大流行似乎是一场永不停歇的SARS-CoV-2变种游行，每种变种都配备了逃避免疫系统的新方法，让世界为接下来的情况做好准备。但是，如果有一种方法可以在新的病毒变种出现之前预测它们呢?

哈佛医学院和牛津大学的研究人员开发的一种新的人工智能工具EVEscape就可以做到这一点。

该工具有两个要素：预测病毒可能发生的变化的进化序列模型以及有关病毒的详细生物学和结构信息。它们共同使EVEscape能够预测病毒进化过程中最有可能出现的变异。

在《自然》杂志上发表的一项研究中，研究人员表明，如果在COVID-19大流行开始时部署，EVEscape将能够预测最常见的突变并识别出SARS-CoV-2最令人担忧的变体。该工具还准确预测了其他病毒，包括艾滋病毒和流感。

研究人员现在正在使用EVEscape来展望SARS-CoV-2并预测未来值得关注的变种;他们每两周发布一次新变体的排名。最终，这些信息可以帮助科学家开发出更有效的疫苗和疗法。该团队还在扩大工作范围以涵盖更多病毒。

“我们想知道我们是否能够预测病毒的变异并预测新的变体——因为如果我们能做到的话，这对于设计疫苗和疗法将极其重要，”布拉瓦尼克系统生物学副教授、资深作者DeboraMarks说。英国皇家医学院研究所。

从EVE到EVEscape

研究人员首先在不同的背景下开发了EVE(变异效应进化模型)：导致人类疾病的基因突变。EVE的核心是一个生成模型，该模型学习根据跨物种的大规模进化数据来预测蛋白质的功能。

在之前的一项研究中，EVE使研究人员能够从与各种疾病(包括癌症和心律失常)相关的基因良性突变中辨别出疾病的病因。

“你可以使用这些生成模型从进化信息中学习惊人的东西——这些数据隐藏着你可以揭示的秘密，”马克斯说。

随着COVID-19大流行的爆发和发展，SARS-CoV-2令人印象深刻的进化能力让全世界措手不及。该病毒不断变形，以微妙而实质性的方式改变其结构，从而绕过旨在击败它的疫苗和疗法。

马克斯说：“我们低估了事物在压力下发生突变的能力，并且有大量的种群可以发生突变。”“病毒是灵活的——几乎就像它们不断进化一样。”

看着大流行的蔓延，Marks和她的团队看到了一个提供帮助的机会：他们将EVE重建为一个名为EVEscape的新工具，用于预测病毒变异。

他们采用了EVE的生成模型——它可以预测不会干扰病毒功能的病毒蛋白突变——并添加了有关病毒的生物学和结构细节，包括有关最容易被免疫系统瞄准的区域的信息。

“我们正在获取有关免疫系统如何工作的生物信息，并将其与我们从更广泛的病毒进化史中获得的知识结合起来，”共同主要作者、马克斯实验室前研究员妮可·萨达尼解释道。

Marks强调，这种方法意味着EVEscape拥有一个灵活的框架，可以轻松适应任何病毒。

时光倒流

在这项新研究中，研究小组将时间拨回到2020年1月，即COVID-19大流行开始之前。然后他们要求EVEscape预测SARS-CoV-2会发生什么。

“这就好像你有一台时光机。你回到第一天，你会说，我只有这些数据，我能说发生了什么吗?”马克斯说道。

EVEscape预测了大流行期间会发生哪些SARS-CoV-2突变，其准确性类似于测试病毒与免疫系统产生的抗体结合能力的实验方法。在预测哪些突变最为普遍方面，EVEscape的表现优于实验方法。

更重要的是，EVEscape可以比基于实验室的测试更快、更有效地做出预测，因为它不需要等待人群中出现相关抗体并可用于测试。

此外，EVEscape预测，随着大流行的进展以及病毒产生突变以逃避这些治疗，哪些基于抗体的疗法将失去疗效。

该工具还能够筛选每周产生的数以万计的新SARS-CoV-2变体，并找出最有可能出现问题的变体。

“通过快速确定新变种的威胁级别，我们可以帮助为早期的公共卫生决策提供信息，”麻省理工学院电气工程和计算机科学项目Marks实验室的研究生、共同主要作者莎拉·古列夫(SarahGurev)说。

最后一步，该团队证明EVEscape可以推广到其他常见病毒，包括艾滋病毒和流感。

设计防突变疫苗和疗法

该团队现在正在将EVEscape实时应用于SARS-CoV-2，利用所有可用信息来预测它接下来可能如何演变。

研究人员每两周在其网站上发布SARS-CoV-2新变种的排名，并与世界卫生组织等实体共享此信息。EVEscape的完整代码也可以在线免费获得。

他们还在拉沙病毒和尼帕病毒等未充分研究的病毒上测试EVEscape，这两种具有大流行潜力的病原体的信息相对较少。

研究人员指出，这种研究较少的病毒可能对全球人类健康产生巨大影响。

EVEscape的另一个重要应用是评估针对当前和未来病毒变种的疫苗和疗法。这样做的能力可以帮助科学家设计能够抵御病毒获得的逃逸机制的治疗方法。

萨达尼说：“从历史上看，疫苗和治疗设计一直是回顾性的、缓慢的，并且与已知的特定病毒的确切序列有关。”

马克斯实验室的研究员努尔·优素福补充道：“我们想弄清楚如何才能真正设计出面向未来的疫苗和疗法。”