在一项新的研究中，来自加拿大、法国、俄罗斯、西班牙、美国和德国的研究人员重新分析了所有公开的RNA测序数据，发现了比以前已知的RNA病毒多出近10倍的病毒，包括在一些意想不到的地方发现的几种新的冠状病毒。这个全球规模的RNA病毒数据库可以帮助快速识别病毒外溢到人类，以及那些影响牲畜、作物和濒危物种的病毒。相关研究结果于2022年1月26日在线发表在Nature期刊上，论文标题为“Petabase-scale sequence alignment catalyses viral discovery”。论文通讯作者为加拿大独立研究员Artem Babaian博士。
Babaian博士是Serratus项目合作的幕后推手。Babaian说，与云创新中心（加拿大英属哥伦比亚大学和亚马逊网络服务之间的公共/私人合作）合作，Serratus项目能够在亚马逊网络服务上建立一台“极其强大”的超级计算机，其功率相当于22500个CPU。
这台超级计算机读取了来自世界各地570万个生物样本的2000万GB（gigabyte, 千兆字节）的公开基因序列数据，寻找表明存在RNA病毒的特定基因。这些样本已经收集了13年，并在世界研究界内自由分享，包括从冰芯样本到动物粪便的一切样本。
Serratus项目的研究人员发现了132000种RNA病毒（以前只知道15000种）和9种新的冠状病毒。Babaian估计，如果没有云创新中心和亚马逊网络服务，传统的超级计算机需要花费一年多的时间和几十万美元来完成这项分析所需的2000年的CPU时间。Serratus项目在11天内花费24000美元完成了这一任务。
Babaian说，“我们正在进入一个了解自然界中病毒的遗传和空间多样性的新时代，以及各种各样的动物如何与这些病毒接触。我们希望是如果像SARS-CoV-2---导致COVID-19的冠状病毒---之类的病毒再次出现，我们不会措手不及。这些病毒可以更容易地被识别，并且可以更快地找到它们的天然病毒库。真正的目标是这些感染被及早识别，以至于它们永远不会成为大流行病。如果一名病人出现不明原因的发烧，一旦对血液进行测序，你如今可以将人类中的未知病毒与现有病毒的更大数据库联系起来。例如，如果一名病人在圣路易斯市出现了来源不明的病毒感染，你如今可以在大约两分钟内通过这种数据库进行搜索，并将这种病毒与例如2012年在撒哈拉以南非洲取样的一只骆驼联系起来。”
32岁的Babaian之前一直在加拿大英属哥伦比亚省癌症研究中心进行癌症基因研究，当COVID-19大流行病发生时，他转换了研究方向。Babaian说，这项新的研究是作为一个“有趣的副业”开始的，始于2020年3月3日，当时他和他的登山伙伴朋友---英属哥伦比亚大学工程系学生Jeff Taylor---“在一张餐巾纸的背面”勾勒出了这个想法。他指出，“我应该保留那张餐巾纸。”
Babaian不久后向英属哥伦比亚大学的云创新中心（Cloud Innovation Centre）寻求帮助。Serratus项目，以英属哥伦比亚省Tantalus山脉的Serratus山命名，他和Taylor在2020年的一次攀登中看到了这座山，于是发起了这个项目。
Babaian回忆说，当第一批研究结果开始在他的笔记本电脑上闪现时，他正坐在他妻子的护理椅上，这表明Serratus项目不仅在工作，而且以几乎难以理解的速度产生数据。
他说，“这可能是我生命中最激动人心的科学时期。有两种类型的乐趣。第一类是微笑和开玩笑。第二类是当你在做这件事的时候很痛苦，但记忆却很闪亮，就像攀岩。在许多方面，Serratus项目是第二类乐趣。你只需要相信它会成功。”
Babaian说，如果没有英属哥伦比亚大学云创新中心的支持，他不可能完成这项研究。他说，“云创新中心确实在那里为我们打开了大门。我们有一个想法，他们从他们的网络中带来了专家，使其成为现实。如今，全球社会可以从所有这些以前未被利用的研究中受益。”
英属哥伦比亚大学云创新中心主任Marianne Schroeder说，“Babaian带着一个创新的愿景找到了我们。英属哥伦比亚大学云创新中心的力量在于，我们将英属哥伦比亚大学的内部创新和技术团队与亚马逊网络服务的团队配对。我们非常荣幸能够支持这一愿景的实现；协助为复杂问题找到技术解决方案是我们的工作。”
参考资料：
Robert C. Edgar et al. Petabase-scale sequence alignment catalyses viral discovery. Nature, 2022, doi:10.1038/s41586-021-04332-2.
