，這些模型可以預測哪些動物可能攜帶 β 冠狀病毒。在一年多的時間里，該團隊隨后追蹤了 40 個新的 β 冠狀病毒蝙蝠宿主的發(fā)現，以驗證最初的預測并動態(tài)更新他們的模型。研究人員發(fā)現，利用蝙蝠生態(tài)和進化數據的模型在預測β冠狀病毒的新宿主方面表現非常出色。相比之下，使用高級數學（但生物數據較少）的網絡科學前沿模型的隨機性能與預期大致相同或更差。
重要的是，他們修改后的模型預測全球有 400 多種蝙蝠物種可能是未檢測到的 β 冠狀病毒宿主，不僅包括東南亞，還包括撒哈拉以南非洲和西半球。盡管已知 21 種馬蹄蝠（Rhinolophus 屬）是類 SARS 病毒的宿主，但研究人員發(fā)現，這種蝙蝠屬中至少有四分之二的似是而非的 β 冠狀病毒宿主可能仍未被發(fā)現。
貝克爾說：“我們的研究為我們提供的最重要的東西之一是一份數據驅動的候選名單，其中應進一步研究哪些蝙蝠物種，”他補充說，他的團隊現在正在與野外生物學家和博物館合作，以利用他們的預測?！霸诖_定了這些可能的宿主之后，下一步就是投資監(jiān)測，以了解 β 冠狀病毒可能在何時何地溢出?！?/p>
Becker 補充說，盡管SARS-CoV-2的起源仍不確定，但其他病毒從蝙蝠身上的溢出是由棲息地干擾的形式引發(fā)的，例如農業(yè)或城市化。
相關儀器: 顯微鏡相機
“因此，蝙蝠保護是公共衛(wèi)生的重要組成部分，我們的研究表明，更多地了解這些動物的生態(tài)可以幫助我們更好地預測未來的溢出事件，”他說。