B型流感病毒的"智能预报员"：PREDAC-FluB如何革新疫苗研制

季节性流感长期威胁人类健康，其中B型流感病毒虽不像A型那样频繁引发大规模疫情，却仍能造成全球约25%的流感住院病例。更棘手的是，B病毒分为维多利亚系（Victoria）和山形系（Yamagata）两大谱系，两者抗原性迥异，且血凝素（HA蛋白）突变率较低，导致传统依赖血凝抑制实验的抗原监测方法耗时长、通量低，难以捕捉其细微的抗原漂移规律。自2020年3月以来，山形系更是神秘"消失"，给全球监测体系带来新变数。这种数据稀缺性与变异隐蔽性的双重挑战，使得B型流感疫苗株的精准推荐长期滞后于A型病毒，亟需一种高效、准确的计算工具来破解这一困局。

华中科技大学与广州实验室联合团队开发的PREDAC-FluB模型，巧妙构建了一个融合多维度信息的深度学习框架。该模型以病毒表面抗原HA1序列为"密码本"，创新性地将蛋白质语言模型ESM-2的进化语义信息与氨基酸理化特征相结合——前者如同"基因考古学家"，从海量序列中挖掘深层的共进化模式；后者则像"化学分析师"，精准刻画每个氨基酸的局部物理化学属性。这种"双模态融合"数据被输入卷积神经网络（CNN），利用其特有的"感受野"机制，捕捉HA1序列中氨基酸位点间的空间交互作用，从而量化单个突变对抗原性的集体影响。随后，系统采用UMAP降维技术将高维抗原关系投射至三维空间，再通过K-means聚类自动识别抗原簇，形成从序列输入到抗原分型的端到端预测流水线。

在实际应用中，PREDAC-FluB展现出卓越的预测能力。模型对维多利亚系病毒实现了0.996的交叉验证准确率和0.986的独立测试准确率，对山形系也分别达到0.988和0.963，显著优于传统机器学习算法。它成功将维多利亚系划分为9个抗原簇，山形系划分为3个簇，精确追踪到2020年后维多利亚系1A.3a.2亚型逐渐取代1A.3a.1的抗原转变过程。更关键的是，模型可回溯评估历史疫苗株的抗原覆盖度：分析1997-2024年WHO推荐的13株疫苗发现，其保护效力呈典型"倒V型"分布——推荐当年覆盖率达峰，随后因抗原漂移逐年衰减。例如B/Austria/1359417/2021在2023-2024流行季覆盖超95%，对应美国CDC报告显示该季疫苗对儿童保护效力达89%，印证了模型的可靠性。

PREDAC-FluB首次为B型流感病毒建立了可解释的抗原演化预测体系，将原本需要数月的实验监测压缩至数小时计算，为WHO年度疫苗推荐提供了实时、定量的决策支持。通过揭示维多利亚系抗原变异快（平均4.6年更替）、山形系更稳定（7.5年更替）的演化规律，模型帮助理解了为何2020年后山形系可能因抗原保守性高、免疫逃逸弱而在非药物干预措施下趋于消失。未来，该框架经微调即可拓展至其他病原体，推动计算生物学从"解释现象"走向"预测未来"。在全球流感大流行风险持续的当下，这种"数字孪生"技术如同为病毒演化安装了"雷达系统"，让疫苗研制从此告别被动应对，转向主动防御的新纪元。

参考文献：

[1] Wenping Xie, Jingze Liu, Chuan Wang, Jiangyuan Wang, Wenjie Han, Yousong Peng, Xiangjun Du, Jing Meng, Kang Ning, Taijiao Jiang, PREDAC-FluB: predicting antigenic clusters of seasonal influenza B viruses with protein language model embedding based convolutional neural network, Briefings in Bioinformatics, Volume 26, Issue 4, July 2025, bbaf308