AI助研人员先发制毒，防患未然

大多数抗病毒药物在病毒侵入人体细胞后才发挥作用。华盛顿州立大学的研究人员表示，他们发现了一种更早期干预病毒入侵的方法——通过识别病毒依赖进入细胞的单一分子相互作用。

这项发表于十一月《纳米尺度》期刊的研究聚焦于病毒入侵阶段，这是感染过程中最难理解和阻断的环节之一。团队运用人工智能与分子模拟技术，发现病毒融合蛋白中存在一个关键相互作用位点。实验表明，改变该位点可有效阻止病毒侵入新细胞。

锁定核心靶点

“病毒通过数千种相互作用攻击细胞，”华盛顿州立大学机械与材料工程教授刘金向媒体解释，“我们的研究旨在识别其中最关键的作用节点。一旦锁定目标，就能设计阻断方案，从源头遏制疾病传播。”

该研究源于两年多前启动的科研项目，由美国国立卫生研究院资助，兽医学与病理学教授安东尼·尼古拉主导。团队以疱疹病毒为模型，发现其表面融合蛋白gB是驱动病毒膜融合的关键元件。虽然科学界早已认知gB蛋白的重要性，但由于其结构复杂、体积庞大且需协同其他蛋白共同作用，始终难以确定其内部数千种相互作用中的功能性核心。

人工智能赋能精准筛选

刘金教授指出，人工智能的价值并非揭示人类无法认知的奥秘，而在于极大提升研究效率。研究团队摒弃传统试错法，通过模拟计算与机器学习同步分析数千种分子相互作用，并精准排序其重要性。

“生物学实验通常始于假设。即便锁定某个可能重要的蛋白区域，其中仍包含数百种相互作用。”刘金补充道，“传统方法需逐个验证，耗时耗资。而模拟计算几乎零成本，我们的方法能快速定位真正关键的作用靶点，为实验验证提供明确方向。”

医疗AI的应用前景

人工智能在医疗领域的应用正日益深入：近期研究已成功通过机器学习预测阿尔茨海默症早期症状、解析核磁共振影像中的细微病变特征，并利用大型健康数据库评估数百种疾病的长期风险。美国政府也已启动专项投资，包括拨款5000万美元支持儿童癌症的AI研究。

刘金表示，该计算框架还可应用于由蛋白质相互作用异常引发的各类疾病，包括阿尔茨海默症等神经退行性疾病。“最关键的是明确需要干预的靶点。只要我们提供准确目标，学界就能研发削弱、增强或阻断该作用的方案——这正是本项研究的核心价值。”