由澳門科技大學醫學院主導的國際合作小組開發出一種創新的人工智能（AI）預測系统——UniBind。該系统能預測SARS-CoV-2病毒中有哪些突變株將對人類構成重大威脅。這項研究發表在最新一期《自然醫學》（Nature Medicine）雜誌上（影響因子：87.24），有助改變人們分析COVID-19以及潛在的其他傳染病的模式和能力。
SARS-CoV-2病毒是導致新冠疫情COVID-19的主因，它可以藉由不斷進化產生新的突變株，來逃避疫苗接種或自然感染所提供的免疫保護。雖然目前Omicron突變株對人類的威脅性較低，但SARS-CoV-2病毒仍有可能進化為更危險的突變株，增加嚴重疾病或死亡的機率。UniBind通過分析全球流感數據庫中六百多萬株病毒的序列數據，預測哪些突變會導致病毒的傳染力增加，以及哪些突變會導致病毒對抗體或疫苗產生抗性。
本研究的主導者澳科大醫學院副院長張康講座教授表示，目前的人工智能方法大多只能通過分析一種實驗數據來進行預測，其準確性受到限制，而UniBind能夠整合各種不同的實驗來源和模態的數據來進行分析及預測。這就像只能理解單一語言與能夠同時整合及理解多種語言之間的區別，張院長指出該系统能夠作出更好的預測。此外，該人工智能系统可預測人體對其他新出現的病毒菌株的免疫效果，並評估其感染的嚴重程度。
澳科大醫學院副院長張康講座教授
澳科大醫學院研究團隊利用AI系統模擬了三萬多株已知虛擬毒株，並正確預測了目前佔主導地位的突變株的演變，如Omicron XBB和BQ突變株。在目前突變株的基礎上，UniBind已確定A475N和S494K突變與抗體抗性有關，未來可能會驅動突變株的出現。不僅如此，研究團隊還利用UniBind探索了各種β冠狀病毒與不同宿主受體的結合能力，結果表明該系统可準確預測不同病毒及其突變株對不同物種的親和力。這對尋找重大流行病的中間宿主、預測病毒跨物種傳播途徑具有重要意義。本研究另一主要作者醫學院助理教授韓守裕博士表示，這項前瞻性的研究在《自然醫學》上的發表和醫學人工智能研究所的建立，都體現了澳科大對推動科學進步和探索知識邊界的承諾。
有關文章Deep-learning-enabled protein–protein interaction analysis for prediction of SARS-CoV-2 infectivity and variant evolution，可瀏覽連結: https://rdcu.be/dibFh