人工智能将用于搜索下一个SARS-COV-2病毒

2022-05-17新闻资讯

Rhinolophus rouxi 蝙蝠

研究作者将栖息在南亚部分地区的 Rhinolophus rouxi 确定为可能但未被发现的β冠状病毒宿主。来源:布洛克和雪莉芬顿

蛋白质的亲水性是维持蛋白质高级结构的稳定性吗?

蛋白质的亲水性有助于蛋白质的稳定性,是维持蛋白质高级结构的稳定性吗?还有就是蛋白质的疏水性对蛋白质结构或者性质有什么样的影响?蛋白质的高级结构,例如三级结构能用相关的软件预测出来吗?如果可以请各位大哥大姐出出主意,用哪个软件预测比较好?

俄克拉荷马大学道奇家庭艺术与科学学院生物学助理教授丹尼尔·贝克尔在过去一年半中一直在领导一项主动建模研究,以确定可能携带 β 冠状病毒的蝙蝠物种,包括但不限于SARS样病毒

由Lancet Microbe发表的“优化预测模型以优先考虑在人畜共患病宿主中发现病毒”的研究由 Becker 指导;Greg Albery,乔治城大学班萨尔实验室的博士后;和乔治城全球健康科学与安全中心的助理研究教授 Colin J. Carlson。

它还包括来自爱达荷大学、路易斯安那州立大学、加州大学伯克利分校、科罗拉多州立大学、太平洋路德大学、西奈山伊坎医学院、格拉斯哥大学、蒙特利尔大学、多伦多大学、根特大学、都柏林大学学院、卡里生态系统研究所和美国自然历史博物馆。

Becker 及其同事的研究是名为 Verena Consortium (viralemergence.org) 的国际研究团队更广泛努力的一部分,该团队致力于预测哪些病毒可以感染人类、哪些动物可以感染它们以及它们可能出现在哪里。阿尔伯里和卡尔森是 2020 年该财团的联合创始人,贝克尔是创始成员。

尽管全球对疾病监测进行了投资,但仍然难以识别和监测有朝一日可能感染人类的​​野生动物病毒库。统计模型越来越多地用于确定在野外采样的野生动物物种的优先顺序,但任何一种模型产生的预测都可能高度不确定。科学家们也很少在做出预测后跟踪预测的成功或失败,这使得未来很难学习和制作更好的模型。总之,这些限制意味着哪些模型可能最适合该任务存在很大的不确定性。

在这项研究中,研究人员使用了 β 冠状病毒的蝙蝠宿主,这是一大类病毒,包括导致 SARS 和COVID-19的病毒,作为案例研究如何动态使用数据来比较和验证这些可能的宿主宿主的预测模型。该研究首次证明机器学习模型可以优化未发现病毒的野生动物采样,并说明如何通过预测、数据收集、验证和更新的动态过程最好地实施这些模型。

2020 年第一季度,研究人员训练了八种不同的统计模型,这些模型可以预测哪些动物可能携带 β 冠状病毒。在一年多的时间里,该团队随后追踪了 40 个新的 β 冠状病毒蝙蝠宿主的发现,以验证最初的预测并动态更新他们的模型。研究人员发现,利用蝙蝠生态和进化数据的模型在预测β冠状病毒的新宿主方面表现非常出色。相比之下,使用高级数学(但生物数据较少)的网络科学前沿模型的随机性能与预期大致相同或更差。

IX51研究级生物显微镜
IX51研究级生物显微镜

重要的是,他们修改后的模型预测全球有 400 多种蝙蝠物种可能是未检测到的 β 冠状病毒宿主,不仅包括东南亚,还包括撒哈拉以南非洲和西半球。尽管已知 21 种马蹄蝠(Rhinolophus 属)是类 SARS 病毒的宿主,但研究人员发现,这种蝙蝠属中至少有四分之二的似是而非的 β 冠状病毒宿主可能仍未被发现。

贝克尔说:“我们的研究为我们提供的最重要的东西之一是一份数据驱动的候选名单,其中应进一步研究哪些蝙蝠物种,”他补充说,他的团队现在正在与野外生物学家和博物馆合作,以利用他们的预测。“在确定了这些可能的宿主之后,下一步就是投资监测,以了解 β 冠状病毒可能在何时何地溢出。”

Becker 补充说,尽管SARS-CoV-2的起源仍不确定,但其他病毒从蝙蝠身上的溢出是由栖息地干扰的形式引发的,例如农业或城市化。

相关仪器: 显微镜相机

“因此,蝙蝠保护是公共卫生的重要组成部分,我们的研究表明,更多地了解这些动物的生态可以帮助我们更好地预测未来的溢出事件,”他说。

相关内容