美国留学

在华盛顿州立大学的实验室里，一个由工程师和病毒学家组成的跨学科团队刚刚完成了一项可能需要数年才能实现的突破——他们在短短几个月内，通过机器学*算法从数千种分子相互作用中精准定位到疱疹病毒入侵细胞的"致命弱点"。

当研究人员将病毒融合蛋白中的单个氨基酸进行定向突变后，病毒完全失去了感染能力。这项发表在《纳米尺度》期刊上的研究，不仅为抗病毒药物开发提供了新靶点，更展示了人工智能如何从根本上改变生物医学研究的范式。

疱疹病毒家族包括单纯疱疹病毒、水痘-带状疱疹病毒、巨细胞病毒等多种病原体,感染全球超过90%的人口。尽管这些病毒如此普遍，科学界对其感染机制的理解却依然不完整，这也解释了为何针对疱疹病毒的有效疫苗研发屡屡受挫。病毒的入侵过程极其复杂，需要多个病毒蛋白与宿主细胞表面受体协同作用，但究竟哪些分子相互作用是关键环节，一直是未解之谜。

从海量数据中提取信号

研究团队面临的挑战是典型的"大海捞针"问题。病毒融合蛋白是一个包含数百个氨基酸的巨大分子，这些氨基酸之间存在成千上万种潜在的相互作用。传统研究方法通常依赖随机突变和逐一测试，效率极低。机械与材料工程学院的刘瑾教授形容说："病毒非常聪明，它们的入侵过程涉及许多相互作用。并非所有相互作用都同等重要——大多数可能只是背景噪音，但也存在一些关键的相互作用。"

为了突破这一瓶颈，刘瑾与同事普拉尚塔·杜塔教授开发了一套计算流程。他们首先利用分子动力学模拟技术，在原子尺度上重现融合蛋白的构象变化过程。这种模拟能够追踪每个氨基酸在病毒膜融合过程中的运动轨迹和相互作用模式。然后，研究团队设计了一种算法来量化不同氨基酸对之间的相互作用强度，并构建了一个包含数千个候选相互作用的数据库。

机器学*技术在这一阶段发挥了关键作用。研究人员训练了一个深度学*模型，让它学*识别哪些类型的氨基酸相互作用对蛋白质构象变化影响最大。模型通过分析大量已知蛋白质的结构和功能数据，建立起相互作用模式与功能重要性之间的关联。当这个训练好的模型应用于疱疹病毒融合蛋白时，它成功从数千个候选中筛选出十几个最可能影响膜融合的关键相互作用。

机器学*在抗病毒药物发现中的应用正在快速发展。研究表明，人工智能算法能够在数天内预测病毒蛋白结构、识别潜在药物靶点并帮助设计疫苗，而这些工作在传统方法下可能需要数月甚至数年。深度学*模型在蛋白质-蛋白质相互作用预测方面展现出强大能力，能够分析复杂的生物数据集，预测生物活性和脱靶效应。

研究团队利用人工智能技术，发现了一种疱疹病毒感染细胞所必需的关键相互作用。仅仅改变一个氨基酸就足以完全阻断病毒的感染。图片来源：Shutterstock

实验验证的决定性时刻

有了计算预测的指引，研究团队将最有希望的候选交给兽医微生物学和病理学系的安东尼·尼古拉教授进行实验验证。尼古拉的团队利用基因编辑技术，对算法预测的关键氨基酸进行定向突变，然后测试突变病毒的感染能力。

结果令人震撼：仅仅改变融合蛋白中的一个氨基酸，就足以完全阻断病毒与细胞的融合。突变病毒虽然能够正常复制和组装，但无法进入宿主细胞。进一步的生化分析显示，这个氨基酸位于融合蛋白的一个关键铰链区域，它的改变阻止了蛋白质从预融合构象向后融合构象的转变——而这一构象变化是驱动病毒包膜与细胞膜融合的动力来源。

疱疹病毒的膜融合机制一直是病毒学研究的热点。最近的结构生物学研究揭示了糖蛋白B在预融合和后融合构象之间的剧烈重排，这一过程涉及多个结构域的协同运动。研究表明，病毒可以通过pH依赖性和pH非依赖性两种途径进入细胞，融合蛋白的构象变化在不同途径中受到不同因素的调控。华盛顿州立大学团队识别的关键氨基酸，很可能处于调控这一构象转换的关键节点。

从理论到应用的挑战

尽管取得了令人鼓舞的结果，研究团队坦承仍面临重大挑战。刘瑾指出："实验结果和模拟结果之间存在差距。下一步是研究这种微小的相互作用如何影响更大尺度的结构变化。"单个氨基酸的突变如何引发整个融合蛋白的构象锁定，涉及复杂的蛋白质动力学和热力学问题。研究团队正在开发更精细的多尺度模拟方法，将原子级别的相互作用与蛋白质整体结构变化联系起来。

从药物开发角度看，这一发现提供了一个极具吸引力的靶点。传统抗病毒药物多针对病毒复制过程中的酶活性，而靶向病毒入侵过程的药物相对较少。如果能够设计出小分子化合物，特异性干扰这个关键氨基酸参与的相互作用，就有可能在病毒进入细胞之前将其阻断，从而彻底预防感染。这种"入侵阻断"策略不仅可用于治疗，还可能应用于暴露后预防。

该研究还展示了跨学科合作在现代生物医学研究中的重要性。工程学家贡献了计算建模和机器学*的专业知识,病毒学家提供了对病毒生物学的深刻理解和实验技术,双方的紧密配合使得从理论预测到实验验证的转化得以迅速实现。这种合作模式正在成为解决复杂生物学问题的标准范式。

值得注意的是，这项技术的应用潜力远超疱疹病毒。许多包膜病毒——包括流感病毒、艾滋病病毒、冠状病毒——都依赖类似的膜融合机制进入细胞。如果将相同的计算流程应用于这些病毒的融合蛋白，有望发现更多抗病毒药物靶点。研究人员正在与其他实验室合作,将这一方法推广到更广泛的病毒类型。

从更宏观的视角看，这项研究标志着人工智能在基础生物学研究中的角色转变。人工智能不再仅仅是数据分析的辅助工具，而是成为科学发现过程的核心驱动力,能够从海量信息中提取人类研究者难以察觉的模式和规律。随着计算能力的提升和算法的优化，这种"计算指导实验"的研究模式将在生命科学领域发挥越来越重要的作用。

版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除