AI预测病毒进化，未来疫苗设计将“快人一步”

2025年1月，北京大学高文、田永鸿、陈杰联合团队与广州实验室周鹏团队合作在《Nature Machine Intelligence》发表了一项突破性成果，该研究开发出一种基于进化驱动的病毒变异驱动力预测框架E2VD的AI算法，能够预测多种病毒的进化方向。这项技术的出现，标志着疫苗研发进入了一个新的时代，有望帮助科学家提前预判病毒变异趋势，加速疫苗的研发。

AI如何预测病毒的变异？

病毒通过不断发生突变来适应其环境，尽管绝大多数突变没有生存优势，只有少数对病毒生存有益的突变会被自然选择所保留。传统研究方法往往无法及时捕捉和分析这些微小的变化，而E2VD的出现则使得这一挑战迎刃而解，主要依赖于以下两个核心技术。

关键变异识别：通过一种专门设计的蛋白质语言模型，E2VD能够从庞大的数据集里筛选出对病毒生存至关重要的稀有、但有益的突变。在研究中，该模型将对这些稀缺变异的预测准确度从13%提升至80%，极大地增强了对病毒的理解。

微弱变异增强技术：E2VD利用动态粒度注意力机制，能够精准识别病毒蛋白中微小的结构变化。这种技术可以高效检测到新冠病毒刺突蛋白等关键蛋白的细微调整，帮助研究人员实时跟踪病毒的进化动态。

实际应用前景

E2VD的实际应用潜力十分广阔，主要体现在以下几个方面：

监测突变风险：结合虚拟突变扫描技术，该算法可有效识别具有较高传染性或致病性的突变株，提前发出预警。这种能力对于公共卫生系统制定应对措施至关重要，能够帮助降低疫情爆发的风险。

辅助疫苗研发：E2VD预测出的突变位点为开发广谱疫苗指明了方向。这种基于预测的靶点探索可以帮助科学家设计出更具针对性和广泛适用性的疫苗。

缩短研发周期：该研究团队下一步计划将E2VD模型与现有的疫苗开发流程相结合，将新疫苗的研发周期缩短。这一目标的实现，将大大提升公共卫生应对新兴病毒的灵活性和效率。

人工智能在病毒研究与疫苗开发中的影响力日益显著。未来，将不仅依赖传统的实验研究，还可以借助AI强大的算法，实现更快、更精准的疫苗创新。这种转变将对全球公共卫生领域的提升产生深远的影响。

参考文献：

Nie Z, Liu X, Chen J, et al. A unified evolution-driven deep learning framework for virus variation driver prediction. Nature Machine Intelligence, 2025: 1-14.