这个被称为EVEscape的系统是在哈佛医学院和牛津大学开发的。在测试中，该工具准确地预测了在疫情期间出现的SARS-CoV-2病毒最令人担忧和最常见的变异。

上周发表在《自然》杂志上的一项研究揭示了一系列有希望的结果。EVEscape的预测结果比实验方法更准确，同时比基于实验室的测试更快、更高效。该工具还成功地找到了难以抑制新变种的治疗方法。

这些预测已经在影响着疫情监测工作。一年多来，研究人员一直在发布每两周的SARS-CoV-2新变种的危险性排名。研究结果与包括世界卫生组织（WHO）在内的各个团体分享。

“每个月仍然有数千种新病毒株出现，太多了无法进行实验测试，”共同撰写这篇研究的牛津大学研究员Pascal Notin告诉TNW。“EVEscape让我们能够快速确定新病毒株的威胁程度。”

Notin和他的同事们还使用EVEscape成功预测了HIV和流感的变异。他们现在正在将该工具测试应用于可能引起流行病的较少为人知的病毒，如尼帕和拉沙病毒。

在未来，研究人员设想EVEscape可以指导疫苗设计。目前，疫苗和治疗方法是根据以往流行病的突变进行回顾性测试的。

EVEscape可以在病毒可能发展的方向上提供评估，为制作对抗变异的疫苗提供希望。

EVEscape如何预测病毒突变

这个新工具是基于一个称为EVE（变异效应进化模型）的生成模型。

最初，EVE是用来预测基因突变导致人类疾病（如癌症）风险的。当COVID-19证明其突变能力超出治疗限制时，研究人员将他们的模型改编为适用于SARS-CoV-2。

生成模型在这个工作中具有独特的优势。预测哪些突变会逃避免疫系统的关键是它们是否能保持病毒蛋白的所谓“适应性”。适应性会导致一个功能性蛋白的表达、折叠和与宿主细胞受体结合。

“在预测中，基于进化序列训练的生成模型在支持这种预测方面非常有帮助，”Notin说。

为了进行预测，EVE被训练学习一些蛋白序列的简洁表示。这些序列在数千到数百万年的进化过程中保持了适应性。

“通过这样做，它必须隐含地学习支撑功能序列的生化约束条件，”Notin解释道。“我们随后可以利用这种理解来预测蛋白的新突变形式，无论是人类蛋白还是病毒蛋白，它们本身是否是功能性的。”

AI在未来与病毒的斗争

EVEscape的适应性源于其简洁性。这个工具从一个只包含病毒蛋白序列及其结构的数据集中学习。因此，它可以应用于任何病毒，并且可以在流行病的最初阶段使用。

“这是一种对通常需要等待相关的流行病抗体广泛可用于测试的方法的巨大改进，”Notin说。

EVEscape的另一个优势是其模块化设计。当更强大的生成模型出现时，可以迅速替换当前的适应性预测模型。

COVID-19还扩大了EVEscape的潜在用途。疫情为AI预测提供了重要的经验教训，同时也积累了大量的数据。借助这些丰富的信息，EVEscape可以对我们缺乏数据的较少研究的病毒进行令人惊讶的准确预测，这在未来的疫情爆发中可能非常有价值。