MIT研究者利用自然语言算法预测病毒逃逸
可以发生逃避中和抗体的病毒突变，被称为病毒逃逸，这种现象阻碍了有效疫苗的开发。2021年1月14日Science报道，美国麻省理工学院的研究人员开发了一种计算模型可以对更容易发生逃逸突变的病毒表面蛋白片段进行精准预测，识别那些不易发生逃逸突变的片段作为新疫苗研发的靶点。
研究者使用最初为人类自然语言开发的机器学习算法对病毒逃逸进行建模。逃逸突变保留了病毒感染力但使病毒在免疫系统不能有效识别，类似于保留句子的语法性但改变其含义的单词变化。研究者针对甲型流感血凝素、HIV-1包膜糖蛋白和SARS-CoV-2尖峰糖蛋白构建了三种不同的无监督语言模型。这些病毒的语义分析都准确预测了病毒的逃逸突变，这些突变产生的序列在语法上是正确的，但在语义上被有效改变，因此能够逃避免疫系统。
该研究证实了语言模型可以仅使用序列数据就能准确预测结构逃逸模式，在自然语言和病毒进化之间建立了一个有潜力的概念桥梁。该模型还适用于癌症疫苗开发和不容易发生耐药性的分子药物研发。了解控制逃逸的复杂规则可以为疾病治疗设计提供重要信息。
吴晓燕 编译自https://news.mit.edu/2021/model-viruses-escape-immune-0114
原文链接：https://science.sciencemag.org/content/371/6526/284.full
原文检索：Learning the language of viral evolution and escape
