大多数抗病毒药物的作用机转是在病毒已经侵入人体细胞之后。华盛顿州立大学的研究人员表示，他们找到了一种更早介入的方法，即识别出病毒最初入侵细胞所依赖的一种分子相互作用。
这项研究于 11 月发表在《奈米尺度》杂志上，重点研究了病毒入侵，这是感染过程中最不为人知且最难破坏的阶段之一。研究人员利用人工智慧和分子模拟技术，识别出融合蛋白中的关键相互作用。在实验室实验中，当这种交互作用改变时，就能阻止病毒进入新的细胞。
「病毒透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金刘告诉Decrypt。 “我们的研究旨在找出其中最重要的一种相互作用，一旦我们找到了这种相互作用，我们就能找到阻止病毒进入细胞并阻止疾病传播的方法。”
这项研究源于两年多前开始的工作，当时正值 COVID-19 大流行之后不久，由兽医微生物学和病理学教授 Anthony Nicola 领导，并得到了美国国立卫生研究院的资助。
在这项研究中，研究人员以疱疹病毒为例进行了研究。
这些病毒依赖表面融合蛋白糖蛋白 B (gB)，对于病毒入侵过程中驱动膜融合至关重要。
科学家早就知道 gB 在感染中起著核心作用，但由于其体积庞大、结构复杂，且与其他病毒进入蛋白质协调作用，因此很难确定其众多内部相互作用中哪些在功能上至关重要。
刘表示，人工智慧在该专案中的价值不在于它发现了人类研究人员无法了解的事物，而是它使搜寻工作更有效率。
研究团队没有依靠反复试验，而是利用模拟和机器学习同时分析数千种可能的分子相互作用，并对其中最重要的相互作用进行排序。
刘教授说：“在生物实验中，通常先提出一个假设。你认为这个区域可能很重要，但该区域内存在数百种相互作用。你测试一种，也许它并不重要，然后再测试另一种。这既耗时又费钱。而通过模拟，成本可以忽略不计，我们的方法能够识别出真正重要的相互作用，然后可以在实验中进行验证。”
人工智慧正越来越多地应用于医学研究，以识别传统方法难以检测的疾病模式。
最近的研究应用机器学习技术，在症状出现前数年预测阿兹海默症，在MRI 扫描中标记疾病的细微迹象，并利用大型健康记录资料集预测数百种疾病的长期风险。
美国政府也开始投资于这种方法，其中包括美国国立卫生研究院一项5000 万美元的计划，旨在将人工智慧应用于儿童癌症研究。
刘表示，除了病毒学之外，同样的计算框架还可以应用于蛋白质交互作用改变所引起的疾病，包括阿兹海默症等神经退化性疾病。
刘说：“最重要的是知道要针对哪种相互作用。一旦我们找到了目标，人们就可以研究如何削弱、增强或阻断它。这才是这项工作的真正意义所在。”
