北大研究人员利用深度学习预测病毒变异

当前，新病毒的出现愈发频繁，需要人类做出快速反应。尽管人工智能技术已用于辅助专家预测病毒，但现有计算方法受到其输入形式或功能不完整的限制，无法对不同的病毒变异驱动因素进行统一预测。对此，北京大学的研究人员基于深度学习技术，以病毒的进化特征为指导，提出了一个统一的进化驱动框架E2VD来预测病毒变异驱动因素。E2VD不仅可以区分不同类型的病毒突变，还可以准确识别对病毒生存至关重要的罕见有益突变，同时保持新冠状病毒不同谱系和不同类型病毒的泛化能力。E2VD代表了一种用于分析和预测病毒进化适合度的统一、无结构和可解释的方法，为昂贵的实验室病毒测定提供了一种理想替代方案，并提高了对新出现病毒感染的反应速度。