大多數抗病毒藥物的作用機轉是在病毒已經侵入人體細胞之後。華盛頓州立大學的研究人員表示，他們找到了一種更早介入的方法，即識別出病毒最初入侵細胞所依賴的一種分子相互作用。
這項研究於 11 月發表在《奈米尺度》雜誌上，重點研究了病毒入侵，這是感染過程中最不為人知且最難破壞的階段之一。研究人員利用人工智慧和分子模擬技術，識別出融合蛋白中的關鍵相互作用。在實驗室實驗中，當這種交互作用改變時，就能阻止病毒進入新的細胞。
「病毒透過數千種相互作用攻擊細胞，」華盛頓州立大學機械與材料工程教授金劉告訴Decrypt。 “我們的研究旨在找出其中最重要的一種相互作用，一旦我們找到了這種相互作用，我們就能找到阻止病毒進入細胞並阻止疾病傳播的方法。”
這項研究源於兩年多前開始的工作，當時正值 COVID-19 大流行之後不久，由獸醫微生物學和病理學教授 Anthony Nicola 領導，並得到了美國國立衛生研究院的資助。
在這項研究中，研究人員以皰疹病毒為例進行了研究。
這些病毒依賴表面融合蛋白糖蛋白 B (gB)，對於病毒入侵過程中驅動膜融合至關重要。
科學家早就知道 gB 在感染中起著核心作用，但由於其體積龐大、結構複雜，且與其他病毒進入蛋白質協調作用，因此很難確定其眾多內部相互作用中哪些在功能上至關重要。
劉表示，人工智慧在該專案中的價值不在於它發現了人類研究人員無法了解的事物，而是它使搜尋工作更有效率。
研究團隊沒有依靠反覆試驗，而是利用模擬和機器學習同時分析數千種可能的分子相互作用，並對其中最重要的相互作用進行排序。
劉教授說：“在生物實驗中，通常先提出一個假設。你認為這個區域可能很重要，但該區域內存在數百種相互作用。你測試一種，也許它並不重要，然後再測試另一種。這既耗時又費錢。而通過模擬，成本可以忽略不計，我們的方法能夠識別出真正重要的相互作用，然後可以在實驗中進行驗證。”
人工智慧正越來越多地應用於醫學研究，以識別傳統方法難以檢測的疾病模式。
最近的研究應用機器學習技術，在症狀出現前數年預測阿茲海默症，在MRI 掃描中標記疾病的細微跡象，並利用大型健康記錄資料集預測數百種疾病的長期風險。
美國政府也開始投資於這種方法，其中包括美國國立衛生研究院一項5000 萬美元的計劃，旨在將人工智慧應用於兒童癌症研究。
劉表示，除了病毒學之外，同樣的計算框架還可以應用於蛋白質交互作用改變所引起的疾病，包括阿茲海默症等神經退化性疾病。
劉說：“最重要的是知道要針對哪種相互作用。一旦我們找到了目標，人們就可以研究如何削弱、增強或阻斷它。這才是這項工作的真正意義所在。”
