近日，美國賓夕法尼亞大學(xué)佩雷爾曼醫(yī)學(xué)院（Perelman School of Medicine）的一項最新研究顯示，將人工智能算法與傳統(tǒng)實驗方法相結(jié)合，有望顯著加快抗病毒藥物的發(fā)現(xiàn)進(jìn)程。相關(guān)成果今日發(fā)表在《Cell Reports Physical Science》期刊上。

研究團(tuán)隊聚焦于人類腸道病毒71型（EV71），這是一種引起多數(shù)手足口病病例的主要病原體。EV71感染可從輕微的皮疹和發(fā)熱，迅速惡化為嚴(yán)重的神經(jīng)系統(tǒng)并發(fā)癥，尤其威脅7歲以下兒童和免疫功能低下的成人。目前尚無美國食品藥品監(jiān)督管理局（FDA）批準(zhǔn)的針對該病毒的抗病毒藥物。

在這項研究中，科學(xué)家們以36種小分子化合物為起點，訓(xùn)練機(jī)器學(xué)習(xí)模型識別對抗病毒有效的分子結(jié)構(gòu)與化學(xué)特征，并預(yù)測每種化合物阻斷EV71的可能性。隨后，研究人員挑選出8種AI篩選出的候選物進(jìn)行細(xì)胞實驗，結(jié)果其中有5種成功抑制了病毒的復(fù)制，命中率是傳統(tǒng)篩選方法的10倍左右。

“我們正在將原本需要數(shù)月的試錯過程，濃縮為短短幾天，”研究負(fù)責(zé)人 de la Fuente 博士表示?！斑@種方法尤其適用于數(shù)據(jù)有限、預(yù)算緊張或時間緊迫的情境?！?/p>

研究還通過計算機(jī)模擬驗證了這些成功分子的作用機(jī)制，發(fā)現(xiàn)它們可穩(wěn)定結(jié)合于病毒的特定位點，可能有助于防止病毒變形并進(jìn)入宿主細(xì)胞。

“我們希望這能成為快速發(fā)現(xiàn)抗病毒藥物的一個模板，”論文合著者、博士后研究員 Angela Cesaro 表示，“無論面對的是另一種腸道病毒、新出現(xiàn)的呼吸道病原體，還是像脊髓灰質(zhì)炎這類重新抬頭的病毒，我們的AI方法都證明了，即使只有有限數(shù)據(jù)，也能加速解決方案的開發(fā)，并推動對未來疫情的快速響應(yīng)?！?/p>

該研究得到了寶潔公司（Procter & Gamble）與康奈爾大學(xué)（Cornell University）的協(xié)作支持。

參考文獻(xiàn)：?Angela Cesaro et al, Antiviral discovery using sparse datasets by integrating experiments, molecular simulations, and machine learning,?Cell Reports Physical Science?(2025).?DOI: 10.1016/j.xcrp.2025.102554

編輯：周敏

排版：李麗