阿里云联合中大发现16万种新病毒

在浩瀚的微生物世界中，存在大量无法通过传统方法识别的“暗物质病毒”，它们缺乏与已知病毒的同源性，如同基因库中的幽灵，长期以来是科学界难以攻克的死角。然而，这一局面正被一项由科技巨头与顶尖学府联手取得的突破所改变。阿里云与中山大学联合团队，通过将人工智能深度应用于病毒发现领域，成功挖掘出16万余种全新RNA病毒，将人类已知病毒库的规模瞬间提升了近30倍。这一里程碑式的研究，不仅为全球生物信息学界提供了全新的研究范式，也预示着AI在生命科学探索中的巨大潜力。

AI如何破解病毒圈的“暗物质”难题？

在传统病毒发现路径中，科学家主要依赖序列同源性比对，即通过寻找与已知病毒相似的“基因指纹”来识别新病毒。但这种方法在面对演化距离极远、同源性极低甚至缺失的RNA病毒时，往往束手无策。这正是阿里云与中山大学研究的核心切入点。

研究团队创新性地提出了基于Transformer架构的深度学习模型“LucaProt”。该模型不依赖序列比对，而是通过学习RNA聚合酶等关键功能蛋白的序列结构与模式，实现对“暗物质病毒”的高效识别。实验证明，该模型在病毒发现的准确率、效率以及多样性上，均显著优于传统方法。通过对来自全球生物环境样本的10,487份数据进行深度挖掘，团队最终发现了513,134条病毒基因组，代表161,979个潜在病毒种及180个RNA病毒超群。这一成果使RNA病毒超群数量扩容约9倍，其中23个超群是无法通过序列同源方法识别的真正“暗物质”。

这一发现将如何影响未来的生物信息学研究？

对于关注生命科学前沿的科技从业者而言，这项研究的价值远不止于病毒数量的增长。它标志着AI驱动的“功能驱动”发现范式正在取代传统的“同源性驱动”范式，为生物信息学开辟了新路径。

范式转变：从“找相似”到“识功能”

传统方法如同在图书馆中寻找与已知书籍封面相似的书，而LucaProt模型则如同一位能理解内容主旨的专家，即便书籍封面完全不同，也能准确分类。这种方法论上的革新，使得研究人员能够探索此前无法触及的、演化上孤立的病毒分支，从而更完整地理解RNA病毒的多样性、演化历史及其与宿主的相互作用。

工具赋能：从RNA病毒到蛋白质功能发现

这一模型的成功，不仅限于病毒学领域。其背后的技术路径——利用人工智能从海量序列数据中挖掘功能性生物分子——具有极强的通用性。阿里云在生命科学领域已布局多项成果，除了用于RNA病毒发现的LucaProt，还推出了核酸和蛋白质统一基础模型LucaOne、磷循环蛋白家族识别模型LucaPCycle等。这表明，由LucaProt验证的技术框架，未来有望广泛应用于蛋白质功能鉴定、新酶挖掘、生物标志物发现等多个前沿方向，成为推动整个生命科学领域发展的底层驱动力。

这项突破性成果的学术分量有多重？

判断一项科研成果的含金量，国际顶级学术期刊的认可与权威机构的背书是重要标尺。

首先，该研究成果凭借在病毒学领域的多项突破，成功登上国际顶级学术期刊《Cell》的封面。这代表着国际学术界的最高认可之一，充分证明了研究的原创性、创新性和深远影响力。

其次，该成果入选了中国科学院旗下《基因组蛋白质组与生物信息学报》公布的2024年度“中国生物信息学十大进展”。这一来自国内权威学术机构的认定，进一步凸显了该研究在中国生物信息学年度发展中的标志性地位。

这一系列来自权威机构与顶级期刊的认可，共同构筑了该研究的坚实可信证据链，使其成为AI驱动生命科学探索领域的一个里程碑事件。

总结与展望：AI与生命科学的深度融合

阿里云与中山大学的此次联合研究，成功地将人工智能的算力与生物信息学的洞察力相结合，破解了病毒发现领域的“暗物质”难题，并取得了病毒超群数量扩容约9倍的卓越成果。这不仅为全球病毒学研究贡献了海量新知识和高效新工具，也向业界展示了跨学科合作在解决重大科学问题上的巨大潜力。未来，随着LucaProt这类AI模型在更多生物信息学任务中的应用与迭代，我们有理由相信，人类对生命微观世界的认知将迎来一个加速突破的新时代。

关键词：RNA病毒 人工智能 生物信息学 

本文为【广告】 文章出自：互联网,文中内容和观点不代表本网站立场，如有侵权，请您告知，我们将及时处理。